金融工程作为交叉性极强的复合型专业，其考研科目覆盖数学、统计、金融理论、编程能力与实务应用五大维度。本文系统梳理考试科目体系、核心考点分布、常见院校真题题型与备考路径，结合近年考情动态，为考生提供可落地的备考指南。
立即查看考试科目数学是金融工程的“语言”，也是初试拉分的关键战场。考生需系统构建数学分析、线性代数、概率论与数理统计三大支柱。
涵盖极限、连续性、微分学、积分学、多元函数微分学、重积分、曲线曲面积分、级数理论等核心模块。金融工程中常见于期权定价推导（Black-Scholes微分方程）、效用函数优化、动态规划建模等场景。
向量空间、矩阵运算、特征值与特征向量、二次型、正定矩阵是金融建模的底层工具。在投资组合优化（Markowitz模型）、主成分分析（PCA）、GARCH波动率建模中均有直接应用。
分布函数、数字特征、大数定律、中心极限定理、参数估计、假设检验、回归分析构成金融建模的统计基石。VaR计算、蒙特卡洛模拟、GARCH建模均依赖此模块。
如北京大学、清华大学、上海财经大学部分方向在复试或加试中涉及：
• 常微分方程（金融动力系统建模）
• 偏微分方程（Black-Scholes方程推导与数值解）
• 随机过程基础（Brown运动、Ito引理）
▶ 备考建议：以《数学分析简明教程》（邓东皋）、《线性代数应该这样学》（Axler）、《概率论与数理统计》（陈希孺）为纲，搭配《考研数学精讲精练》（李永乐团队）同步训练。
考情洞察：2024年复旦大学金融专硕（金融工程方向）初试数学三真题中，概率统计大题考查了极大似然估计与无偏性证明；中央财经大学则在加试中要求推导几何Brown运动的SDE解。数学基础薄弱者建议提前6个月启动系统复习。
金融学基础是理解金融工程“为什么这样设计”的前提。考试内容聚焦金融市场微观机制、资产定价逻辑与制度环境。
① 金融市场结构与功能：一级市场与二级市场区别、做市商制度（如NYSE vs NASDAQ）、场外市场（OTC）运作机制、中国银行间市场结构。
② 金融工具特性：债券久期与凸度计算、股票内在价值模型（DDM、FCFE）、基金分类（ETF、LOF、QDII）、衍生品基础（远期、期货、期权、互换）。
③ 利率理论：期限结构理论（预期假说、流动性偏好、市场分割）、利率决定因素（可贷资金理论、IS-LM模型）、利率风险结构。
中国人民大学：2023年真题考查“金融中介在直接融资与间接融资中的角色演变”，要求结合中国金融脱媒趋势分析。
上海财经大学：2024年真题设问“CAPM模型在新兴市场失效的可能原因”，需从市场有效性、信息不对称、交易成本角度作答。
对外经贸大学：侧重中国金融改革政策，如“金融供给侧结构性改革”对银行中介职能的影响。
备考提醒：金融学基础≠死记硬背！建议以《金融学》（黄达）、《货币金融学》（米什金）为理论框架，结合《中国金融》《金融时报》最新评论，建立“政策—市场—工具”三维认知链。
此模块直接对应金融工程核心能力——用数学工具解决投资决策问题。考试强调模型推导、假设条件与局限性分析。
均值-方差有效前沿、切点组合、资本市场线（CML）、证券市场线（SML）。要求掌握：
β系数经济含义、市场组合不可观测性、多因子模型扩展（Fama-French三因子、五因子）。常见考题：
Black-Scholes方程推导（含Ito引理应用）、风险中性定价原理、二叉树模型（CRR）、美式期权提前行权条件。例题：
前景理论、认知偏差（过度自信、损失厌恶）、市场异象（动量效应、反转效应）。2023年清华大学真题要求用行为金融解释“中国式散户牛市”现象。
产品设计流程（需求分析→结构设计→定价→对冲→交易）、风险中性测度转换、希腊字母（Delta、Gamma、Vega）的对冲应用。实务中要求能解释“雪球结构”产品风险。
随机波动率模型（Heston）、跳跃扩散模型（Merton）、信用风险模型（Merton结构模型、Reduced-form模型）、ES（预期短缺）与VaR比较。
案例深化：2022年某券商“雪球产品”亏损事件中，产品设计者忽略了Gamma风险与波动率微笑的动态变化。金融工程考生需具备“模型假设批判性思维”——任何定价模型都是特定假设下的近似。
年原油宝事件、2023年硅谷银行倒闭，再次证明风险管理能力是金融从业者的核心素养。考试侧重方法论与监管合规结合。
市场风险、信用风险、操作风险、流动性风险、模型风险、合规风险。特别注意：
• 模型风险：2011年摩根大通“伦敦鲸”事件主因VaR模型误用
• 流动性风险：2023年美国区域性银行挤兑的传导链条
• VaR（风险价值）：历史模拟法、方差-协方差法、蒙特卡洛模拟
• ES（预期短缺）：对尾部风险的更敏感度量，巴塞尔III强制要求
• 压力测试：情景设计（如股灾+债市违约+汇率波动三重冲击）
典型计算：某组合日收益率服从N(0,1.5%)，求99%置信度下10日VaR（用平方根法则）
• 时间序列：ARIMA、GARCH族模型（GARCH(1,1)波动率预测）
• 机器学习应用：LSTM预测股价、随机森林分类择时信号
• 因子投资：Barra多因子模型（风格因子+行业因子）
巴塞尔协议III（资本充足率、LCR、NSFR）、中国资管新规（打破刚兑、净值化）、美联储SCAP压力测试要求。2024年新考纲新增“气候风险压力测试”要求。
考情预警：中国金融学会2023年发布的《金融工程人才能力标准》明确将“风险量化建模能力”列为一级核心能力。建议考生掌握Python的numpy、pandas、arch库进行基础量化分析。
此模块考察“知识迁移能力”，要求考生将理论转化为解决方案。常见题型包括产品设计、风险对冲方案、模型评估。
案例：某券商发行“保本型增强收益票据”（挂钩中证500指数）
• 结构：零息债券（97%本金）+ 买入看涨期权（3%保费）
• 关键参数：期权行权价、波动率假设、融资成本
• 风险点：波动率低估导致对冲亏损；标的指数熔断触发路径依赖风险
• 步骤：
1. 计算期权Delta（如BS模型）
2. 持有股票对冲Delta风险
3. 每日重平衡
• 误差来源：
- Gamma风险（价格剧烈波动时Delta失效）
- 交易成本侵蚀收益
- 波动率曲面变化（微笑斜率变动）
• 现象：美股4次熔断，黄金与美元同步下跌
• 原因：杠杆资金平仓→抛售一切流动性资产→现金为王
• 工程启示：
- VaR模型在流动性危机中严重低估风险
- 需加入流动性调整的LVaR（Liquidity-adjusted VaR）
- 压力测试需覆盖“市场停摆”情景
实践建议：考生可模拟设计一个“黄金价格区间自动赎回结构”：设置上下敲入敲出条款，要求说明各情景下投资者损益、发行人对冲路径及潜在违约风险。此能力是券商、基金量化岗面试高频题。
不会编程的金融工程师如同不会写字的作家。考试从基础语法到金融建模应用层层递进。
• 数据处理：numpy矩阵运算、pandas时间序列处理
• 数值计算：scipy.optimize求解最优化问题
• 金融建模：yfinance获取行情数据、arch拟合GARCH模型
• 基础算法：
– 二叉树期权定价
– 蒙特卡洛模拟路径生成
– 最小二乘法回归估计β
• SQL基础：JOIN操作、窗口函数（用于计算滚动收益率）
• 量化平台：
– 聚宽（JoinQuant）：回测框架
– 掘金（MyQuant）：实盘交易接口
• 熟悉API调用：如Tushare、AKShare获取宏观与行业数据
• 常考题型：
– 排序算法（快速排序用于VaR历史模拟法）
– 动态规划（最优投资路径）
– 图论（网络拓扑风险传导）
• 真题示例：用Python实现“股票价格序列的滚动夏普比率计算”（窗口30日）
• 高频领域：高频交易系统、衍生品定价引擎
• 考点：面向对象设计、内存管理、STL容器应用
• 推荐学习路径：
《C++ Primer》→《Effective C++》→《设计模式》→ QuantLib源码阅读
实操建议：从Kaggle金融竞赛入手（如“Quantopian Zipline回测”），逐步构建个人量化工具箱。2024年清北复交金融专硕复试中，6所高校明确要求现场用Python完成数据清洗与简单建模任务。
顶尖院校（如北大、清华、复旦）复试环节强调综合素养，包括逻辑推理、学术写作与专业洞察力。
结构模板：
1. 引言（问题重要性+研究缺口）
2. 文献综述（关键论文脉络）
3. 方法论（模型选择依据）
4. 实证分析（数据来源+稳健性检验）
5. 结论与政策建议
避坑指南：
- 避免纯复现经典模型（如直接抄BS公式）
- 注明数据来源（如“数据来自Wind，时间2018-2023”）
- 讨论局限性（如“未考虑交易成本与市场冲击”）
• “如何看待量化投资与价值投资的融合？”
→ 答题要点：因子投资是桥梁；价值因子（低PB、高股息）在A股长期有效
• “中国金融工程人才最缺失的能力是什么？”
→ 答题要点：跨学科整合能力（金融+数学+编程+监管理解）；2023年行业调研显示78%机构认为此能力不足
• “用一句话解释什么是金融工程？”
→ 高分回答：“用数学工具将金融问题结构化，并通过衍生品设计与风险对冲实现价值创造与风险转移的系统性方法。”
成功案例：2023年某考生在复旦面试中提出“用波动率曲面套利策略改进期权做市商报价”，结合中国金融期货交易所国债期货数据，被导师当场邀请加入课题组。
答：必须！数学是金融工程考研的核心科目。无论是考数学三（经济类联考）还是自命题数学，考生都需系统学习数学分析、线性代数与概率统计。例如：
• 中央财经大学：初试考数学三（含微积分56%、线性代数22%、概率论22%）
• 上海财经大学：金融专硕考396经济类联考（含数学75分）
• 清华大学：金融硕士（金融工程方向）加试高等数学与金融学综合
答：可以，但需付出双倍努力。建议路径：
1. 前置学习：先修《微积分导论》《线性代数入门》（MIT OpenCourseWare有免费课程）
2. 目标院校选择：优先考虑考数学三的院校（如对外经贸、西南财经），避免直接挑战名校自命题高数
3. 强化训练：用《张宇考研数学基础30讲》打基础，配合《660题》巩固
4. 时间规划：跨考生建议提前12个月启动数学复习，确保初试前完成3轮系统学习
答：初试通常不考编程，但复试和未来就业高度依赖。例如：
• 复旦大学：2024年复试增加Python上机测试（编程实现GARCH模型参数估计）
• 北京大学：要求提交量化项目报告（含代码与回测结果）
• 行业趋势：中金、中信证券量化岗明确要求“熟练使用Python进行金融建模”
→ 建议：初试后立即学习Python基础，重点掌握numpy、pandas与matplotlib库。
答：
| 维度 | 金融工程 | 金融学（量化方向） |
||-|-|
| 培养目标 | 产品设计、风险对冲、衍生品定价 | 宏观政策分析、资产配置、市场研究 |
| 课程侧重 | 随机过程、数值方法、编程实现 | 经济计量、实证研究、政策评估 |
| 典型去向 | 券商衍生品部、基金量化投资、对冲基金 | 证监会、央行、券商研究所 |
| 代表院校 | 上财、央财、复旦、清华 | 人大、北大、南大、武大 |
选择建议：擅长编程、喜欢动手建模者选金融工程；擅长写作、热衷政策分析者选金融学。