查看: 2969|回复: 15
阅读权限36威望3 级论坛币176996 个学术水平1016 点热心指数971 点信用等级920 点经验93844 点帖子1452精华在线时间1501 小时注册时间最后登录
积分 8505, 距离下一级还需 1675 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡下一级可获得
权限: 签名中使用代码
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
开心签到天数: 108 天连续签到: 1 天[LV.6]常住居民II
本帖最后由 飞家小冰 于
09:40 编辑
小冰上个月分享过一个帖子
很多热心坛友们跟帖分享了自己的观点
投票结果也显而易见哈~
认为学好金融，数学功底很重要的人占大多数
如果仔细调查下经济类研究生的本科专业背景
理工科出身的人不在少数哦
究竟经济类本科出身与理工类本科出身，哪个在未来金融学的研究学习中更具优势呢？
小冰整理了知乎网上的三个回答
更期待大家的答案
任坤，金融学研究生
我本科学金融，现在在读金融学研究生。身边的同学本科许多都是数学、物理、计算机背景。 说实话，如果严格要求的话，现代金融学的数学要求远远超出了金融本科打得基础。金融本科学了哪些东西？除了基础的高等数学、线性代数、概率统计之外，专业课基本是经济学原理、初级宏微观、金融学、投资学、会计学原理、金融工程、公司金融等等。这些东西实质性内容并没有多少，至多在几年的时间内灌输相似的内容形成一些「直觉」。老师也经常强调本科金融背景的学生金融「直觉」会比较好，但是数理基础太差；而本科数学、物理的同学总是强调解出了特定的偏微分方程的解，却经常由于缺乏金融「直觉」而不知道解出来后能够产生什么样的金融衍生品，能够如何组合来管理风险，这就是缺乏「直觉」的表现。 然而，很明显的是，对于有扎实数学分析、泛函分析、实变、复变等数学背景的同学而言，要捡起金融学中数学含量较高一些的内容，如随机微积分等等要容易的多，建立直觉也不是特别困难，个人觉得比金融本科的学生在深造上要有更大的潜力。 就目前的形势来看，金融学本科面子大于里子。
=== 补充1 ===
如果本科不是经济学、金融学相关专业，但喜欢金融，那么如果有一定的自学能力的话，我觉得完全可以通过学习金融学、金融数学、投资学等课程，多阅读相关的课外书籍，关注和分析经济和金融新闻来渐渐形成直觉。 即使数学基础好，也不一定直接从非常数学的教材入手，因为入门级的教材更多地是从直觉和金融的角度来阐述，虽然不是很严谨，但是有助于形成直觉上的理解。有一定的理解基础后再从更加数学的教材入手，就可以把整个理论体系的数学基础打扎实一些。 学习的过程中最好能够自己把各种理论的动机、来龙去脉、试图回答什么 问题，分析的思路等等能够用语言讲清楚，而不是只会写表达式，或者只会计算。形成直觉，重要的是知道动机（比如解决期权定价问题）、构建理论的原则或理论基础（例如无套利定价）、假设（例如资产价格服从几何布朗运动等等）、思维方式。要不断地问：这套理论的好处是什么？可以言说什么东西？不能言说什么东西？弱点是什么？可能如何改进？
=== 补充2 ===
无论对于金融本科出身，还是其他专业出身，如果想学好金融，三大技能必不可少：英语、数学、计算机。
英语：经济学、金融学的书籍最好读英文版的，语言平易近人，基本都是plain English，概念和术语定义清晰，不容易造成混乱，逻辑清晰，善于形成知识结构。中文版的东西能不看最好就不要看了。但是前提是基本的英语阅读能力要过关。
数学：高数、线代、概统这些数学基础根本不够，而且并不能帮你真正理解数学，本科数学教育多数是教你怎么计算，涉及的思想性的东西太少。最好在这些基础上把数学分析（推荐Zorich的Mathematical Analysis）学好（例如让你从逻辑上知道为什么我们称「1&0」而不是问「这不是很显然吗？」，线性代数推荐Linear Algebra done right，让你明白线性代数到底是干什么的东西，（例如：让你知道矩阵不仅仅是个简单的方框里面写点数字，更基础得是表征一个线性空间到另一个线性空间的线性映射），这些数学帮助你形成一套比较完整的形式化思维，在学习后面的金融数学、随机过程等等时更加明白到底在做些什么
计算机：金融数据量大、门类齐全，数据分析能力必不可少。这就涉及统计、计量、时间序列等等的知识，而实际操作中需要能够用计算机软件或者自己编写程序完成特定的金融研究。我在学习经济学需要熟悉那些编程语言？ 中介绍了一些编程方面可能需要懂的东西，在 想从事数据分析工作，学什么软件或语言最好？中也回答了金融方面的一些应用。 就这三大技能而言，金融本科背景反而不占优势，除非利用自己的时间多学习这三大技能，否则难以与数学、计算机背景的同学在深造、继续发展等方面竞争。
=== 补充3 ===
以上说得都是关于「学习」层面的，这方面总得来说，就是金融本科更早接触金融可能因而更早地形成「直觉」，并没有什么其他的明显优势。 现在说一下关于「学习外」层面的，即就业、职业道路。金融领域非常看中「圈子」，名校金融本科生最大的一个资产就是一开始就在这个未来的「圈子」中了，这对于未来的职业发展是很有帮助的。例如清华、北大、复旦等名校都是很重「圈子」的，如果非名校金融本科的学生想直接从事金融行业，没有在这个圈子里就很难发展，因此很多人在工作前或者工作过程中再念一个名校的硕士或者博士，一方面是获得一个更高的学历，另一方面就是进入这个校友「圈子」。 名校金融本科生有一大优势就是这个「圈子」，非名校或者非金融本科的话基本没有这个优势。
如果未来计划读金融或者经济类PHD做学术，数理本科专业的学生确实有很大优势。金融范围很大，大类至少包括银行、保险和证券，如果简单的说&XX对干金融有好处“实在是太不负责任了，我认为根据金融的领域划分，话应该是这么说的：
本科学数学物理，日后转金融的人，在以下领域会有比较优势：保险精算，证券二级市场中的衍生品定价，量化交易策略，风险管理，银行的风控。
在以下领域会有比较大的劣势：一级市场的VC/PE，IBD，二级市场的行研等需要很深会计基础的岗位。另外很多外资投行的sales/trading岗要求牛实习+高GPA，这两者对于课业负担很重的数学物理系的本科生实在难以两全，大部分人只能顾一个吧，所以也可以算一个劣势了。
咱们再回头看看数理本科占优势的那几项，除了量化交易策略，其他几个的收入都是比上不足比下有余，想发大财基本没戏，工作也不刺激，真的挺对不起自己那本来能成为科学家的脑子的。唯一钱途光明且相对金融本科生有巨大相对优势的一个领域，就是量化交易策略。不过没有一个成功的交易员是光靠上学念书会做题就行的，他们一定是聪明，敢赌，有一双透过现象看本质的眼睛。这些品质不是你选了数学物理本科就一定具备的，也不是选了金融就不具备的，其实更多是一种个人内在的能力吧。
反观选择金融作为本科，你有充分的时间做实习，了解自己能力与兴趣，能吃苦耐劳又想做一级市场的可以去IBD或者PE，敢赌心理素质好的就去做交易员，能侃山能忽悠就去做research，除此之外还可以选会计，营销，各种公司的管培等等。
另外，本科同学是很多人第一批重要的人脉，学理和学金融的发展路径区别是非常明显的，你希望你的本科同学大多是什么样？
当然，所有这些优势和劣势都是针对群体平均来说的，自己多下点功夫，数学系也可以大三拿到MS的S/T的实习，金融系的也可以拿GPA 4.0的数学双学位。不过对于随波逐流的大多数人，想干什么就选什么专业，其实是最稳妥的方式。
最后说句个人体会吧。我本科数学，后来转了金融，现在回过头看这应该不是职业发展的最优选择。但是如果让我回到十八岁，我还是会毫不犹豫的选择数学做专业，不为别的，只是因为能在最青春的岁月里，结识一群有着纯粹学术理想的小伙伴，一起领略一丁点数学的美，将是我人生最珍贵的回忆之一。
中国人民大学 DavidCharge
谈这个问题，还是得先明确一下框架。相比别的理科/工科，本科学金融是否对日后学金融更有好处？。这里的一个关键就是”日后学金融“：1. 是指读硕士或者MBA，学习如何在工作中应用前人研究得到的金融理论知识并得到就业所需的一些技能训练？还是读phd，进行学术研究，在前人基础上进行原创性的研究，为金融经济学知识的领域开疆拓土？2. 如果是读phd，将来是做理论研究还是实证研究？
既然大多答案都强调数学的重要性，那我就从数学在金融学中的重要性开始吧。对学金融的人，数学重要吗？重要。如果连微积分，线性代数，概率论，统计学的基础知识都不熟悉的话，几乎无可能真正理解和掌握1970年以来金融经济学领域的大部分成果。金融学中的主流理论研究成果，都是基于经济学经典的理性人、风险厌恶、期望效用函数等基本假设，用严谨的数学工具推导得到的。学过这几门本科水平的数学课以及微观经济学之后，可以基本理解CAPM，套利定价理论，MM定理等的结论含义以及证明的大致思路（BS模型可能还需要一些随机微积分基础）。这些早年的成果是金融经济学的基石，不论是从事金融业实务还是进行学术研究，都应掌握。第一，对有志于从事金融经济学理论研究的人来说，上述的几门数学基础课是不够的。如果没有学过一些拓扑学、实分析、随机数学、运筹学的知识，很难充分掌握高级微观经济学等博士阶段的基础课，以及资产定价、公司金融等专业课。连经典成果的证明中的细节都无法吃透，是很难在理论领域有所建树的所以，。对一小部分人来说，本科在国内按照大多数金融专业课程设计进行学习，数学基础是远远不够的。第二，对有志于从事金融学实证研究的人来说，则是另一回事了。实证研究中，计量经济学是必须的工具（当前做实证公司金融最优秀的学者大多都是经济学博士，其计量基础可能带来了研究中的优势）。工具是研究的基础，在此之上，更加重要也更能决定是否出成果的，还是idea。能找到有意义的研究话题，讲一个生动有趣的故事，提出一个好问题以填补先前研究的空白，或是用数据回答一个先前提出的问题，都是学界所追求的“marginal contribution”。对这一小部分人来讲，理论的成果需要熟悉，但没有必要做到融会贯通，因此，为理论研究服务的数学基础也显得不是那么必要。第三，对绝大多数继续学习金融知识（Master或MBA），将来从事非学术研究工作的人来说，数学基础多多益善，但直接的作用比较有限。所谓直接作用，便是提高对金融学理论的掌握水平以及进一步学习学术研究成果的能力。但非前沿的学术知识对大多数金融岗位的重要性并不是很大。不可忽略的是，学习数学能带来间接的收益。数学是思维的体操，得到数学训练好处多多，这里不赘述，总之就是老师常说的”makes you a better person&。
数学就说这么多吧。其他人提到的英语、计算机知识，我简明扼要的谈谈看法：如果从事学术研究，英语的重要性不言而喻：论文写作，文献阅读，同行交流等等；如果想进入外资金融机构工作，英语当然也非常重要。计算机知识是否必要，取决于具体工作。如果从事理论研究，主要的工作只需借助一支笔、几张白纸、一个强健的大脑就能完成。当然，有时候需要用计算机完成一些simulation以佐证或展示文章的结果。如果从事实证研究，那么需要进行大量的数据处理，SAS和stata这些软件的编程自然是基本功。如果在业界从事金融工程类的工作，那么计算机背景非常重要，常常要求能熟练甚至精通不止一种种计算机语言。其他的金融岗位则对计算机的要求相对较低。
总结一下，数学基础对进一步学习金融知识很重要，但大量进阶的数学知识只对一小部分做理论的家伙显得十分必要（其实大多数名校的金融教授们也不熟悉复变、泛函等）；英语很重要；计算机水平重要性取决于职业路线。本科学习金融并不是未来学习金融的劣势，但前提是能早日找准方向和目标，根据需要加强自己所需的知识基础，而不是等着上国内学校安排的那点专业课程。
你认同上述观点吗？你认为何种本科背景对于未来金融学的学习更有帮助呢？欢迎参与交流~
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
观点有启发
鼓励积极发帖讨论
总评分:&学术水平 + 3&
热心指数 + 3&
信用等级 + 3&
本帖被以下文库推荐
& |主题: 466, 订阅: 491
阅读权限26威望0 级论坛币294 个学术水平14 点热心指数31 点信用等级12 点经验4092 点帖子375精华0在线时间109 小时注册时间最后登录
积分 607, 距离下一级还需 193 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 5 天连续签到: 4 天[LV.2]偶尔看看I
我男友就是本硕博都是学理科的&&如数学和计算机的&&现在研究金融方向也还不错呀！起码在数学公式和分析上他完全没有障碍&&而且很多获得经济学诺贝尔奖的很大一部分是从数学等领域成长起来的学者
鼓励积极发帖讨论
总评分:&论坛币 + 10&
热心指数 + 1&
相信自己，止于至善！
阅读权限30威望0 级论坛币19105 个学术水平51 点热心指数79 点信用等级43 点经验96 点帖子578精华0在线时间883 小时注册时间最后登录
积分 1506, 距离下一级还需 719 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 107 天连续签到: 93 天[LV.6]常住居民II
是川银藏就一名小学毕业的人，没有所谓的名校背景。。。也没有任何金融理论、经济学基础。可偏偏就是这样一个人，以敏锐的判断力，预测经济形势和股市行情的准确性令人吃惊，被日本金融界称为股市之神。世界上著名的股市投资家巴菲特、索罗斯、邱永汉等都对是川银藏的投资手法推崇备至。学什么专业都不是问题，关键在于学会融会贯通。。。对每个门类或者某个问题有比较深入的理解，并能从中抽象出共通性的理性知识，进而将其储存在记忆当中。。。从中掌握了不同门类甚至不同领域知识的共通性，从而将一个领域更深的理解转移到另外的领域当中。（最重要的是能帮公司赚到钱，这才是关键中的关键！！）
鼓励积极发帖讨论
总评分:&论坛币 + 60&
学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
阅读权限36威望3 级论坛币176996 个学术水平1016 点热心指数971 点信用等级920 点经验93844 点帖子1452精华在线时间1501 小时注册时间最后登录
积分 8505, 距离下一级还需 1675 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡下一级可获得
权限: 签名中使用代码
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
开心签到天数: 108 天连续签到: 1 天[LV.6]常住居民II
吴经渊 发表于
是川银藏就一名小学毕业的人，没有所谓的名校背景。。。也没有任何金融理论、经济学基础。可偏偏就是这样一 ...不过这种人毕竟是少数啊
阅读权限26威望0 级论坛币25923 个学术水平11 点热心指数24 点信用等级11 点经验6617 点帖子314精华0在线时间141 小时注册时间最后登录
积分 455, 距离下一级还需 345 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 59 天连续签到: 2 天[LV.5]常住居民I
我的第一个观点：如果你真的做研究 这里指的是学科研究的话。那么，数学必须学好，因为许多公式、模型，没有数学的基础，你理解起来就会非常非常困难。
我的第二个观点：如果你学习金融只是为了从投资市场（股票、期货、外汇）挣钱，那么，数学学的的好坏真的没有关系。
我的第三个观点：我一直认为数学是自然学科中最严谨的学科，而且，没有数学，别的学科更加无从谈起（就比如物理这门学科，没有数学的基础，你物理肯定学不好）但，我认为我们学习数学最主要的还是数学的思想方法，就比如：高中学过的数形结合思想、分类讨论思想、函数与方程思想、转化思想，仔细想想，不光数学，就是在生活中，你用这些思想分析问题都会起到事半功倍的效果。 举一个最简单的例子，小学的写人作文我们都写过，你肯定是一件事、一件事的写，最后来个总结，这不就是分类讨论的思想吗？
这个是小冰提到的那个帖子中的观点&&依然是这个观点 不变
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
阅读权限26威望0 级论坛币25923 个学术水平11 点热心指数24 点信用等级11 点经验6617 点帖子314精华0在线时间141 小时注册时间最后登录
积分 455, 距离下一级还需 345 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发下一级可获得
权限: 隐身
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 59 天连续签到: 2 天[LV.5]常住居民I
以下是新的观点：
1、如果指的是学好研究生的各门课程，那么不用问，肯定是理科生占优势。
2、如果真的是自己去投资的话，我反而是认为经济类的占优。
3、其实什么背景不重要，重要的是你有没有那种融会贯通的思想，我还是认为思想是最主要的。
举个例子，大盘6000点谁都知道，但是，那种情况下，有几个人敢清仓。再比如说现在的大盘2000点，有几个人敢满仓进呢？除非你对中国的经济没信心，那么未来的大盘肯定不是2000点，其实道理谁都知道，但是，我们当中有几个人能做到呢？
鼓励积极发帖讨论
总评分:&论坛币 + 50&
学术水平 + 2&
热心指数 + 2&
信用等级 + 2&
阅读权限30威望0 级论坛币19105 个学术水平51 点热心指数79 点信用等级43 点经验96 点帖子578精华0在线时间883 小时注册时间最后登录
积分 1506, 距离下一级还需 719 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 107 天连续签到: 93 天[LV.6]常住居民II
本帖最后由 吴经渊 于
14:42 编辑 飞家小冰 发表于
不过这种人毕竟是少数啊呵呵，所以我很不明白为什么那么多人非要往金融转。。看电视剧、电影看多了吧？？？
目前，我感觉现在的人都是很浮躁的。。。要不然怎么会有那么多老鼠仓事件。。。。根本没几个人愿意沉淀下来来把事情做精做专。。
阅读权限36威望3 级论坛币176996 个学术水平1016 点热心指数971 点信用等级920 点经验93844 点帖子1452精华在线时间1501 小时注册时间最后登录
积分 8505, 距离下一级还需 1675 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身, 设置回复可见
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡, 沉默卡, 千斤顶, 变色卡下一级可获得
权限: 签名中使用代码
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
TA的文库&&
开心签到天数: 108 天连续签到: 1 天[LV.6]常住居民II
吴经渊 发表于
呵呵，所以我很不明白为什么那么多人非要往金融转。。看电视剧、电影看多了吧？？？
目前，我感觉现在 ...为什么那么多人往金融行业挤，太多已经从事了经管相关工作的人都有这个疑问。圈外人觉得圈内比较精彩呗，只有圈内人才知道那是怎样的世界。。信息不对称，太多外行只看到了也只愿意去看他想看的好的一面。
阅读权限30威望0 级论坛币19105 个学术水平51 点热心指数79 点信用等级43 点经验96 点帖子578精华0在线时间883 小时注册时间最后登录
积分 1506, 距离下一级还需 719 积分
权限: 自定义头衔, 签名中使用图片, 设置帖子权限, 隐身
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 107 天连续签到: 93 天[LV.6]常住居民II
哈哈。。。作为一名屌丝理工男。。我就没有想进金融业的欲望（或许，见的人见的事多了，也就不过如此了）。。突然有一种众人皆醉我独醒的赶脚。。。
阅读权限24威望0 级论坛币1017 个学术水平2 点热心指数3 点信用等级2 点经验1269 点帖子371精华0在线时间38 小时注册时间最后登录
积分 439, 距离下一级还需 11 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 188 天连续签到: 1 天[LV.7]常住居民III
飞家小冰 发表于
小冰上个月分享过一个帖子
学金融一定要数学好么？
很多热心坛友们跟帖分享了自己的观点
有些专业的确偏向理科生
论坛好贴推荐学习经济学需要熟悉哪些编程语言_百度知道
学习经济学需要熟悉哪些编程语言
提问者采纳
半年左右就可以抛开excel直接用R作实战了，多读文档多练多用？复杂的用R，现在写的论文也都用它简单点回答，实现。数据，下载下来直接用即可。复杂一些的…excel最多可以有6万多行，基本上R都有对应的软件包了。我博士论文全部回归和输出都是用R的，简单的用excel，方便，你确定你需要从那么大量的数据开始“学”经济学么，算法，各种模型，直观
网络工程师
其他类似问题
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁学经济学、会计学、金融学所有必须掌握的知识点_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
喜欢此文档的还喜欢
学经济学、会计学、金融学所有必须掌握的知识点
阅读已结束，如果下载本文需要使用
想免费下载本文？
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
你可能喜欢学习经济学需要熟悉哪些编程语言？
题主经济学专业背景，编程语言零基础，将要读计量经济学专业，觉得学习一门或几门编程语言很有必要，请问我应当以哪一门编程语言作为切入点？请专业人士给以指点。谢谢。
按投票排序
这个问题我回答了太多次。前面
学长回答了，但是很简略，我展开来说说。计量经济学也有很多小的门类，请对号入座。有很多软件，Stata, matlab, R, SAS是相对来说用的比较多的。如果是做应用计量（特别是横截面数据、面板数据），Stata是不二之选，因为不管是管理数据还是跑回归，实在太太太方便了。现在主流期刊的应用微观计量文章里面能用到的模型stata几乎都有，而且其中的绝大多数都是用stata做的。而且最大的优点是，简单！如果做应用的时间序列，Eviews似乎是一个不错的选择。但是我一般不做这方面，也不是很有发言权。如果做理论计量，stata eviews是没有现成的包的，而且即便Stata可以编程，可编程能力也是很差的，而且不稳健。所以懂R和Matlab就非常顺手。当然也可以用Python，最近Sargent就写了本用Python做计量的书。还有一个Julia，是这三种语言的混合，但是速度快很多，缺点是太过于小众。如果对速度要求高，特别是金融计量很多对速度有要求的，可以考虑C、Fortran等语言。C和Fortran肯定是最快的。还有一个叫做OX的，速度快，但是也很小众。但是这些语言的缺点是学习难度比较高，开发时间比较慢。Julia据说速度堪比C，而且语法特别像Matlab、Python（意味着容易学习），但是处于刚起步阶段，用的人太少了。如果是金融计量领域，强烈建议学会SAS。SAS是最权威，速度也很快，当然最大的问题是昂贵，而且可编程能力不是多么好。但是金融里面数据量都非常非常非常大，一般的软件都瘫的时候，SAS就派上用场了。像我自己，做应用的时候都是用stata整理数据，能用stata的坚决不用其他软件。但是因为有的时候做一些理论计量的工作，所以matlab也是必不可少的。我也在学习Julia，因为matlab的速度实在太慢。Python我一般不用来做科学计算，用的人不多，而且速度慢，一般是用来抓数据的。最后还是补充一点吧，为什么我推荐matlab而不是其他的软件，也是有道理的。很多模型，比如空间计量模型（spatial econometrics）、贝叶斯估计、以及宏观计量里面的DSGE model、SVAR等模型，在stata、Eviews里面都是没有什么现成的东西可以用的，但是matlab提供了丰富的包，比如Dynare就是基于Matlab的，还有LeSage的空间计量软件包等等，也是基于matlab的。所以几乎你想用的模型matlab里面都能找到codes然后直接用。就算没有，你自己在matlab里面写，也不是什么难事。最后想起一句话来，关于这些软件的选择（stata除外，因为stata在应用计量领域的地位是几乎不可替代的）可以用两句话来概括：如果你自己的时间比计算机的时间宝贵的话，学习matlab、R、甚至Python、Julia是最合适的，如果计算机的时间比你的时间宝贵的话，学习C、Fortran是必须的。当然除非你的工作非常特殊（比如一些大型的结构模型的估计），一般来说，还是自己的时间更宝贵一点。综上，做应用和做理论是不可能用一种软件解决的，建议根据自己的方向进行挑选。我觉着stata、matlab、R是比较推荐的，一个方便，一个灵活，都很强大，而且学习难度都不大，用的人都很多，交流起来相当方便。PS:各个软件的速度比较， 可以看Julia的主页。
简单点回答。数据，简单的用excel，直观，方便。复杂一些的…excel最多可以有6万多行，你确定你需要从那么大量的数据开始“学”经济学么？复杂的用R，各种模型，算法，实现，基本上R都有对应的软件包了，下载下来直接用即可，多读文档多练多用，半年左右就可以抛开excel直接用R作实战了。我博士论文全部回归和输出都是用R的，现在写的论文也都用它。替代品是Stata。也很好，但如果你和我一样是从0开始，那么强烈建议选R。R的一个不足是没法作符号运算，这个免费的解决方案有python搭配scipy numpy等几个包，不过建议你用mathematica，它的符号计算功能最强大，输出格式也最好。你可以找个jacobian矩阵搞一下符号计算，比较一下结果就知道了。Python这东西，熟悉了R之后，发现有功能是R实现不了的，到时候有实际需求了，再学也不迟。不是立刻就需要的。此外，所有经济学研究(我是指empirics类型的，具体意思你懂的)，都要会用latex，可以把它看做是一门编程语言。在word里排数学公式，用不了多久你就会疯掉。R中可以用ggplot2来绘图，输出到tex中。普通数据表用xtable包输出到tex，回归结果用stargazer输出到tex，都很方便。举个例子，这是我最近用R编的一段程序，跑了个数值模拟，用来验证一个模型。好看不好看再说，至少用R能做到1）在R中将原始数据作处理，2）在R中运行回归，3）将R中的回归结果绘图输出，4）把图加载到latex论文中。
简单回答题主的问题，如果编程零基础，建议以python入门，但是并不建议以此作为数据分析的全部。R可以说是必须要学的，除此两者以外的，可以泛泛的关注。=================================分割线=================================下面详细说一下自己的看法，仅仅是个人体会，仅供题主参考。首先要说的是R，绝对是目前国外学术界的主流，统计系基本除R以外没有其他了，计量作为和统计相关的方向，R也在逐渐渗透。所以推荐题主学习。顺便说一句，R的学习曲线是比较陡峭的，所以我不太建议零基础的人从R开始，否则挫折感会比较强烈。而python会略好，所以我建议从python开始。python并非是专用于统计或者计量的软件，而是一种非常流行的通用编程语言。经过多年发展，库也非常齐备。我试用过numpy，scipy和pandas等库，与其他通用编程语言相比，算是相当好用，不过个人感觉还是比不上R，比如画图，ggplot2真心是神一般的存在，python的库还是略逊一筹。但是，如楼上各位所说，除了数据处理之外，python可以干的事情太多了，也太牛了。我们主要要用到的，比如网页采集数据，需要正则表达式，解析网页等等。这些方面python就比R有优势多了。当然，从趋势来看，未来似乎python比R更优。R是一群统计学家在编程序，python是一群计算机专家在争取搞数据处理。似乎python的基础更扎实。个人观点，仅供参考。stata我认为是除了R以外最好的计量软件了，我两者均用过数年数个项目，但是依然感觉R更好用，整理和处理数据更方便。所以即使在楼上诸位所提到的微观计量领域，我依然更喜欢R。除此以外spss，或者eviews等，感觉管理类学生用的更多，功能比较受限，不太推荐。这里不赘述。上述的几个软件，还有个问题，在于都是收费的，考虑到未来知识产权的保护，还是用免费的略靠谱。R的主要缺点有两个：1，面对大数据乏力。这方面sas确实有优势，但是不得不说，sas的语法太反人类了，完全接受不能。面对这个问题，我要说的是，你得看问题有多大。以我的经验，经济里面的数据量似乎还不足以超过R的处理上限很多。可能金融的高频数据会比较大，我个人没啥经验，如果遇到再补充。我尝试过10g的数据，最简单的办法，不是学sas，而是买16g的内存。：）以现在的内存价格，我觉得32g以下的问题不大。2，性能不足。这方面python也有同样的问题，最好的解决方案是混合c/c++，不过这个就是无底洞了，耗时极多，都不见得能学好。建议的方法，还是买硬件，这个最简单。：）当然用并行包等，也是解决方法之一，我尝试过几次用机房的多台机器做集群，不是太成功。求高人指点。上面诸位还提到过几个软件，我也略微说一下自己知道的一些软件的看法：matlab：好东西，关键还是性能问题，同样可以靠c/c++来解决。但是我不喜欢比较大的软件，为了求个均值方差，等它启动就占了5分钟。。。julia：好东西X2，目前关注中，可能还比较年轻，导致配套的库略少，不过看好未来发展，主要是吸取了matlab，python和c/c++的有点，写的快，运算的也快，未来看涨，紧密关注。最后提一下函数式编程，是个好东西，但是不看好纯粹函数式编程的未来。它体现了一种颇先进的编程思想，但是在实际工作中，往往性能方面的问题较大。要解决这个问题，还是的混合函数式编程和其他方式，但这就是python，R等软件已经实现的方式，似乎又没有必要专门去学其他的函数式编程了。
作为一个学过经济学的跟你说：还是用好Eviews/R/SPSS之类的软件，千万别接触C/C++/Fortran/Ada/Java/Python，否则当你的兴趣转移到编程上的时候，你的经济学就废了。说多了都是泪，我就是个赤裸裸的例子。祝好。
谢邀。Stata微观计量中应用极多，主要是直接输命令回归，需要编程的地方不多。至于编程，推荐R、Python.R是非常好的统计分析软件，在计量经济学中的应用可以见Econometrics in R,
Applied Econometrics with R Time Series Analysis with Applications in R这几本书Python用来抓数据很好，并且有数学计算包SciPy可以部分替代Matlab之类科学计算的功能。
做统计和计量的话，想要跟当今的国际学术界接轨，最好学R，至少我所知道的目前美国的统计学术界被R占领的趋势很明显了。如果只是做简单地回归随便解读一下，那随便选个傻瓜软件就可以了。如果只是应用现成的成熟的计量模型来做实证研究，那么傻瓜软件一般也就可以了。如果要以统计、计量为研究领域或者专业领域，那么编程性的东西是少不了的，即使是做实证如果涉及较为复杂的数据结构，懂编程也能帮你大幅提高生产力。另外，R的社区比较活跃，能够较好地跟上前沿。如果涉及到处理较大的数据，一种办法是用SAS，如果不想用SAS可以学数据库方面的东西，比如把数据放在SQLite数据库中然后用{RSQLite}访问数据库，或者用{sqldf}通过SQL操作环境中的data frame。如果觉得执行某项任务R单核速度慢，那么可以使用{parallel}或者{parallelMap}做并行计算，也可以利用云计算来处理数据。如果涉及到其他社区的东西在R社区中没有实现，例如Java的东西，可以用{rJava}来调用Java的对象，不过速度有些慢。比较好的办法是我在
中提到的F#函数式编程语言，用RProvider可以直接调用R，用JavaProvider直接调用Jar打包的Java程序，用PythonProvider（即将发布）直接调用Python程序，等等，很容易将各大社区的资源整合在一起使用。目前我在GitHub上面弄一个通过R学习统计、计量、非参、数据可视化、数据库的repo:
，虽然目前还没什么内容，不过可以跟踪一下。===
补充 ===以上说得都是经济学相关的统计和计量方面所需要的编程。事实上统计和计量所需的「编程」较为简单，基本也就是处理数据、应用已经提供的计量模型，更多需要编程的是：一、如果涉及较为前沿的计量模型，可能还需要自己实现；二、一些蒙特卡罗模拟需要一些编程。从经济学相关的一些新型领域来说，计算经济学（Computational Economics）、计算统计学（Computational Statistics）以及计算计量学（Computational Econometrics）则需要较强的编程能力，包括算法实现、算法分析等等。举个例子，计算经济学中目前做的一块研究是Agent-based computational finance，就是建立一个模拟的金融市场，里面有几种资产，每种资产的基本面由随机的红利决定，里面有许多遵循各种逻辑的投资者，投资者对于红利发放持有的信念不同，因而从各自的逻辑触发的交易行为不同。在一个复式竞价（double auction）的交易市场中，什么样的投资者组成或者行为方式、什么样的记忆长短，能够最大程度地复制出我们在现实金融市场中观测到的资产价格或者资产收益率规律，例如资产收益率尖峰肥尾、不对称性。此时，研究者就需要较扎实的金融知识来设计一个不过于简单而又不过于复杂的模拟金融市场，也需要相应的编程能力把模型用程序语言编写出来。这中间会设计许多编程技术，例如数据库（有时要跟踪许多变量，例如投资者现金流动、财富分布）、并行计算（CPU多核并行、多进程并行、集群上的并行甚至GPU计算）等等。这方面的研究从1990s年代才开始。===
补充 ===根据最新的统计（来源：）SQL, R, Python, Excel在数据科学研究和应用领域有巨大的市场份额。SQL, R, Python, Excel在数据科学研究和应用领域有巨大的市场份额。===
补充 ===虽然经济学和计量、统计之间联系紧密，但是仍有很大的不同，涉及的软件都离不开数据处理和分析。下面是 2014 Dice Tech Salary Survey 作出的调查结果：R的应用和经验获得了最高的报酬。R的应用和经验获得了最高的报酬。
我想说我碰到的问题基本上excel加eviews已经可以妥妥解决了（你得会点VBA才能真心发挥excel的用处）。当然你要是用Latex排版的话估计就不得不搞R了。Matlab真心强大，但是2G内存的电脑搞起来会挺不开心的，我都是用学校图书馆的i7+8G的电脑跑Matlab，真心爽。python是一门很健全的计算机语言，它主要是用来搭配numpy跟pandas两个模块来实现各种统计功能，我想说是很强大的，但是已经基本属于编程范畴了，因为不像前面的那些，多少有个UI。你要是能对着自己的Windows的cmd看整整半天时间还不累的话，可以考虑用pandas。C和fortran都是更加纯粹的编程了，我之前的舍友通常用fortran编出来的程序在实验室的工作站上至少连续7*24小时跑一周（我猜大多数人没达到搞这么个大工程的运算吧）。以上程序按照出现顺序由简单到复杂，由鼠标到键盘，由界面到代码，由收费到免费，运行效率由慢到快。除了这些，别的没用过。其实大致原则就是：卖得越贵的软件往往越方便、越容易入门。最后我想说的是，你能把一个软件的全部功能都挖掘出来的话就已经能算得上专家了。大多数人都是每样都学一点，每样都不会。
老师上课教学以eviews为主，因为简单易用，但是功能不全。
学院派，写论文作计量喜欢stata，功能强大，免费开源，也有用r语言的。
做蒙特卡洛这种复杂运算的用matlab居多，矩阵功能强大
c++用的人也不少，但是科班出身的由于一般没有编程基础，用的比较少。
业界的话，据说银行和券商用sas的多
这根本不是个问题，你没的选。比如遇到个宏观问题要搞DSGE，matlab有dynare，要是不用这个就要手工个几百上千行贝叶斯；比如遇到个微观问题，比如前一阵大家很关注的PISA吧，仅提供两种数据读入格式，SPSS，SAS；比如不幸做PISA还选了SPSS，好不容易把数据搞完做multilevel model，你会发现SPSS的Mix过程因为技术问题并不是无偏的，结果还必须得用SAS；比如你的数据来源直接是个数据库.bak，你总得会SQL吧；比如问题的规模太大计算又独特复杂，matlab不行，就只能上C，C++之类的；以上还都是假设学校有这些软件版权，没有就另是一个复杂的问题了。
本科经济统计学，由于学校奇葩的课程设置，我们分别使用过：EViews：计量经济学，时序和多元统计。Stata：计量经济学。SPSS：专门开的一门课，这个巨汗，权当复习了一遍统计学。Excel：大一的统计入门课使用的，这个也巨坑，就是简单的函数使用，一点没有涉及VBA。Matlab：这个没有专门的课，是上完了C语言程序设计以后副产品，后来接触了R和Mathematica就基本抛弃了它。R/S-Plus：在回归分析的时候使用了S-Plus，不过那时候我已经使用R语言很久了，而且S-Plus基本兼容，所以没有使用过S-Plus。Minitab：质量控制课程上用的，基本的统计加上一些实验设计。SAS：这个在实验室中自学过几次，直接被其奇葩的语法雷到了，据说我们学校的研究生有专门的SAS课程（类似于本科的SPSS课程），呵呵了～我们系的妹（xue）纸（ba）就曾经抱怨说使用的软件太多了，完全被逼疯的感觉，还给我们亲爱的系主任提过意见。作为学渣也就这个问题问过系主任，她的意思是不同的软件在处理不同的数据时候是各有所长的，而且你们课程还是蛮轻松的，就多学点吧，另外不同的老师有不同的软件使用爱好，上课使用不同的软件是必然的。学习经济学的同学，Excel和SPSS，EViews（或者Stata)就蛮好的了，Stata和EViews都可以写一些程序的，SPSS的界面化操作也是很友好的。本人使用的R，在上各种课中也都会在学了那些软件后再使用R来实现（其实绝大多数时候R都已经有现成的包了，我也大多是直接使用），R还是很不错的，推荐。很多前辈也提出了，经济学学生学习编程适可而止就好了，要不然就是一条不归路啊，面临着彻底转行的危险，本人就是一枚反面例子（泪～。所以什么Python啊，C++啊，Julia啊就不要接触了。
发现其它的诸位一直在强调R和matlab这两款软件，这两款软件确实是未来的发展方向，但是我认为，作为一个初学者的话在数据处理方面我觉得能熟练掌握SPSS就已经很不错了，而在计量经济学方面，可以数量掌握EViews也就够用了。主要由于SPSS和EViews这两款软件简单易学，我们老师都叫他们傻瓜软件。而与之相比R和matlab的交互界面过于不友好，要想真正掌握更是要花费很多时间。举个例子我想做PCA分析，要使用SPSS只需要动动鼠标就好了，而要用R和Matlab就得写好多程序，所以你要不是想开发什么算法或者用近几年的高级算法的话，SPSS和Eviews就足够了。
R或者SAS只有这两种语言大数据靠硬盘不靠内存当然如果想快，SPSS？
以我最近的经验来看小样本、不要求反应速度又不复杂的模型其实用R用Matlab甚至用Eviews, spss都没有明显差异了，稍微复杂一些的模型可能R更容易实现思路，如果涉及矩阵Matlab更好用，再复杂的模型或者超大规模的数据有人建议用C++来实现，或者R+Hadoop？@任坤 如果涉及一些数值分析的工作比如解个ode、pde什么的用Matlab吧
你是经济学，即便是涉及计算机，也应该是专注于软件应用吧。至于编程你是作为了解或者转行那就另当别论。
学点sql 挺好的 哈哈
金融学学渣表示简单的回归用的spss，其他用的eviews居多。
database? 我完全是经济学门外汉。。。但可能database多多少少有点用吧
visual fox会计专用
个人感觉matlab的功能十分强大。不管什么专业，学会使用这软件还是好的。而且matlab里也有经济学常用的函数工具箱啊，现在还在不断地完善。。
看一群人说跑个回归用什么什么太逗乐了。这年头只要跟数据沾边的软件还有什么不能做回归。。关键是自己懂理论。不懂的只知道调函数的，用什么都白搭。