我们的数学和金融理学硕士旨在为您准备量化金融的广泛职业生涯。从定量和数据科学家，到交易员和风险经理。
数学金融在数学上具有挑战性，并且每天都由金融市场中经验丰富的从业人员部署。无论是在银行、对冲基金、金融软件提供商和其他金融服务公司。
本课程为您提供了进入该领域所需的一切，在这个水平上，您可以理解并为行业实践和最新研究做出贡献。
因此，该课程在三个必要组成部分之间取得了平衡:
数学基础
财务原则和工具
实施和数据分析
本课程适合数学科学和工程专业的应届毕业生，但我们也欢迎已经在金融服务领域寻求扩展技能的候选人的申请。
Mathematics and Finance
我们的数学和金融理学硕士旨在为您准备量化金融的广泛职业生涯。从定量和数据科学家，到交易员和风险经理。
数学金融在数学上具有挑战性，并且每天都由金融市场中经验丰富的从业人员部署。无论是在银行、对冲基金、金融软件提供商和其他金融服务公司。
本课程为您提供了进入该领域所需的一切，在这个水平上，您可以理解并为行业实践和最新研究做出贡献。
因此，该课程在三个必要组成部分之间取得了平衡:
数学基础
财务原则和工具
实施和数据分析
本课程适合数学科学和工程专业的应届毕业生，但我们也欢迎已经在金融服务领域寻求扩展技能的候选人的申请。
Our MSc in Mathematics and Finance is designed to prepare you for a wide range of careers in quantitative finance. Ranging from quants and data scientists, to a traders and risk managers.
Mathematical finance is mathematically challenging and deployed every day by sophisticated practitioners in the financial markets. Whether in banks, hedge funds, financial software providers and other financial services companies.
This course provides you with everything you need to get into this area at a level where you can understand – and contribute to – industry practice and the latest research.
The course thus strikes a balance between the three necessary components:
Mathematical foundations
Finance principles and tools
Implementation and data analysis
This course is suited to recent graduates in mathematical science and engineering, but we also welcome applications from candidates already employed in the financial services sector looking to expand their skills.
| 所属大学 | 帝国理工学院 |
| 关联学科 | 数学 |
| 开学时间 | 10月 |
| 学制 | 1 年 |
| 学费 | 43,800 GBP |
| 申请费 | 80 |
| 项目网址 | https://www.imperial.ac.uk/study/pg/mathematics/mathematics-finance/ |
领域：数学，应用数学，统计及物理专业
| 总分要求： | 7 |
| 分项要求： | 听力: 6.5 | 阅读: 6.5 | 写作: 6.5 | 口语: 6.5 |
| 总分要求： | 100 |
| 分项要求： | 听力: 22 | 阅读: 22 | 写作: 22 | 口语: 22 |
| 中文课程名 | 英文课程名 |
|---|---|
| 期权定价基础 | Fundamental of Option Pricing |
| 金融统计方法 | Statistical Methods for Finance |
| 随机过程 | Stochastic Processes |
| 量化风险管理 | Quantitative Risk Management |
| 利率模型 | Interest Rate Models |
| 金融计算 | Computing for Finance |
| 金融模拟方法 | Simulation Methods for Finance |
| 算法交易和机器学习 | Algorithmic Trading and Machine Learning |
| 深度学习 | Deep Learning |
| 数据科学fintech Regtech和Suptech的方法论基础和关键应用 | Data Science for Fintech Regtech and Suptech Methodological Foundations and Key Applications |
| 金融中的量子计算 | Quantum Computing in Finance |
| 金融中的数值方法 | Numerical Methods in Finance |
| 机器学习的进展 | Advances in Machine Learning |
| 衍生品定价中的主题 | Topics in Derivatives Pricing |
| 凸优化 | Convex Optimisation |
| 金融的随机演算 | Stochastic Calculus for Finance |
| 数据科学签名和粗糙中的高级主题机器学习中的路径 | Advanced Topics in Data Science Signatures and Rough Path in Machine Learning |
| 市场微观结构 | Market Microstructure |
| 金融中的随机控制 | Stochastic Control in Finance |
| 算法和高频交易 | Algorithmic and High Frequency Trading |
| 量化金融中的精选主题 | Selected Topics in Quantitative Finance |
| 投资组合管理 | Portfolio Management |