MATH3311

金融数学计算 (深度重制版)

课程定位 MATH3311/5335 是数学、精算及量化金融领域最具‘算法落地’能力的必修/核心课。它解决了金融学从纸面公式到计算机实战的‘最后一公里’：当期权没有解析解时，如何利用蒙特卡洛模拟给出精确报价？如何利用有限差分法解决热传导方程形式的金融模型？它是通往对冲基金宽客 (Quants)、金融软件开发专家、及风险资产架构师岗位的唯一硬核通行证。它将高深的偏微分方程数值解、随机模拟与 Python/Matlab 编程深度整合，是培养‘具备算法灵魂的金融数学家’的必修课。 技术栈与学习内容 课程围绕‘金融问题的数值求解方法’展开。核心内容包括：资产价格的随机模拟（布朗运动、几何布朗运动）、最具实战意义的‘蒙特卡洛 (Monte Carlo) 定价法’、方差缩减技术、以及解决偏微分方程的‘有限差分法 (Finite Difference Methods - Explicit, Implicit, Crank-Nicolson)’。此外，课程重点研究了美式期权的动态规划解法（二叉树进阶与最小二乘蒙特卡洛）。学生将学习如何利用 Python 编写并优化处理千万级路径的高效定价引擎。课程强调‘计算精度、收敛速度与算法鲁棒性的三重权衡’。 课程结构 10 周理论高频产出与三个渐进式编程 Lab 结合。评估体系以‘工程硬核度’闻名：包含针对随机模拟收敛性判定的期中机考、一个要求独立实现复杂奇异期权定价系统的大型项目（Major Project）、以及一场强调算法推导、稳定性证明及数值格式判定能力的期末综合大考。该课极其强调‘手敲高性能数值代码’的能力。 适合人群 数学、精算、或打算从事高级量化研发的理工科生。必须具备扎实的 MATH2121 (微分方程) 和概率论基础。如果你想搞清楚‘为什么投行的超级计算机会报错 NaN’、或者渴望在未来的高频量化中建立核心算法优势，这门课是你的神功。建议每周投入 20-25 小时进行数值实验。