---

在任何一個領域，建立模型的目的是什麼？比較清楚的是，模型的目的是用來預測未來或者控制未來。為了這個目標：我必須說明我們現在身處何地：什麼模型現在正在起作用，為什麼這些模型能夠起作用。

今天的衍生品交易環境：和大量分散的數據，信息和交易紀錄做鬥爭，雄心勃勃地嘗試用自然科學中的經典工具來描述各種現象背後的規律，有些時候獲得了異乎尋常的成功。人們通常會擔心模型風險，但我認為最大的風險來自運營過程，例如管理風險和操作風險而不是模型風險。有這個印象之後。你就能理解為什麼在高盛，除了建立模型，寫文章和走訪客戶，我們這個有30個人的權益衍生品策略小組中，只有4到5個人參與建模工作：分離金融變數，研究它們之間的動態關係，用微分方程和統計相關度來描述這些關係，並解出這些問題，最後寫程序實現這些解。

這些模型被怎樣運用？簡單來說，用來給做市商和私人交易的交易所期權和OTC期權定價；用來計算和對沖暴露在不同國家和貨幣的組合中的風險；用來轉換報價到隱含波動率；用來建立結構衍生品；用系統來找出公平價格和市場價格之間的不同；對用來套利的公司金融工具進行估價和對沖。最後，為了估計公司級的在險價值；我們也用模型來直接檢驗非衍生證券。

模型是重要的，因為我們的應用建立在它之上，但是建構這些模型卻只佔用了很少的資源。為什麼和程序員和系統架構者比起來，建模者會這麼少？更有趣的是，為什麼在權益市場中，建模者又要比在固定收益市場中少？

衍生品和非線性Stephon Ross教授在Palgrave Dictionary of Economics中這樣表述：

"...期權定價理論不僅是金融學，而且是所有經濟學中最成功的理論。"這一點看起來毫無疑問，但問題是：為什麼這個理論會運作得這麼好？我認為原因在於期權定價理論中的基本問題是為了對混合，非線性的證券進行定價，期權理論雖然精巧但卻是並不完美的近似。我不認為那是一種缺點，交易員直覺地使用期權理論，以波動率或者概率的簡單，線性變化來理解價格變化中複雜的，非線性的模式。他們把複合衍生品看做簡單證券的組合。他們線性思考波動率和概率的變化，並且用模型轉換為價格中的非線性變化。

在被交易的證券的現實世界中，Black, Scholes和Merton的假設很少能被嚴格滿足。但是他們把複合衍生品看作股票和債券的組合的觀點抓住了真理的核心，為模型的健壯性提供了基礎。

在金融世界中，相反的，是人與人之間的遊戲。但是人類的金融變數很清楚並不是普適：他們是一些數量--期望收益和期望風險--不可能獨立於人而存在；只有人才會有期望。並且這些變數常常是隱藏的或者觀察不到--他們是只能從一些其他交易的數量所觀察到的隱含變數的理論的一部分。但是人的期望和策略都是暫時的，不象物理學家的永恆的上帝。

因此金融模型從來不能提供象物理學中8位精度那樣的預測。工程上的進步常常跟隨著科學理解上的進步。工業革命起於力學和熱力學。計算機革命需要布爾代數和固態物理。剛剛開始的基因工程和免疫學的生物工程革命，需要DNA結構和基因密碼。最後，我不認為物理學和基因學是金融和經濟學可以適用的模型。

因此學習金融和預測未來就需要我們學習建立數學模型了。

---

有用。建模中兩大塊，優化和多元統計分析，我相信你不會在本科階段接觸到的。很長見識，對你理解投資組合和高頻數據分析，甚至量化金融等數學味道濃的金融學問題是非常有益的。

---

先給結論：有用。

在本科期間部分高校已經將數學建模作為必修課學習，數學建模競賽也是金融專業學生參加的主要大賽之一。金融專業學生與數學專業學生在數學學科上學時差距很小，對數學要求很高。

---

金融=數學 多學點數學建模還是比較有利於分析金融問題的

---

有用的，如果以後繼續深造的話會對金融領域繼續深挖，其實金融分析數學是最基本的素養，學好數學，一定會有你想不到的好處，加油吧

---

有用，學好了就會很有用，有助於更透徹的看問題

---

太有用了，長期以來我們一直把金融看成文科，但其實金融學中非常需要數學模型。

---

金融學很看數學能力的 有用

---

推薦閱讀：