课程安排
MSc in Financial Engineering项目共包含九门研究生课程和一门结课项目（Capstone Course）。学生根据规定的顺序一次学习一门课程，并在课程间有两周的休息时间，其中一周用于评分，另一周用于后续课程的注册。完成前两门课程后，学生将获得“金融工程基础（FFE）”证书。
课程安排
- 金融市场 (Financial Markets)
- 内容: 介绍专业金融的基本概念，包括市场、产品、参与者和监管。重点活动包括交易、融资、定价、对冲及风险管理。通过互动的Web应用程序帮助学生理解金融行业的影响因素。
- 金融数据 (Financial Data)
- 内容: 教授如何使用Python处理金融数据，包括选择、导入、过滤、结构化、可视化和分析数据。涵盖利率、股票、加密货币等多个资产类别。开发数据准备和分析的基础技能。
- 金融计量经济学 (Financial Econometrics)
- 内容: 综合介绍金融计量经济学，包括收益率的概率分布模型、时间序列分析（如GARCH模型）、相关性和协整分析。
- 衍生品定价 (Derivative Pricing)
- 内容: 专注于选项定价，包括无套利理论、随机微积分和构建衍生品定价模型（如二叉树法和有限差分法）。
- 随机建模 (Stochastic Modeling)
- 内容: 提高对随机过程的建模能力，涵盖高级波动率模型、马尔科夫过程等，支持金融应用。
- 金融中的机器学习 (Machine Learning in Finance)
- 内容: 机器学习基本原理，应用算法从数据中学习，包括监督学习和无监督学习，使用Python和Tensorflow进行实践。
- 金融中的深度学习 (Deep Learning for Finance)
- 内容: 深入研究神经网络，使用TensorFlow构建和训练网络，应用于实际金融案例，包括股票价格预测等。
- 投资组合管理 (Portfolio Management)
- 内容: 提供投资组合优化的方法和技能，包括经典投资组合理论和现代优化方法，如黑-利特曼（Black-Litterman）模型和风险平价理论。
- 风险管理 (Risk Management)
- 内容: 学习经典和现代风险管理方法，涵盖市场、信用和系统性风险的度量与建模，结合机器学习方法与传统方法。
- 结课项目 (Capstone Course)
- 内容: 将所学知识付诸实践，通过多个阶段开发项目，包括问题陈述、技术选择、草稿提交及最终项目展示，确保学生能够在真实场景中应用所学技能。
证书
- 金融工程基础（FFE）证书
- 条件: 完成前两门课程并获得至少80%的平均分，提交官方成绩单。
通过该项目的课程设置，学生将能够获得广泛的金融工程知识和实践经验，为日后的职业发展打下坚实的基础。
