预览结束
填写信息下载完整版手册
-
官方小程序
-
官方公众号
-
官方微博
-
百家号
在线时间：7*24小时
在线客服
- 400-980-5599
- 联系电话
- 关注我们：
-
-
-
-
官方小程序
官方公众号
官方微博
百家号
在线时间：7*24小时
隶属院系：Courant数学科学研究所（应用数学全美排名第1，U.S. News 2024）
学制：1.5-2年（全日制），需修满36学分
核心方向：衍生品定价、风险管理、机器学习在金融中的应用
申请者需在本科阶段完成以下课程并提供成绩单证明：
数学课程
多变量微积分（如偏导数、多重积分）
线性代数（需涵盖特征值、矩阵分解）
概率论（需包含条件概率、中心极限定理）
实分析/高等微积分（建议覆盖测度论基础）
编程能力
至少掌握一门编程语言（C++或Python为主，需提交代码样本或项目描述）
建议补充课程（非强制但有助于申请）
随机过程
数值分析
基础金融学（如资产定价概念）
官网明确说明：缺乏先修课者将被拒，不接受录取后补修。
学术成绩
GPA中位数：3.82/4.0（录取区间3.5-4.0）
核心数学课成绩：90%录取者获A-及以上
标化考试
专业背景分布
| 本科专业 | 占比 |
|---|---|
| 数学 | 45% |
| 工程 | 25% |
| 物理/统计 | 20% |
| 经济/金融 | 10% |
经历特征
85%具备量化相关实习（如券商衍生品定价、基金风险管理）
40%有学术研究经历（如发表数学/统计方向论文）
核心课程（6门必修）
衍生证券：定价与对冲（FINM-GB 2306）
随机过程在金融中的应用（MATH-GA 2902）
数值方法（MATH-GA 2010）
机器学习与金融统计（MATH-GA 2048）
分支方向（选其一）
计算金融：高级数值方法、高性能计算
风险管理：信用风险模型、资产组合理论
数据驱动金融：时间序列分析、深度学习
实践要求
Capstone Project：与彭博、摩根士丹利等机构合作解决实际金融问题（2023年课题示例：加密货币波动率建模）
编程贯穿教学：作业需用C++/Python实现期权定价模型、蒙特卡洛模拟等
就业率：94%在毕业6个月内入职（2023届报告）
主要职位分布
| 领域 | 占比 | 代表性职位 |
|---|---|---|
| 量化交易 | 45% | 量化研究员、衍生品定价 |
| 风险管理 | 30% | 市场风险分析师、VaR建模 |
| 数据科学 | 15% | 金融数据科学家 |
| 学术深造 | 10% | 应用数学/金融工程博士 |
雇主举例（近3年校招合作机构）
买方：Two Sigma, Citadel, D.E. Shaw
卖方：Goldman Sachs, J.P. Morgan, Morgan Stanley
金融科技：Bloomberg, Akuna Capital
上一篇 斯坦福ICME项目解读
稍后会有顾问老师反馈评估结果