金融数学的研究内容

1. 金融数学的研究内容

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发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scholes定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。在市场是不完全的条件下，引进与偏好有关的定价理论。(2）不完全市场经济均衡理论（GEI）拟在以下几个方面进行研究：1．无穷维空间、无穷水平空间、及无限状态2.随机经济、无套利均衡、经济结构参数变异、非线资产结构3．资产证券的创新（Innovation）与设计（Design）4．具有摩擦（Friction）的经济5．企业行为与生产、破产与坏债6.证券市场博弈。（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。1.什么是关联规则在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事："尿布与啤酒"的故事。在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。2.关联规则挖掘过程、分类及其相关算法2.1关联规则挖掘的过程关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(FrequentItemsets)，第二阶段再由这些高频项目组中产生关联规则(AssociationRules)。关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(LargeItemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(MinimumSupport)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequentk-itemset)，一般表示为Largek或Frequentk。算法并从Largek的项目组中再产生Largek+1，直到无法再找到更长的高频项目组为止。关联规则挖掘的第二阶段是要产生关联规则(AssociationRules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(MinimumConfidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5%且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。2.2关联规则的分类按照不同情况，关联规则可以进行分类如下：1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书”，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。 Apriori算法2.3关联规则挖掘的相关算法1.Apriori算法：使用候选项集找频繁项集Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。2.基于划分的算法：Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。3.FP-树频集算法：针对Apriori算法的固有缺陷，J.Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。3.该领域在国内外的应用3.1关联规则发掘技术在国内外的应用就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。3.2近年来关联规则发掘技术的一些研究由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。

2. 金融数学，

希望对你有所帮助吧

3. 金融数学的介绍

金融数学是一门新兴学科，是“金融高技术 ”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。

4. 金融与数学有关系

金融学专业一般要学高等数学，深层次的金融学，涉及到金融数学模型，这个需要数学理论去分析解释。如果您想进一步有更深诣的话，数学知识是绝对不可以少的。您可以了解一下金融学的主干课程：政治经济学、西方经济学（含微观经济、宏观经济）、计量经济学、经济法律概论、会计学、国民经济统计学、管理学原理、国际经济学、金融学、金融中介学、金融市场学、投资学、保险学、商业银行经营学、国际金融学、公司金融、金融工程学、中央银行学。


温馨提示：以上内容仅供参考。

应答时间：2021-11-04，最新业务变化请以平安银行官网公布为准。

5. 简述对金融数学的认识

金融数学，又称数理金融学、数学金融学、分析金融学，是利用数学工具研究金融，进行数学建模、理论分析、数值计算等定量分析，以求找到金融学内在规律并用以指导实践。金融数学也可以理解为现代数学与计算技术在金融领域的应用，因此，金融数学是一门新兴的交叉学科，发展很快，是目前十分活跃的前言学科之一。
我们的专业与经济学院的金融学。经济学等专业不同，我们的专业偏重数理金融，强调数学手段研究相关问题。在课程设置上既突出数学基础，也注重金融、证券、保险、经济等基本原理。 二、主要课程
数学分析、解析几何、高等代数、离散数学、常微分方程、概率论、数理统计、计量经济学、数学实验、数学模型、财务会计学、金融学、微观经济学、证券投资学、宏观经济学、公司财务管理、金融时间序列分析。 三、我们的就业前景
我们专业的就业方向比较广。主要有：银行、证券、保险业、基金和一些企事业单位涉及金融的工作岗位。 （1）银行
银行有着比较稳定的收入，较好的福利，受到很多金融数学生的青睐，所以竞争性较强。我国现阶段银行分三类：中央银行、商业银行、政策性银行。四大国有银行：中国工商银行、中国农业银行、中国银行、中国建设银行。三家政策性银行：中国国家开发银行、中国农业发展银行、中国进出口银行。股份制商业银行：中信实业银行。恒丰银行、广东发展银行、深圳发展银行、广大银行、兴业银行、交通银行、民生银行、华夏银行、上海浦东发展银行、浙商银行。 （2）证券公司
证券行业是一个高风险、高压力的行业。特别是前三个月有银高业务要求，竞争非常激烈，并且淘汰率比较高，很难坚持，所以有的时候证券公司招人，但同学们不热情。 （3）保险公司
我国是世界上潜在的保险大国，在寿险、财险、养老保险等方面将有巨大市场，为此需要大量精算师和投资管理专家。精算师是我国最紧缺的尖端人才，目前在我国职业400多名精算从业人员，其中79人取得了国内精算师资格证书，但被世界保险界认可的不足50人。据统计，中国加入WTO以后，大批外资保险公司近日中国，精算师的市场需求量达5000人。因此，精算数学和金融数学的发展必将是大趋势。

6. 金融数学的历史

美国花旗银行副总裁柯林斯（Collins）1995年3月6日在英国剑桥大学牛顿数学科学研究所的讲演中叙述到：“在18世纪初，和牛顿同时代的著名数学家伯努利曾宣称：‘从事物理学研究而不懂数学的人实际上处理的是意义不大的东西。’那时候，这样的说法对物理学而言是正确的，但对于银行业而言不一定对。在18世纪，你可以没有任何数学训练而很好地运作银行。过去对物理学而言是正确的说法现在对于银行业也正确了。于是现在可以这样说：‘从事银行业工作而不懂数学的人实际上处理的是意义不大的东西’。”他还指出：花旗银行70%的业务依赖于数学，他还特别强调，‘如果没有数学发展起来的工具和技术，许多事情我们是一点办法也没有的……没有数学我们不可能生存。”这里银行家用他的经验描述了数学的重要性。在冷战结束后，美国原先在军事系统工作的数以千计的科学家进入了华尔街，大规模的基金管理公司纷纷开始雇佣数学博士或物理学博士。这是一个重要信号：金融市场不是战场，却远胜于战场。但是市场和战场都离不开复杂艰深，迅速的计算工作。21世纪数学技术和计算机技术一样成为任何一门科学发展过程中的必备工具。

7. 金融数学

利息力在0.5到1上积分=0.045,

积累金额是1000*（e的0.045次方）=1046.027

8. 金融数学

1 A++ 北京大学 
2 A++ 中国人民大学 
3 A++ 南开大学 
4 A++ 复旦大学 
5 A++ 南京大学 
6 A+ 武汉大学 
7 A+ 浙江大学 
8 A+ 厦门大学 
9 A+ 西安交通大学 
10 A 上海财经大学 
11 A 中山大学 
12 A 清华大学 
13 A 东北财经大学 
14 A 西南财经大学 
15 A 中央财经大学 
16 A 吉林大学 
中国人民银行研究生部
师资：中国人民银行研究生部最大的优势就在于学校里的导师大多是奋斗在金融前线的高官，实践经验非常丰富，如果想在银行或国内证券公司就业，这应该是个很好的选择。最近几年招生人数都稳定在70多人，其中大部分都是公费。 

考试：专业课考试内容广泛，是所有院校中考试范围最广的，也是唯一不指定任何考试参考书目的院所。从分数线来看，没有380分以上是很难被录取的。所以对数学成绩要求比较高，没有130分以上，除非其它几门考试成绩有竞争力，否则是很难被录取的。 

就业：以学生的就业渠道主要是国内金融系统，包括各大银行，证券公司，保险公司等等。整体就业形势非常不错。 

人民大学财政金融学院 

声誉指数：☆☆☆☆☆ 难度指数：☆☆☆☆☆ 薪酬指数：☆☆☆☆☆ 

师资：人大在中国的金融界历来被视为老大哥，有一批非常优秀的土鳖和海龟。是全国金融学第一个国家重点学科。中国货币金融学的主要奠基人黄达教授是人大前校长，中国金融学会前会长，也是中国金融学会历任会长中唯一一位学者会长(其余都是由在任的中国人民银行行长担任)。 

考试：从专业课试题上来看，比联考难度要大得多。如果要考上，主要是两个障碍：一个是专业课，可以分数不高，但一定要过线，还有一个是数学，是重中之重。 

就业：人大金融的就业前景非常只好，这一点是不容置疑的。其就业形势非常好，完全可以和北大清华相比。 

北京大学光华管理学院 

声誉指数：☆☆☆☆☆ 难度指数：☆☆☆☆☆ 薪酬指数：☆☆☆☆☆ 

实力：有厉以宁，张维迎等一大批经济学家坐镇，虽然不全是金融学领域的导师，金融方面最有名的导师应该是曹凤岐教授。今年来一大批海归的加盟，实力提升更快。 

考试：专业课考试难度比较大，侧重一定的数学能力，对综合素质要求很高。还有就是考试范围要广，整体上看，北大光华的金融学考研录取分数线至少需要370分以上，当然，专业课的难度比较大。如果不下大功夫，还是不要尝试了。另外，与其它院校不同，北大光华管理学院的金融要求考数学三，难度大大增加。 

就业：北大的金融学虽然还不是国家的重点学科，但牌子在这摆着，所以就业形势也非常不错，而且有很多的出国机会。 

清华大学经济管理学院 

声誉指数：☆☆☆☆ 难度指数：☆☆☆☆ 薪酬指数：☆☆☆☆☆ 

师资：导师主要有两个有名的，一个是中国金融工程学会会长宋逢明教授，还有一个是研究公司金融的朱武祥教授。 

考试：非常重视金融学中的数理分析，不过有时候给人感觉是过分的迂腐在数学模型之中，对实际问题重视程度有所不够。由于偏好理工科学生，复试的时候还得考计量经济学，所以报考者基本上是跨专业，考取难度很大。它是全国唯一一个要求考数学一的学校，这一点，基本上堵死了经济类本专业读的可能性。 

总之，清华大学的金融学比起北大和人大还是比较弱的。不过金融工程还是比较强的。 

南开大学经济学院 

声誉指数：☆☆☆☆ 难度指数：☆☆☆ 薪酬指数：☆☆☆☆ 

国际金融的实力很强，在全国享有很高的声誉，绝对的一流。 和人大同为全国最早的国家重点学科。应该说，南开大学的国际金融和保险学水平还是排名全国第一。在教育部的评估中，其国际金融的科研实力甚至超过了人民银行研究生部，排名全国第一。钱荣堃教授是我国国际金融领域的泰山北斗，是中国的MBA之父，不过其现在已经过世。现在的学术带头人是马君潞教授，在国内很有名。据说南开大学培养的硕士全部都是国际金融领域的。保险学是传统优势。刘茂山教授非常有名。保险精算专业全国第一，中国保险精算师老师委员会就设在南开大学。由于联考难度不大，对跨专业的考生是一件好事。学生素质比较高，但是就业不如人大和复旦。这一点主要是在与天津的城市环境不好。 

复旦大学经济学院 

声誉指数：☆☆☆☆ 难度指数：☆☆☆☆☆ 薪酬指数：☆☆☆☆ 

师资：全国第四个国家重点学科。绝对的名牌。近年来涌现了一大批像姜波克、张军、刘红忠这样的青年学者(主要是海龟)，致力于金融学最前沿的研究。 

考试：06年录取线达到了惊人的422分。复旦大学是联考的领头学校，大部分试题是复旦大学出的。联考的范围比较广，但是难度不大。专业课成绩普遍很高，130分以上的人很多。推荐跨专业的学生报考。英语要求一直都是60分以上，数学没有130分基本不可能考上。总之，考研难度很大，风险很高。录取比例远远超过了20：1。 

就业：学科底蕴虽不如人大，但毕竟是名校，而且有着一批海归，所以就业形势一片大好，而且有很多出国的机会。 

西南财经大学金融学院 

声誉指数：☆☆☆☆ 难度指数：☆☆ 薪酬指数：☆☆☆ 

原先是人民银行直属学校。学校的名气在金融界应该是很响的了，几乎金融界大部分的一把手都是毕业于此，银行学的研究在全国被视为数一数二，拥有像曾康霖、刘锡良、殷孟波这样的著名学者。中国金融研究中心也设在这里。是全国第5个国家重点学科。再加上招生规模与日俱增，几乎有些过于饱和了。像前年，金融学参加复试的居然有260个人。另外，西南财大的保险精算专业考数学四，这一点，还是比较容易的。像南开大学，考数学三。还有一些学校考数学一。不过，考试难度不大，如果数学不好，可以考这里试一试。就业形势一般，很多毕业生都去了南方。总体上就业不如北京和上海的高校。这一点是考试难度比较低的最大原因。 

厦门大学经济学院 

声誉指数：☆☆☆ 难度指数：☆☆☆ 薪酬指数：☆☆☆☆ 

师资：04年成为全国第六个国家重点学科。 参加联考比较公平，可能可以调剂 招生规模不大。总分只要能在370以上基本就可以被录取了。但是据说专业课判卷尺度比较严。 

优势：货币银行学和保险学实力比较强，学校环境优美，有好的老师(如张亦春、江曙霞、郑振龙、林宝清等)学生素质比较高。还有，厦门大学的经济管理学科整体上很强，如财政学，会计学都是国家重点学科，所以学校也很重视。所以学生的知识面和资源享受方面有一定优势。 

劣势：就业不如北京、上海有地区优势。整体上一般。不过，在南方，还是很不错的。 

上海财经大学金融学院 

声誉指数：☆☆☆ 难度指数：☆☆☆☆ 薪酬指数：☆☆☆ 

金融学实力本来一般，是上海市重点学科。 有一些比较好的老师，如戴国强。前年聘请了美国著名学者，美国康乃尔大学金融学终身教授黄明教授担任院长。不过这点与整个专业实力的提高不一定有太大关系。但是上海财经大学地处上海，也吸引了不少优秀人才的加入，就业形势较好，上海证券交易所的很多工作人员都是毕业于上海财经大学的证券投资专业。相反，货币银行学和国际金融学专业的毕业情况就要差一些。考取难度比复旦小很多，也是参加联考，推荐跨专业学生报考。 值得注意的是，虽然上海财经大学金融学每年的招生简章上写的是招120人左右，但实际上每年都会扩招很多。 

中央财经大学金融学院 

声誉指数：☆☆☆ 职位指数：☆☆☆ 薪酬指数：☆☆☆ 

中财的金融还是不错，是全国第三个国家重点学科，老师的水平比较高，比如王广谦校长，李健教授等。学生就业的情况也比较让人满意。考取难度属于中等，还有一点中财招生比较公平。由于学校唯一的国家重点学科就是金融(虽然这一点在同类财经院校中明显处于劣势)。初试只考政治经济学和西方经济学，类似于西南财经大学。试题有一点难度，但过线的可能性比人大和北大还是大很多。 

中央财经大学的金融专业最强的还是货币银行理论。应该说，全国财经类院校都是如此，比如西南财经大学和上海财经大学，包括现在并入西安交通大学的原陕西财经学院。 
希望我的回复对您有帮助，如果觉得好，希望可以采纳哦.