金融学理学硕士项目
Master of Science Programme in Finance
课程设置
全日制

金融学理学硕士项目为全日制学生提供金融科技方向课程金融管理方向课程,完成课程(36专业学分)及研究生国情教育课程(3学分)*且成绩合格则可毕业


*研究生国情教育课程(国际生不适用)含必修课及选修课,以实际开课为准

金融管理方向

公共必修课(4门/12学分)+专业必修课(3门/9学分)

+选修课(25选5,15学分)=36专业学分

金融科技方向

公共必修课(4门/12学分)+专业必修课(4门/12学分)

+选修课(25选4,12学分)=36专业学分

预备课程(不计学分)
金融管理 / 金融科技
金融会计

本课程旨在向研究生介绍会计的基本概念和理论,使学生能够了解报表的编制方法,并运用财务报表将会计知识应用于分析金融企业和进行商业决策。

金融学导论

本课程介绍金融学的基本理论与实践,了解金融系统的整体框架,学习相关经济政策。系统掌握市场和机构如何形成全球金融体系。

数量方法

本课程主要学习分析金融、经济问题所需的数学技巧,巩固对数学认知基本概念,进一步加深相关知识的理解。课程分为两个部分,第一部分为学习数理经济学的基本方法,帮助理解金融和经济模型;第二部分为概率与统计,帮助学生在该领域进行实证分析。本课程除了教授数学原理外,还强调这些数学技术在金融和经济领域的相关应用。

金融数据分析

本课程介绍使用 Python 分析财务数据。它为学生提供实务的 Python 技能,以处理行业中常见的问题。主题将包括 Python 的基本数据结构、重要的软件包(如Pandas、Numpy、SciPy、Matplotlib 等),以及它们如何分析财务回报行为。物件导向程式设计和它的应用,以解决各种投资问题。课程末部还将介绍优化技术和一些重要的机器学习算法。

公共必修课(12学分)
金融管理 / 金融科技
财务报表分析

本课程基于会计核心知识点。通过本课程的学习,掌握财务报表分析的步骤和方法,将有效的财务报告信息应用于公司投资决策和企业估值。本课程将会学习各类模型,包括股息折现模型、自由现金流模型、剩余收入估值模型、异常收益增长模型等。此外,课程将会通过大量实际案例对P/E, P/B和PEG等比率进行分析与阐述。

公司金融

本课程通过对包括企业的组织形式、财务报表和现金流、财务比率分析、现金流折现、风险和回报、资本成本和资本预算等基本知识的介绍,全面地解释了公司内部如何进行决策,并依据实际案例,使用贴现现金流(DCF)方法对企业进行估值。本课程还将涵盖资本结构,并购,股息政策和破产等内容。课程将重点介绍公司金融理论在实务中的应用。

衍生品市场

本课程将对金融衍生品(如远期、期货和期权)进行全面的系统的讲解。课程内容涵盖了金融衍生工具市场的运作机制、衍生工具的价格决定以及衍生工具的交易策略等问题。

课程导师将理论结合实践,让同学们更好的理解衍生品市场。学习完本课程,有助于学生未来从事交易员、结构师、销售或风险经理等做好前期知识储备。

投资管理及分析

本课程介绍投资管理和分析的理论和实践。课程内容涵盖风险与收益、股票市场、资产配置、投资组合优化、因子模型和投资绩效评估。

专业必修课(12学分)
金融科技
金融科技分析:进阶编程与大数据

本课程学习编程技能与算法,培养逻辑思维,了解前沿金融科技知识。

课程第一部介绍使用编程语言进行数据操纵,学习较新的编程语言和用于大数据处理的开源平台。课程第二部分讲解大数据分析。课程将从理论和实践,讲解金融大数据的应用和挑战。学生将在维护和预置、编程与应用方面打下坚实的基础。

金融科技理论与实践

本课程介绍新技术如大数据、区块链、机器学习和人工智能 (AI)在金融领域的应用。学生将广泛了解最新的金融科技发展和金融服务的新形式,如P2P和众筹、机器人顾问、保险科技和加密货币。此外,课程将讨论金融科技转型中出现的监管挑战和隐私问题。本课程还将邀请金融公司、大型科技公司或保险公司的业界嘉宾为学生分享金融科技在行业中的最新发展。

金融科技与人工智能

本课程主要概述了人工智能和机器学习在金融领域中的应用。课程内容涵盖金融科技领域的众筹、线性机器学习模型、深度学习、量化投资、贸易和投资的民主化等。学生需要就人工智能在金融科技中的实际应用做课程汇报。

金融区块链

本课程主要介绍区块链技术在金融领域里的应用。

课程内容涵盖区块链设计原理、区块链生态系统、加密货币、区块链在金融服务中的应用等。学生需要就区块链技术在金融领域的实际应用做课程汇报。

学生需要熟悉Python和线性代数知识。

金融管理
电子表格/VBA金融建模

本课程将侧重介绍计算金融中的电子表格建模知识。

学生学习如何使用Excel和VBA建立模型并解决金融问题,包括投资组合分析、公司评估和期权定价。课程以实践为准,通过大量的案例研究解决实际问题。

学生们还将学习如何利用Python制作电子表格。

投资组合和资产管理

本课程介绍投资组合和资产管理的基本原理和分析方法。课程内容涵盖股票估值、有效市场理论、资产配置、风险收益权衡、资产定价模型、套利定价模型、最优投资组合构建、投资决策的税收效应等。学生需要根据所学知识进行最优投资组合的决策、对投资组合绩效的介绍和评估的课程作业。

固定收益证券分析

本课程介绍固定收益证券定价及其风险管理的基本概念与分析工具。课程内容涵盖债券、通胀指数债券、衍生品和其他固定收益证券的定价和对冲。将培养学生的证券风险分析和定价能力。

选修课(12学分)

两个专业方向的学生可选择对方的一门专业必修课作为选修课

金融科技(4门) / 金融管理(5门)
当代中国金融问题与挑战

本课程旨在拓展学生视野,并加深其对中国金融发展现存问题的认知和理解。学生会以小组形式,在业界导师的指导下,结合中国金融经济相关热点问题完成高质量项目研究。通过理论结合实践的研究方法,帮助学生更新对国内前沿金融市场及投资管理的认知。

*本课程聘请多名就职于金融机构的业界导师授课,授课语言为中文

行为金融学

行为金融学动摇了主流金融学“理性人”的基本假设,建立在“有限理性”基础上的行为金融学,结合市场异象,试图揭示金融市场的非理性行为和决策规律。

本课程将通过心理学和现实情况,从开放性和批判性的角度审视传统金融学理论。通过对投资者行为偏差、金融市场异象、以及华尔街案例使学生深刻理解有别于传统解释的投资者行为规律与市场运行规律。

随机模型

本课程介绍随机建模的概念和方法。课程内容涵盖概率论初步、鞅、布朗运动及在金融工程中的应用。

中国金融体系

中国经济在过去三十年以前所未有的速度增长,目前已经是世界第二大经济体。与此同时,随着我国自由化进程的推进,中国金融市场也在迅速发展。本课程旨在深入介绍中国金融体系及其特点。了解金融体系在中国经济发展中所发挥的重要作用以及未来发展中将会遇到的机会和风险。

银行与金融机构

本课程研究银行、保险公司和投资基金。课程内容涵盖中介的作用、银行在实体经济中的作用、银行的监管和管理、金融机构的估值、保险公司的职能和行为、公募基金和对冲基金的行为和管理。课程还涵盖企业信用分析、信用评分建模以及各种信用风险管理实践。

市场微观结构与算法交易

本课程介绍证券交易的基础知识,并讨论针对具体证券市场环境,构建相应的算法交易策略模型,给出最优的算法交易策略。课程内容涵盖了市场和价格的性质、交易机制、市场微观结构模型、交易成本和最优交易策略以及高频交易。

信用风险建模与产品

本课程介绍信用风险建模和信用衍生品评估和管理。课程内容涵盖了违约风险的结构模型、基于违约强度的模型、利率的风险结构,并介绍信用违约掉期、担保债务凭证和其他相关产品。

量化风险管理

本课程通过建立数学模型让学生深入了解金融风险,并学习如何对风险进行管理。课程内容涵盖市场风险,例如利率风险、信用风险、贸易和投资组合层面的外汇风险。课程还涵盖风险价值、流动性风险和银行法规简介。

另类投资

本课程结合理论和实际案例介绍另类资产及其投资管理知识。课程将从机构投资管理人(如养老基金、捐赠基金、家族办公室等)的角度分析如何进行另类资产配置。通过本课程,学生将了解对冲基金、私募股权基金、房地产和大宗商品等典型的另类资产的投资回报、风险、特点和投资策略。同时,将了解作为机构投资者,如何合理配置另类资产。

*本课程授课语言以中文为主

互联网金融

本课程介绍互联网金融时代的机遇与挑战。随着互联网技术与金融体系在不同环节的融合,催生了形形色色的互联网金融模式。课程将帮助学生了解传统金融的变革与发展,理解互联网金融的运作机制,认识互联网金融对传统金融的影响,探索互联网金融的发展未来。

商业机器学习

本课程为机器学习入门课程,讲解机器学习的基本思想,包括基本概念、方法和应用工具。课程内容涵盖主要任务和主要模型、基于树的模型、深度学习模型等。选择本课程的学生应具备概率论、矩阵代数和统计学的基础知识。

风险与保险

本课程介绍保险的基本原则和基本概念,强调风险管理的必要性,理解保险在风险管理中的地位。课程内容涵盖保险经济理论、保险产品、保险环境、保险公司的经营与管理、保险相关法规、保险条款等。学生将从保险产品的角度了解风险管理的基本知识。

绿色债券与ESG实践
本课程通过ESG原则、架构、政策和财务四个方面进行绿色债券产品和相关市场的介绍。课程帮助了解绿色债券的设计、结构、定价、交易方式以及投资者特征。课程内容结合一些基本科学信息、气候变化及其他环境问题、现代企业ESG实践的实际案例。学生需要一些有关债券数学和债券市场的基础知识,对现代环境问题和科学有良好的理解。
专题指导研究(毕业论文)

本课程旨在培养学生在金融领域的学术研究能力。

估值分析

本课程采用市场真实案例进行分析与评估。基于估值的基本理论,实战估值案例分析,累积实务案例分析技巧与经验,了解公司实际价值。学生们将了解如何评估不同规模、年限、以及财务状况的公司。本课程将会用到所学的金融和财务知识来进行估值评估。

企业并购

本课程概述企业兼并、收购以及改变公司控制权的其他形式。课程内容涵盖并购过程、杠杆收购、其他形式的公司重组以及相关的估值方法。此外,课程还将讨论并购或其他控制形式的参与方的动机和作用、公司控制权变动的原因以及变动对公司价值和效益的影响。

创业公司融资

本课程介绍与初创企业相关的金融话题,主要针对大型的创新创业公司的融资。课程内容涵盖以下主题:(1) 估值,估算创业公司所需要的资金;(2) 评估,从经济基本原则的角度评估不同商业机会;(3) 资金来源,了解公司现状与资本需求; (4) “退出”,创业企业的“退出”方式。

量化投资组合分析

本课程将使用 Python 讲述量化投资组合分析和决策。有助于未来计划从事量化资产管理或系统交易策略的学生学习。课程内容涵盖投资的基本概念、投资组合理论、Smart Beta投资策略、因子建模和风险优化、积极的投资组合管理和设计、动态对冲等。编程和数值算法将是课程重点,学生需要学习Python并应用于实际实践问题中。

宏观经济与金融市场

本课程介绍基于宏观经济形式下的金融决策。课程内容涵盖金融市场的现状、国民收入账户、利率和中央银行政策、银行业务和国际资本流动。

金融计量与应用

本课程讲述金融计量经济学和实证金融工具,着重强调学生对理论知识的应用。课程内容涵盖单变量和多变量线性模型,时间序列模型,波动率的参数和非参数模型以及风险管理模型,课程利用理论知识解决实际问题,将涉及到大量计算机软件的应用。

信息策略与管理

本课程介绍面向对象的基本概念,研究信息系统战略的经济学原理,强调经济和管理原理在信息服务业中的应用。课程将结合案例,分析信息革命给企业带来的变化和商业机会。课程还将介绍商业信息策略与管理在当代 IT 治理中的重要性。

商业建模与最优化

本课程介绍商业建模与最优化技术,课程内容涵盖线性规划、整数规划和非线性规划。课程研究如何将数学方法和计算机知识结合起来用于解决金融、会计、人力资源和市场营销等不同行业中的实际问题。学生学习使用电子表格优化,例如 Excel 和 Excel Solver,建立决策模型。

大数据分析

本课程将研究大数据中的最新主题,包括数据采集(智能手机、传感器、Web)、数据存储和处理(可伸缩关系数据库、Hadoop、Spark 等),从非结构化数据中提取结构化数据,系统问题(利用多核、安全性),分析(机器学习、数据压缩、高效算法),可视化以及一系列应用程序。

统计学理论

本课程为统计学进阶课程,课程内容涵盖随机变量、概率、分布、假设检验、线性回归模型、矩阵代数、优化等。课程将重点研究统计技术在经济学和金融学中的应用。课程面向考虑从事量化或数据分析的学生。

数据可视化

数据可视化是使用计算机图形显示信息,通过视觉感知有效地传达数据背后的含义。本课程介绍可视化数据的基础概念、数据模型、图形感知、视觉编码和交互技术、数据可视化工具以及用于商业领域的可视化数据案例等。

公司和商业法

本课程将学习与商业活动有关的法律框架和监管体系,介绍规范公司金融和证券市场的基本法律原则。此外,课程内容将涵盖与信息不对称、道德风险、代理问题和破产有关的法律案例分析。通过完成本课程,学生将了解商业行为的基本法律含义。

*以上课程安排以实际开课为准,最终解释权归项目组所有

金融学理学硕士项目
Master of Science Programme in Finance
感谢您选择金融学理学硕士项目
进入申请系统