新的申请季已经到来，在选校、定校高峰期，为帮助同学们从更多维度进行选校、定校，给广大学子们提供更加清晰的选校专业思路，我们推出了聚焦院校及专业选择的系列线上
讲座【Master Tour-点亮美国大学图鉴】活动。本篇文章我们新东方前途出国为大家归纳总结了#加州理工学院—教授解密金工、金数专业#的精华内容。
从课程介绍、申请准备、职业选择等方向进行归纳总结，想申请美国金工、金数方向的小伙伴们快来看看啦！
● 1992年 在纽约哥伦比亚大学获得统计学博士学位
● 1992-1999年 任哥伦比亚大学助理副教授
● 1995-2005 在洛杉矶任南加州大学数学与经济学教授
● 2005-至今 任加州理工学院数学金融学教授
大家好！我是Jacksa教授，现在在加州理工任教，我的讲座是关于如何学习金融工程这个专业。
下面我先来介绍一下我的背景，我是1992年在哥伦比亚大学取得了统计学博士学位，毕业后在哥伦比亚大学担任助理副教授，后来又去南加州大学做了数学与经济学教授。后来又在法国北方高等商学院兼任教授一年。 迄今为止，我已在加州理工工作了15年，同时还担任最大的金融学会Bachelier Finance Society副会长。 我写过两部书——“Introduction to the Economics andMathematics of Financial Markets”和“ContractTheory in Continuous Time Models”，同时我已经写了超过50篇学术论文，带过13个博士生。 什么是金融工程？实际上它包含很多领域。首先，它包含股票、股票债券、金融衍生品以及合约等金融产品的数学模型。其次，包括金融产品的定价。在金融市场中，“产品定价”包含价格的统计估算、价格数值计算、投资组合策略以及新推出的金融工具、产品和策略。
金融工程的学位设置覆盖本科生、硕士、博士阶段。相关课程不一定都是以金融工程命名。有时也被称为数理金融、数学金融或者计量金融，这些都与金融工程课程设置类似。
下面让我更详细地跟大家说一下这三者的区别：
“金融工程”通常下设于工程学院或商学院，而且他们会更加注重在实证应用和计算。而“数理金融”或“金融数学”，则通常设置于数学或者统计学院，更侧重于理论学习。而“计量金融学”一般会涵盖刚才上面说的这两种，大部分情况下会设置于商学院下面。
接下来我来给大家介绍一下金融工程的历史，以及金融工程常用模型的来历。
● Louis Bachelier
这一切都要追溯回1900年，Louis Bachelier是一个法国人，当时写了一篇博士论文叫做《投资理论》，他是第一个把布朗运动作为模型应用在金融方面的人。
他的成就很长时间都没有被人记起，直到大约五六十年后，才重新被人们提起。
● Fischer Black, Myron Scholes and Robert Merton
接下来这三位来自不同学校的教授，在1973年完成了一些非常重要的学术论文，并且由于这些学术论文而获得了诺贝尔经济学奖。
他们发现了期权价格的第一个模型，那就是著名的布莱克——斯克尔斯期权定价模型（Black & Scholes）。Rubinstein (1992)曾经说，布莱克模型被广泛认为是社会科学中最成功的模型之一，也许是人类历史上使用最广泛的公式。
● 模型发展史
80年代，关于债券市场、利率等新模型开始诞生；
90年代时，一些如随机波动率模型，跳跃模型的模型诞生；
进入2000年，又衍生出了信用风险模型（2007-2009年的金融危机衍生），一些新的风控措施也应运而生；
当时间来到2010年时，金融网络开始普及，也提到了一个新的概念，叫做模型稳健性，并且诞生了之前提到的高频交易以及算法交易。
最近两年又出现了一些新的话题，如大数据，机器学习以及在金融方面的神经网络（神经网络模型是一种实用的计量经济学工具，能够帮助优化决策）包括最近火热的金融科技：比如说加密货币，众筹、以及机器人顾问，可以来给人们提建议，告诉人们应该如何投资等。
接下来我来讲一下这些学科他们都会学什么，课程大纲一般会包含概率论、随机微积分、计量经济学等基础课程。一般情况下，大家还会学习到数据科学、机器学习、竞争和组织方法等工程类课程。
金融方面，大家会学习不同的金融工具，如股票衍生品和策略以及固定收益衍生品，以及投资和投资组合选择、风险测量和风险管理等。还有一些时下热门课题：包括高频算法交易、另类投资、加密货币（如：比特币）还有一些金融科技相关的内容。
后面我们还会再继续介绍一下这些课程的具体内容，请大家和我一起往下看吧~
现在让我们回到课程中，详细跟大家说一说金融工程的相关课程。
首先是概率课程和随机变量的计算。由于在金融市场里，一切事物都是随机的，你需要通过概率来预测未来的趋势。通常这两门课是在整个课程中最有数学性、理论性的一部分，你会学到一些不同的名词，比如布朗定理、伊藤定理等。 之后你会学习到更多关于统计学和计量经济学的知识。经济学非常有趣，从根本上来说，统计学是经济问题的工具。 我们在研究这些模型的参数时，我们必须根据过去的数据来预估参数模型。例如，对不同公司的股票价格之间的相关性的估计是什么？我们能从过去的价值中估计未来的价值吗？我们能不能通过对过去数据的理解来预估未来的数据？ 1.数据科学：大数据技术对于高频变化的数据处理非常实用。比如，一秒钟之内多次浮动的价格计算，在处理这一类高频数据时，你就需要用到大数据技术。 2.计算和优化方法：通过数字计算可以帮助你找到一个最优的价格和最优策略。 3.机器学习：而机器学习不仅可以用来预测模型的未来价值；现在人们也会用到机器学习分析顾客行为，比如一些保险公司、投资公司，当需要知道他们的客户的行为时，就会用到机器学习。 大家还会学习一些应用方面的知识：比如股票衍生品、信用风险和固定收益衍生品。 这些衍生品可能是产品、工具或者合同，可以为投资者提供多样的灵活性，包括风控和保险。这些衍生品可以是股票、债券，也可以是借款或贷款。那么这些基本的股票，债券以及贷款等金融产品，同学们在金融工程的课程中都会学到。 投资和投资组合选择类的课程可以教你如何进行最优投资，并且衡量投资的收益表现如何。接下来你可能会有投资以及组合选择的这些课，在这些课程里面你会学习如何最优的去投资你的钱，然后如何去评估你的投资它具体的表现怎么样。 你可能会学习衡量短期和长期目标之间的差异，以及比较不同的投资策略，如何从中得出最优解。这些都会在未来的课程中有所涉及。 比如，你可能有一些短期目标或者长期目标，这些目标之间有什么不一样？以及在投资的时候，你可能会有不同的投资策略，这些策略相比较有什么不同，哪些比较好，之后都会学到。 然后，有一些更专业的课程，类似于高频和算法的课程，会教你为高频交易设计算法。在这个课程中，有一个很经典的优化问题是：如何在短时间内以最优方式大量出售或购买，会经常在课程中提及。 此外，你可能还会学习在交易所，这些交易是如何发生的，交易所的规则是如何设计的。 在风险评估和风控的课程中，你会学习到如何计算投资控股的风险，这门课程会帮助你学习如何控制风险的发生。同时你还会了解到，如果你在许多相关资产上都有投资，该如何衡量投资的相关风险。同时你还需要考虑的风险可能会随着时间的变化而变化，这种变化也是你需要去学习的。 接下来这几项都更加专业：另类投资、加密货币、还有金融科技。加密货币是指比特币或者其他的一些数字货币。此外，像一些小投资者参与的众筹类投资，如今也和科技相结合，都可以在网上进行，现在也已经逐渐机器人化了。 以上就是我们为大家整理的本次讲座的精华要点啦~本文章只回顾了本期讲座的前半部分内容哦~后半部分内容下周推送，会讲解申请准备和职业选择相关知识，还有Jaksa教授对于大家问题的回答集锦哦！
