微信扫一扫
美国研究生的“金融数学”（常见叫法 Financial Mathematics / Mathematical Finance / Quant Finance）属于量化金融赛道，核心是用概率、随机过程、偏微分方程和编程给衍生品定价、做风险建模、搞量化研究和算法交易。它和“金融工程”高度重叠，但整体更偏数学模型与理论，工程实现比重略低。
一、金融数学到底学什么
典型硕士 1–1.5 年为主，少数 2 年，课程一般分四块：
- 数学核心：多元/多变量微积分、线性代数、概率论与数理统计、常/偏微分方程、随机过程、随机微积分、测度论（理论型项目会加）、数值分析
- 金融理论：资产定价、衍生品（期权/期货/利率/信用）、Black-Scholes 与扩展模型、利率模型、波动率曲面、投资组合理论
- 计算与编程：Python（数据分析/回测/ML）、C++（定价引擎/高频/低延迟）、R/MATLAB、SQL；蒙特卡洛模拟、有限差分、偏微分数值解
- 应用与风险：市场风险、信用风险、VaR/CVaR、压力测试、算法交易、机器学习在金融中的应用、风控与监管模型
金数项目常设在数学系/文理学院（如 NYU Courant、Chicago、Columbia MAFN），也有设在商学院或跨学科中心（Princeton MFin、MIT MFin quant 方向偏综合）。数学系项目对随机过程、理论推导要求更狠；工程/运筹系项目（CMU MSCF、Cornell ORIE、Columbia MSFE）更偏系统实现。
二、金融数学 vs 金融工程 vs 普通金融硕士
- 金融数学 MathFin：重模型与推导，随机微积分、PDE、数值方法为主，适合想做定价/量化研究/模型岗。代表：Chicago MSFM、NYU Courant MathFin、Columbia MAFN。
- 金融工程 MFE：重落地，衍生品系统、C++、最优化的工程实现、算法交易系统，适合 quant developer / 定价系统 / 高频。代表：Baruch MFE、Berkeley MFE、CMU MSCF、Columbia MSFE。
- 量化金融/计算金融 MQF/MSCF：常介于二者之间，CMU、Georgia Tech QCF、很多 IEOR 项目都归这里。
- 普通金融硕士 MSF：公司金融、估值、投资、会计更多，量化深度浅；除非走“量化方向”或补大量数学编程，否则不直接对标 quant 岗。
实际申请时不用死磕名字，看课程表、先修要求、就业报告里的岗位分布更准。
三、美国代表项目（按风格，不按绝某对排名）
- Chicago 金融数学 MSFM：数学+经济底色强，靠近芝加哥衍生品市场，期权定价/做市/风控导向，15 个月上下，STEM。先修看重多变量微积分、线代、概率，编程 Python/C++；公开中介汇总起薪区间约 13–17 万刀、3 个月就业率九成上下，但年份波动大。
- NYU Courant Mathematical Finance：应用数学强系，随机过程/数值/偏导向上，理论硬，纽约区位。适合冲量化研究/定价模型。
- Columbia MAFN（数学系）vs MSFE（工学院）：MAFN 偏数学金融、随机与数值；MSFE 偏工程实现与系统。两个别混申，文书侧重点不同。
- Princeton MFin：2 年、小而精，偏资产定价/量化/买方，理论+就业兼顾，竞争极烈。
- MIT MFin（Quant Finance track）：商学院下但量化强度高，可走研究也可走交易/资管，品牌与就业资源强。
- CMU MSCF：计算金融，C++、交易系统、机器学习、就业placement 强，偏 MFE 但量化全能。
- Baruch MFE / Berkeley MFE / Cornell ORIE FE / Georgia Tech QCF / NYU Tandon MFE / UIUC MSFM 等：按地理位置（纽约/芝加哥/硅谷/亚特兰大）和职业目标选，不一定只看综合排名。
金工金数圈常看 QuantNet 排名，但它以 MFE/量化就业为导向，不等同于学术排名；综合选校还要结合成本、学制、地点、自己本科短板。
四、申请背景与先修（最关键）
本科偏好：数学、统计、应用数学、物理、计算机、工程、精算；纯金融/经济也能申，但必须补高阶数学。
硬先修（几乎必看）
- 微积分全序列（含多元/多变量）
- 线性代数
- 概率论与数理统计
- 常微分方程；鼓励偏微分方程
- 随机过程（金数核心加分）
- 数值分析/科学计算
- 编程：Python 必备，C++ 加分，R/MATLAB/SQL 辅助
标化与材料
- GPA：顶某尖项目多看好 3.6–3.8+，数学课分数尤其重要；金数比总分更看数学核心课成绩
- GRE：Quant 接近满分更有利（168–170 冲顶某尖），Verbal 不拖后；部分项目可免但量化硕士通常建议交
- 托福/雅思：国际生一般托福 100+（顶某尖 105–110+）或雅思 7–7.5+
- 实习/科研：券商金工组、基金量化研究、银行模型/风险、对冲/自营研究、Kaggle/回测项目、导师随机过程/计量/衍生品论文
- 文书：别写“我喜欢金融+计算机”，要写清楚某门随机过程/定价/风险项目里你做了什么模型、什么数据、什么代码、得出什么结论
商科转金数最常见死法：只修过初等微积分和入门统计、只会 Excel。补救路线是补多变量微积分→线代→概率→随机过程→数值方法，同时做 Python 回测项目。
五、就业与薪资（别只看平均数）
主要去向：
- 量化研究 Quant Researcher：对冲/自营/资管，做因子、定价、信号、ML 策略；头部起薪总包可很高，但顶薪集中在少数基金
- 衍生品定价/模型岗 Model Validation：投行、做市商、银行，用 C++/Python 实现 Black-Scholes 扩展、利率、信用、XVA
- 量化开发 Quant Developer：交易系统、定价引擎、低延迟/C++、数据管道
- 算法/高频交易：做市商（Jane Street、IMC、Optiver、HRT 等）和 HFT，面试重概率题+编程+市场微观结构
- 风险管理/市场信用风险：VaR、压力测试、监管模型，相对稳，起薪低于头部买卖方 quant
- FinTech/数据：支付风控、推荐、另类数据、Bloomberg/FactSet 类
薪资区间参考（美国应届，base 或总包因雇主差异极大）：
- 普通量化分析/风险/定价：约 11–16 万刀 base，部分总包 13–20 万
- 投行量化/模型岗：约 12–18 万 base，加奖金总包更高
- 头部对冲/自营/做市应届总包：可到 20–30 万+，顶某级少数更高，但录取率极低、且很多研究岗偏好博士
多数金数项目属 STEM，可申 12 个月 OPT，STEM 延长后最长 36 个月，对留美量化实习/工作很有用，但不等于一定能抽到 H-1B 或拿到 quant offer。
六、什么人适合读
- 数学/统计/物理/CS/工程背景，愿意把模型写成可运行代码
- 目标量化研究、定价、风险、算法交易，而不是纯投行IBD/咨询/公司金融
- 能接受高强度补随机过程、PDE、C++；讨厌数学推导就别硬申纯金数，可考虑 MSF 量化方向或 BA
