金融数学中哪些出了BS模型，还有什么是应用到随机过程的？

1. 金融数学中哪些出了BS模型，还有什么是应用到随机过程的？

这个太多了....HJM模型用到OU过程，就是利率过程，还有很多模型（尤其是morten）将布朗运动推广到levy过程，等等

2. bs期权定价模型，是否考虑了期权的时间价值。另外跪求bs模型公式讲解推导过程，要地球人都能看得懂的那种。

black-scholes考虑了期权的时间价值。
1.bs公式的原推导过程应用了偏微分方程和随机过程中的几何布朗运动性质（描述标的资产）和Ito公式，你要没学过随机和偏微估计只有火星人才能给你讲懂。
2.你要是只是要得到那个形式，看一下二叉树模型，二叉树模型简单易懂，自己就可以推导，且二叉树模型取极限（时间划分无限细）即为bs公式.
3.你要是真心要理解bs模型公式，我可以推荐一本书，姜礼尚的《期权定价的数学模型和方法》，老老实实从第一章看到第五章，只挑欧式期权看就够了。
～～～突然想当年老娘为了看懂b-s-m模型把图书馆的书都借了一圈～感慨啊，当然HULL的那本option,future,and other derivatives 是经典中的经典，不过太厚了～～

3. 机器学习到底在量化金融里哪些方面有应用

随机过程stochasticprocesses泊松过程Poissonprocesses更新过程renewalprocesses布朗运动Brownianmotion仿射（跳跃）扩散过程affineprocesses(oraffine-jumpdiffusions)列维过程Levyprocesses连续状态分枝过程continuousstatebranchingprocesses随机微分方程stochasticdifferentialequations半鞅semimartingale偏微分方程partialdifferentialequations偏积分－微分方程partialintegro-differentialequations倒向随机微分方程backwardstochasticdifferentialequations二阶倒向随机微分方程secondorderbackwardstochasticdifferentialequations随机偏微分方程stochasticpartialdifferentialequations随机最优控制stochasticoptimalcontrol极值建模modelingofextremes风险度量riskmeasures蒙特卡洛模拟MonteCarlosimulation============StochasticProcesses============IntroductionandReferences『随机过程』(stochasticprocesses)是概率论的一个分支，一般来说是特指一个学科，而『蒙特卡洛』(MonteCarlo)是一种获得某种统计量、待求值或函数值的方法，二者不太具有明显的并列关系或者包含与被包含关系。随机过程从内容上来说大致有两类：第一种我称之为应用随机过程，也是大家一般所说的随机过程，内容包括几种具体的经典随机过程，例如：Poissonprocess，renewalprocess，discretetimeandcontinuoustimeMarkovchain，basicsofBrownianmotion，以及他们的应用，比如queuesystems等。相关的书籍有：Stochasticprocesses,SheldonRoss另外一本稍微高阶书的是CornellUniversity的“李登辉”教授(LeeTengHuiProfessor)、应用概率大牛SidneyResnick所著的Adventuresinstochasticprocesses第二种是指随机过程一般理论：一般包括概率论、随机过程的测度论基础(probabilityspace、convergencetheory、limittheory、martingaletheory等)，Markovprocess，stochasticintegral,stochasticdifferentialequations,semimartingaletheory（半鞅）尤其是后者等比较艰深的概念和问题（内容参考以下书籍）；其中入门的书籍有：StochasticcalculusforfinanceII,StevenShreveArbitragetheoryincontinuoustime,TomasBjork这两本是与金融交互讲的；另外一本稍微偏理论的随机分析入门书籍是：Stochasticdifferentialequations,BerntOksendal高阶数学研究生水平的书籍有：Stochasticintegralsanddifferentialequations,PhilipProtterBrownianmotionandstochasticcalculus,Karatzas,ShreveBrownianmotionandcontinuousmartingales,Revuz,YorLimittheoremsforstochasticprocesses,Jacod,Shiryayev一本比较艰深的讲套利数学的研究生读物（需要懂半鞅、泛函分析）：Mathematicsofarbitrage,Delbaen,Schachermayer，其中讲了不同模型设定下的的套利理论，包括离散模型，连续模型比如半鞅等过程驱动的市场对应的套利结论；utilitymaximization,convexduality等概念。当然，学习高级随机分析的书籍需要比较坚实的概率论基础，在此我推荐：Probability:theoryandexamples,RichardDurretRealanalysisandprobability,Dudley特别地，我强烈推荐两本我当作参考文献的概率论书籍。一下两本书全面介绍了概率论基本理论，非常适合已经有一定测度背景并且想继续深入学习随机分析的读者：Probabilitytheory:acomprehensivecourse,KlenkeFoundationsofmodernprobability,KallenbergOverview『数学金融』中涉及的随机过程应该主要涵盖上述第一类里的几乎所有内容和上述第二类里的stochasticintegrals,stochasticdifferentialequations(SDE)，semimartingale等，其中实务中最常用的是Itoprocess和Levyprocess；因为他们都有比较好的马尔可夫性(Markovianstructure)，根据Feynman-Kac等定理，所以又能与partialdifferentialequation和partialintegro-differentialequation联系起来。这也是期权定价的PDE方法。讲定价公式可以写成PDE的好处是可以使用现成的PDE数值方法。此外，Itoprocesses和Levyprocesses是特殊的semimartingale。用semimartingale做金融建模的好处有两点：1、semimartingale作为stochasticintegrator，是从一致度量(uniformmetric)下可料(predictable)被积过程所形成的空间到随机变量(topologizedbyconvergenceinprobability)所形成的空间的连续线性映射，这种性质对应于金融资产价格的稳健性，通俗地讲就是：如果你对投资策略施加一个小小的扰动，最后投资组合的价值在某种意义下也会只有相应较小的扰动。因此用semimartingale模拟金融价格是合理的。2、semimartingale组成的空间在Emerytopology(metrizable)下是完备的；这个性质加上一个比较符合经济逻辑的无套利假设(Nofreelunchwithvanishingrisk,NFLVR)，可以推出存在sigma-martingalemeasure，反之亦然；这是目前最广义的套利定价理论，它的特殊形式是：1、在离散模型中，无套利等价于存在等价鞅测度，2、在Itoprocesses中，NFLVR等价于存在等价局部鞅测度(equivalentlocalmartingalemeasure)，而NFLVR可以推出无套利。这里可以参考Ageneralversionofthefundamentaltheoremofassetpricing,Delbaen,Schachermayer，慎入，作者均是泛函分析领域的大牛，教过无数顶尖分析和概率领域的学生，写的文章非常艰深；前者也是鄙人所在学校ETHZurich概率论与金融数学组的退休教授，他们的学术成果请自行scholar.google；笔者的老师用了大约20学时教相关的半鞅知识，20学时教这篇论文)。简而言之，用这两种随机过程模拟价格是可以满足无套利的，因此可以用鞅方法定价，这即是用这两种过程建模的好处之二。在衍生品定价问题中，一般假设underlyingpriceprocess服从例如上述某种随机过程，定价则是利用金融工具的复制（超复制super-replication）等方法，在特定金融市场的假设（比如无套利，或者更特殊的假设NFLVR；又比如自由买卖假设；假设很重要!!!）下求得一个该金融工具的无套利价格，以及对应的复制（或超复制）策略。当然（超）复制问题大概涉及两个数学问题，一个是：optionaldecompositiontheorem，这个定理与最广义的FTAP有着天然数学美感的交互；另一个是随机控制论中的stochastictargetproblem，问题是如何找到一个期初价格和交易策略使得期末payoff被（超）复制。总之，不论在何种方法和假设下，资产定价理论中都用随机过程模拟资产价格。ConcreteExamplesBrownianmotion，这是搞金融数学不得不懂的随机过程，略，请参考：StochasticcalculusforfinanceII,StevenShrevePoissonprocesses，compoundPoissonprocesses在金融数学中的应用之一是：在结构定价问题中，我们假设资产过程除了布朗运动驱动的部分之外，还有跳跃，而跳跃经常是由这两种过程模拟的；更一般地，我们还可以假设资产价格过程服从更广义的跳跃形式，该跳跃形式存在于Levyprocesses,affineprocesses或者continuousstatebranchingprocesses中，一般称作Levy-typejump。Levyprocesses可以看做weakclosureofCompoundPoissonprocesses；Levyprocess区别于Brownianmotion和compoundPoissonprocess的地方在于，Levyprocess还有一项squareintegrablemartingale，它可以理解为是intensity为无穷大、跳跃幅度无穷小（因此有可积性）的compensatedcompoundpoisson，在Ito-Levydecomposition中，它是由可数个compoundcompensatedPoissonprocesses组成的。在模型的微分形式中，跳跃和布朗运动驱动的部分经常是线性存在。关于Levyprocesses，请参考IntroductorylecturesonfluctuationsofLevyprocesses,KyprianouLevyprocessesandstochasticcalculus,ApplebaumRenewalprocesses，Levyprocesses经常被用于金融保险中的Ruin问题，鉴于这已经超越我的知识范畴，在此不详细讨论，一本可能的参考文献是：IntroductorylecturesonfluctuationsofLevyprocesses,Kyprianou除衍生工具性定价问题，在金融控制问题中，一般也假设资产过程价格或者其他相关过程服从某种随机过程。比如在最简单的Mertonproblem中，我们假设资产价格服从多维几何布朗运动。又比如在Jacod和Shiryayev在1993年发表的关于optimaldividend的文章中，公司的价值服从一个带线性漂移的布朗运动减去一个左极限右连续的红利支付过程，然后用一个停时(stoppingtime)使其停止于价值首次为0的时刻。随机过程在金融中也可以描述资产价格之外的过程。比如SDE可以描述短期利率，在此请参考StochasticcalculusforfinanceII,StevenShreve关于伊藤过程驱动的高级利率模型，比如affineprocess，请参考Termstructuremodels:agraduatecourse,DamirFilipovic随机过程还可以描述除了价格、利率之外的金融变量。比如在著名数理金融学家DarrelDuffie写的关于intensitybasedcreditriskmodel的文章中（原文叫creditriskmodelingwithaffineprocesses,Duffie），假设defaultintensity服从affineprocess，则可违约债券定价形式与短期利率下的债券定价有相同的形式和计算方法，只是将短期利率改写成违约强度而已。关于affineprocess，请参考Affineprocessandapplicationsinfinance,Duffie,Filipovic,SchachermayerTransformanalysisandassetpricingforAffinejump-diffusions,Duffie,Pan,Singleton以及以上文到的那本讲Termstructure的书：Termstructuremodels:agraduatecourse,DamirFilipovic在KMV模型中，假设公司价值服从某个随机过程，比如几何布朗运动。以上这两种随机过程在信用风险中的应用均可以在DarrelDuffie的书CreditRisk:Pricing,Measurement,andManagement中找到。随机过程也可以描述衍生金融工具的价格。比如我们知道欧式期权的payoff（在这里是期末价值），同时知道underlyingassetpriceprocess，我们可以论证欧式期权的价格过程满足倒向随机微分方程(BSDE)；如果underlyingassetpriceprocesses满足Markovianstructure，则该BSDE为一个前向－倒向随机微分方程(FBSDE)；其中方程期末条件是payoff，方程生成元(generator)与underlyingprice相关；方程有一对解，第一个解是期权价格过程，第二个解则对应欧式期权在该市场下的复制策略。如果假设underlyingprocess是几何布朗运动，则该BSDE为线性BSDE，其解的形式就是欧式期权的定价公式：风险中性测度下期末值贴现的期望。相关文献请参考：Backwardstochasticdifferentialequationsinfinance:Karoui,Peng,Quenez类似地，BSDE也可以描述效用，称作随机微分效用(stochasticdifferentialutility)，可以参考：Stochasticdifferentialutility,Duffie,Epstein此外MarekMusiela，RamaCont，TomasBjork，ReneCarmona等人也尝试过用随机偏微分方程(stochasticpartialdifferentialequations，可以近似理解为用无穷维随机微分方程或Banach空间取值的随机微分方程)；用SPDE建模就是用SPDE来模拟一个取值为连续函数的forwardratecurve演化过程。这应该就是Heath-Jarrow-Morton-Musiela，请参考：StochasticPDEsandtermstructuremodels,MusielaTowardsageneraltheoryofbondmarkets，TomasBjork,etalModelingtermstructuredynamics:aninfinitedimensionalapproach,RamaContInterestratemodels:aninfinitedimensionalstochasticanalysisperspective,ReneCarmona当时实务中并不需要这么多高深的数学知识。只要能明白概率论，应用随机过程，随机分析（基本内容一般包括stochasticintegral,SDE，特别是与Itoprocesses相关的内容）就能看懂绝大多数常用模型了。如果是做金融数学学术，则额外还需要专攻以下方向中的一个或多个：Levyprocess,affineprocess,backwardstochasticdifferentialequations,semimartingale,stochasticcontrol,stochasticdifferentialgames,stochasticPDE,等。除了概率论，金融相关的数学还涉及偏微分方程（及黏性解），控制论，数值分析，统计计量等。============MonteCarlo===========MonteCarlo最早是摩纳哥赌场的名字，笔者曾在七月造访。『MonteCarlo』算法一般是指，利用随机抽样的方法，获得一些随机系统的统计量或者参数。比如你有一颗硬币，你想知道掷出后获得正面的概率，那么你通过大量试验以后，可以利用获得正面的频率来估计，这也是中心极限定理的结果。金融中的一个应用是，通过MC来模拟多条标的资产的价格走势，代入形式为求概率期望的定价公式就可以求出估计的期权价格的模拟值。此方法则是实现定价的MC方法。将扔硬币和Brownianmotion联系起来的数学定理是Donskerinvarianceprinciple：我们可以想象用硬币反复地大量地投，减小面值(+\epsilon,-\epsilon)，同时减小投币时间间隔(\delta)，那么累积值过程在某种意义下收敛于布朗运动。MC具体还有很多其他金融应用，比如求某一个风险度量下的风险值。============MachineLearning===========『机器学习』是一门学科也可以算是方法。我在这领域涉足不深，曾经学习的是主要基于数据、利用回归分析、贝叶斯理论等方法种决策树并用它投票，用以实现模式识别、分类和预测等问题。具体方法有adaboost，baggingprediction，randomforest等。假设你是银行数据分析师，你有客户的数据，比如年龄，性别，年收入等。如何根据这些数据来简单的构造一个信用分类法则是机器学习的一个简单应用。

4. 应用数学与金融数学的区别联系与区别

1、应用数学，是利用数学方法解决实际问题的一门学科，在经济金融、工程科技等领域都有应用。
应用数学专业培养掌握数学科学的基本理论与基本方法，具备运用数学知识、使用计算机解决实际问题的能力，受到科学研究的初步训练，能在科技、教育和经济部门从事研究、教学工作或在生产经营及管理部门从事实际应用、开发研究和管理工作的高级专门人才。
2、金融数学是一门新兴学科，是“金融高新技术 ”的重要组成部分。研究目标是利用我国数学界某些方面的优势，围绕金融市场的均衡与有价证券定价的数学理论进行深入剖析，建立适合国情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究，为实际金融部门提供较深入的技术分析咨询。核心内容就是研究不确定随机环境下的投资组合的最优选择理论和资产的定价理论。套利、最优与均衡是金融数学的基本经济思想和三大基本概念。
金融数学主要的研究内容和拟重点解决的问题包括：
①有价证券和证券组合的定价理论
②不完全市场经济均衡理论（GEI）

温馨提示：以上信息仅供参考。
应答时间：2022-02-18，最新业务变化请以平安银行官网公布为准。

5. 金融数学学什么

金融学、金融数学、金融工程有什么不同就业方向有啥差别。

6. 2011年春季精算师考试变革后的那些数学，金融数学，精算模型是什么内容了？

你可以去中国精算协会网站上看考生指南，很详细的，我大致给你说一下吧。
数学：
A、 概率论（分数比例约为35％）
1. 概率的计算、条件概率、全概公式和贝叶斯公式 (第一章) 
2. 联合分布律、边缘分布函数及边缘概率密度的计算  (第二章)
3. 随机变量的数字特征 (§3.1、§3.2、§3.4)
4. 条件期望和条件方差 (§3.3)
5. 大数定律及其应用 (第四章)
B、 数理统计（分数比例约为25％）
1. 统计量及其分布 (第五章)
2. 参数估计 (第六章)
3. 假设检验 (第七章)
4. 方差分析 (§8.1)
C、 应用统计（分数比例约为10％）
1. 一维线性回归分析 (§8.2)
2. 时间序列分析(平稳时间序列及ARIMA模型)  (第九章)
D、 随机过程（分数比例约为20％）
1. 随机过程一般定义和基本数字特征  (第十章)
2. 几个常用过程的定义和性质（泊松过程、更新过程、马氏过程、鞅过程和布朗运动） (第十一章)
E、 随机微积分（分数比例约为10%）
1. 关于布朗运动的积分 (§11.5、第十二章)
2. 伊藤公式 (§12.2)
金融数学：
A、利息理论（分数比例约为30%）
1  利息的基本概念（分数比例约为4%）
2  年金（分数比例约为6%）
3  收益率（分数比例约为6%）
4  债务偿还（分数比例约为4%）
5  债券及其定价理论（分数比例约为10%）
B、利率期限结构与随机利率模型 （分数比例: 16%）
1  利率期限结构理论（分数比例约为10%）
2  随机利率模型（分数比例约为6%）
C、金融衍生工具定价理论（分数比例:26%）
1  金融衍生工具介绍（分数比例约为16%）
2  金融衍生工具定价理论（分数比例约为10%） 
D、投资理论（分数比例:28%）
1  投资组合理论（分数比例约为12%） 
2  资本资产定价（CAPM）与套利定价（APT）理论 （分数比例约为16%）
精算模型：
A、基本风险模型（分数比例：30%）
1. 生存分析的基本函数及生存模型：生存分析基本函数的概念及其相互关系；常用参数生存模型的假设及结果。
2. 生命表：掌握生命表函数与生存分析函数之间的关系，特别是不同假设下整数年龄间生命表函数的推导。
3. 理赔额和理赔次数的分布：常见的损失额分布以及不同赔偿方式下理赔额的分布；单个保单理赔次数的分布；不同结构函数下保单组合理赔次数的分布以及相关性保单组合理赔次数的分布。
4. 短期个体风险模型：单个保单的理赔分布；独立和分布的计算；矩母函数；中心极限定理的应用。
5. 短期聚合风险模型：理赔总量模型；复合泊松分布及其性质；聚合理赔量的近似模型。
6. 破产模型：连续时间与离散时间的盈余过程与破产概率；总理赔过程；破产概率；调节系数；最优再保险与调节系数；布朗运动风险过程。
B、模型的估计和选择（分数比例：30%）
1. 经验模型：（1）掌握非完整数据生存函数的Kaplan-Meier乘积极限估计、危险率函数的Nelson-Aalen估计；（2）掌握生存函数区间估计、Greenwood方差近似及相应的区间估计；（4）掌握三种常见核函数的密度估计方法，熟悉大样本的Kaplan-Meier近似计算方法，熟悉多元终止概率的计算， 
2. 参数模型的估计：（1）掌握完整样本数据下个体数据和分组数据的矩估计、分位数估计和极大似然估计方法；（2）掌握非完整样本数据（存在删失和截断的数据）的矩估计和极大似然估计方法；（3）熟悉二元变量模型、和模型、Cox模型、广义线性模型等多变量参数模型的参数估计。
3. 参数模型的检验和选择：（1）学会运用p-p图、QQ图和平均剩余生命图等图形来直观选择合适分布的方法；（3）掌握 x2 拟合优度检验、K-S检验、Anderson-Darling检验和似然比检验等选择比较分布。
C、模型的调整和随机模拟（分数比例：40%）
1. 修匀理论：掌握表格数据修匀、参数修匀的各种方法。对于表格数据修匀，要掌握移动加权平均修匀法、Whittaker修匀、Bayes修匀的概念及相关计算，掌握二维Whittaker修匀的方法及相关计算；对于参数修匀，要掌握对于三种含参数的人口模型（Gompertz、 Makeham、 Weibull）估计的方法，掌握分段参数修匀、光滑连接修匀的方法及相关计算。
2. 信度理论：熟悉各种信度模型，如有限波动信度、贝叶斯信度、Bühlmann模型、Bühlmann-Straub模型中信度估计的计算方法；熟悉使用经验贝叶斯方法估计非参数、半参数和参数模式下的结构参数并计算信度估计值。
3. 随机模拟：随机数的产生方法；离散随机变量与连续随机变量的模拟；熟悉使用Bootstap方法计算均方误差；熟悉MCMC模拟的简单应用。

如果想了解的更多就去中国精算协会看看吧，希望你考个好成绩哟~加油！！

7. 布朗运动的金融数学

将布朗运动与股票价格行为联系在一起，进而建立起维纳过程的数学模型是本世纪的一项具有重要意义的金融创新，在现代金融数学中占有重要地位。迄今，普遍的观点仍认为，股票市场是随机波动的，随机波动是股票市场最根本的特性，是股票市场的常态。布朗运动假设是现代资本市场理论的核心假设。现代资本市场理论认为证券期货价格具有随机性特征。这里的所谓随机性，是指数据的无记忆性，即过去数据不构成对未来数据的预测基础。同时不会出现惊人相似的反复。随机现象的数学定义是：在个别试验中其结果呈现出不确定性；在大量重复试验中其结果又具有统计规律性的现象。描述股价行为模型之一的布朗运动之维纳过程是马尔科夫随机过程的一种特殊形式；而马尔科夫过程是一种特殊类型的随机过程。随机过程是建立在概率空间上的概率模型，被认为是概率论的动力学，即它的研究对象是随时间演变的随机现象。所以随机行为是一种具有统计规律性的行为。股价行为模型通常用著名的维纳过程来表达。假定股票价格遵循一般化的维纳过程是很具诱惑力的，也就是说，它具有不变的期望漂移率和方差率。维纳过程说明只有变量的当前值与未来的预测有关，变量过去的历史和变量从过去到现在的演变方式则与未来的预测不相关。股价的马尔科夫性质与弱型市场有效性(the weak form of market efficiency)相一致，也就是说，一种股票的现价已经包含了所有信息，当然包括了所有过去的价格记录。但是当人们开始采用分形理论研究金融市场时，发现它的运行并不遵循布朗运动，而是服从更为一般的几何布朗运动（geometric browmrian motion）。

8. 北大金融数学系是干什么的

北京大学金融数学系简介  为适应我国发展社会主义市场经济的需要，特别是金融改革和防范金融风险的需要，北京大学于1997年正式批准在数学科学学院建立金融数学系。这是国际上第一个以金融数学命名的大学本科系。 金融数学是近十年来蓬勃发展的新学科，在国际金融界和应用数学界受到高度重视。1997年诺贝尔经济学奖授于Scholes和Merton,就是奖励他们在期权定价（如著名的Black_Scholes公式)等金融数学方面的杰出贡献。随着我国经济体制由计划经济向社会主义市场经济过渡，证券业和保险业迅速发展，金融业逐步实现与国际接轨并参与国际竞争，社会对金融人才的需求，不仅在数量上要求越来越多，而且在层次上要求也越来越高，特别是对能做定量分析的金融专业人才更是求贤若渴。正是为了培养既具备金融基本知识又受到良好数学训练的新型复合型金融人才，北京大学数学科学学院建立了金融数学系。 自1997年7月金融数学系正式成立至今已二年了。现己初具规模。 一、初步确立了本科和研究生的教学计划。主要参考了国际上著名大学金融数学本科和硕士的培养计划，并征求了北大经济学院和光华管理学院有关教师的意见。指导思想是金融数学的教学必须体现文理结合。我们的本科课程主要由三个方面组成：1）数学基础，加强概率统计、随机过程、微分方程和计算方法 等内容;2) 经济和金融基础，主要依托北大经济学院和光华管理学院现有的很好的师资和教学经验，要求我系学生到他们那里选上《微观经济学》、《宏观经济学》、《货币银行学》、《国际金融》，等相关课程；３）金融数学专业课程，已开设由我系教师主讲的如《利息理论及其应用》、《寿险精算》、《期权期货与其它衍生证券》、《证券投资学》、《风险理论》等与金融数学密切相关的课程，并将进一步陆续增加这类课程。我们的课程设计受到兄弟院校的重视，常有人来我系索取金融数学教学计划。香港城市大学和理工大学邀请我系系主任赴港专门探讨金融数学的教学问题。此外，硕士研究生的教学计划也已初步制定完成。 我系在保险精算的教学方面有较好的基础，并得到瑞士再保险公司的赞助由97年起，我系学生参加北美精算师的考试，己连续３次，取得了杰出的成绩其中有两名获并列全球第一，３人获前五名，分别获得获得$200和$100的奖励。到99年初我系已有从二年级到四年级的本科生三个班。硕士研究生两个年级共六名学生。有一名研究金融数学的博士后己经进站.2000年将有第一批金融数学硕士毕业生。 1999年7月，第一批金融数学本科生毕业。在23名毕业生中,2人出国读金融数学博士学位，9人被北大，清华、科学院，复旦大学等单位录取为金融数学研究生，两人到银行工作，一人到保险公司工作，其余的同学到各计算机公司工作，有的也是从事与金融有关的软件开发工作。 我系目前有7名教员，其中正副教授4人，此外还有兼职教授多人。一年来我们不仅承担了全系的教学和科研任务，而且在开展对外交流与合作方面也做了积极努力，取得了一定成绩。 二、科研方面的良好开端。建系以后不久我们就参与了基金委和国家科委委托的一个研究项目:科技贷款的风险分析与防范。经过近半年的艰苦工作与北大金融数学与金融工程中心的同志们合作，较好地完成了这项课题的研究任务。特别是孙山泽教授的数据分析的成果受到科委和金融界同志们的好评。由胡德琨教授牵头我系两位教师为主要参加者的基金委国家重点项目“保险信息处与精算数学理论和方法”于1999年正式启动。谢衷洁教授在汇率的研究方面应用时间序列和小波的技术已获得很好的结果，并与香港理工大学开展合作。黄文灶教授和王铎教授在经济和金融中的非线性动力学方面也开始了研究。我们和香港城市大学，理工大学以及中文大学正在探讨在金融数学的教学和科研方面开展合作。我们还准备在社会保障的研究方面与有关方面开展合作。我们的金融数学开放科研课题也已启动，将支持若干项跨系的合作项目。 三、积极争取与金融部门合作。从建系一开始我们就积极探索与金融界的合作，先后与多家银行、证券公司和保险公司接触并探讨合作。目前我系已获得到国内外多家金融单位的支持：瑞士再保险公司为我系师生提供参加北美精算考试报名费，并免费为我系提供精算资料；全球精算师协会已指定我系为该协会的资料中心，为我系免费提供图书资料；联合证券有限责任公司赞助我系建成金融数学实验室，为教学科研提供了有利的条件，并将开展一些联系实际的课题研究；华夏证券有限公司赞助我们在98年9月初举办了国际金融数学与金融风险防范研讨会；华夏证券公司副总裁林义项博士还为我系开设了“金融风险分析"课；中保人寿公司，平安保险公司，新华人寿保险公司，北京证券公司，大陆期货公司等还为我们安排了学生参加社会实践活动，丰富了学生的金融实践知识。 四、积极稳妥地开展舆论宣传，加强与金融界的交流与合作,1998年4月29日，北京青年报第二版用了多半版的篇幅发表了一篇采访文章：《中国高校瞄准华尔街》，这是国内第一次在新闻媒体上较详细地介绍北大金融数学系。当天晚上，中央电视台二台在中国财经报导节目中报导了北大联证金融数学实验室签约的消息。４月30日金融时报、中国证券报等金融界大报也都报导了这条消息。５月１８日北京人民广播电台在经济时评节目中现场直播了对金融数学系主任王铎的采访.7月4 日中国证券报头版发表了《数理工具：现代金融业的宠儿》，再次通过专访的形式报导了北大金融数学系。这些宣传使我系在国内外的影响迅速扩大，为我系教学和科研事业的发展，创造了更好的条件。 五、举办“金融数学高级研讨班”。经教育部批准,1998年8月28日至9月8日由我系主办了一次全国性的金融数学研讨班。来自各高校和金融机构的110 多人参加，正副教授多达近60人。研讨班期间还举办了国际金融数学与金融风险防范研讨会，中科院金融避险对策研究组组长马志明院士等国内外专家在会上作了精彩报告。 金融数学系的目标是：完善教学计划，深入开展科研，加强合作交流，争取把我系建成金融数学的人才培养和科学研究基地。近期我们工作的重点是：1)进一步完善教学计划。对本科生和研究生的教学计划适当调整，使之更系统，更全面。同时，每门课都编写出详细提纲，并写出课程简介。2)进一步加强教材建设，争取金融数学的每门课都能列入学校的教材建设计划，尽快做到每门课都有自己的讲义，部分课程能有自编的教材出版。3)深入开展科研，一方面争取尽快有高水平的论文发表，另一方面也争取尽快开展联系中国金融实际的研究课题.4)巩固并加强与金融界已经建立起来的联系，争取与更多的金融单位合作。5)完善金融数学实验室。一方面实现接收和传递金融信息的功能，为联系实际的科研课题提供好的环境，另一方面加强管理，为方便师生使用创造更方便的软硬件环境。6)实现多种方式培养现代金融人才。为满足国家对新型金融人才的需求，尽快创造条件招收在职研究生、与国外联合培养研究生、金融在职人员的培训等。