1. 金融学 —— 传统商业的根基
本质：研究资金的融通、资源配置和风险管理。它更偏向商业逻辑和制度分析。
典型课程：公司金融、投资学、商业银行管理、国际金融、会计学。
你会做什么：看报表、做DCF估值、写行业研究报告、分析货币政策对股市的影响。
数学用到哪：概率论、统计推断、线性回归。用到数学，但不依赖复杂推导。
适合谁：对商业敏感、擅长和人打交道、不喜欢纯写代码。
2. 金融工程 —— 为市场“定制武器”
本质：用工程化的手段（建模、编程、优化）来设计、定价和交易复杂的金融产品。核心是“造工具”。
典型课程：随机微积分、期权定价模型、固定收益证券、风险管理、C++数值方法。
你会做什么：设计一个“向上敲出看涨期权”并给出理论价格；构建一个波动率曲面；为结构化产品对冲Gamma风险。
核心区别：和金融数学比，它更偏应用和工程；和量化金融比，它更偏产品设计而非纯交易信号挖掘。
就业：投行（衍生品定价）、基金（风控、产品设计）、能源交易公司。
3. 金融数学 —— 理论模型的“神坛”
本质：用纯数学（特别是随机分析和PDE）严格推导金融模型的存在性、独特性和性质。比金工更理论。
典型课程：测度论、随机过程、偏微分方程、鞅论、利率建模。
你会做什么：证明Black-Scholes公式的假设放松后是否还能成立；推导一个新的随机波动率模型的解析解。
核心区别：金数研究的是“为什么这个模型有效？”；金工研究的是“如何用这个模型给产品定价？”
就业：投行模型验证部门（负责挑模型推导的错）、量化研究员（偏理论）、博士深造。
4. 量化金融 —— 数据驱动的“猎手”
本质：这是一个跨学科领域，而不是严格的单一专业。它指的是用数学模型和计算机从市场数据中发现统计规律并赚取利润。核心是“寻找Alpha”。
典型课程：量化投资策略、时间序列分析、机器学习、算法交易、回测技术。
你会做什么：分析5年历史tick数据，发现“某指标与次日收益有相关性”，写成策略回测，优化后实盘交易。
核心区别：金工和金数侧重于衍生品定价；量化金融侧重于二级市场交易策略（股票、期货、外汇）。量化金融是金工和金数在交易领域的应用延伸。
就业：对冲基金（Citadel/Two Sigma）、自营交易公司（Jump Trading）、券商自营。
5. 金融科技 —— 掀起技术革命的“建筑工”
本质：用新兴技术（区块链、人工智能、大数据、云计算）重新设计金融基础设施和业务流程。它是“TechFin”。
典型课程：区块链原理、智能合约开发、大数据风控、数字货币、监管科技、分布式系统。
你会做什么：用Python写一个P2P信贷的大数据评分卡；用Solidity写一个ERC-20代币；搭建一个跨境支付清算系统。
核心区别：前四个专业关心的是金融产品本身的价格和风险；金融科技关心的是金融服务的流程、效率和信任机制。它更像计算机系在金融领域的应用。
就业：蚂蚁/腾讯/微众银行（风控算法/区块链开发）、银行科技子公司、数字货币交易所。
总结建议：你到底该选哪个？
选专业就像选武器，关键看你想打什么仗：
如果你想进投行/券商的传统岗位（做IPO、行业研究、销售交易） → 选 金融学。那几张CFA证书比编程重要得多。
如果你想进投行的衍生品部门，或者做结构性产品的定价与风控 → 选 金融工程 或 金融数学。金工更实用，金数更扎实。
如果你一心想去量化对冲基金（如文艺复兴、九坤），或者高频交易公司，想靠代码和模型自己赚钱 → 选 量化金融。编程（C++/Python）能力极其重要。
如果你想加入金融科技公司（互联网大厂的金融部门），写代码改造支付、借贷、区块链 → 选 金融科技。
一个重要提醒：在实际就业市场，这五个专业的边界是高度重叠的。一个金工硕士可以去量化基金做策略，一个金融数学博士也可以去投行做风控。最核心的竞争力永远是你解决具体问题的能力（编程、数学、逻辑），而不是专业名字。
微信扫一扫
.jpg)
