美国本科各类专业简介手册

美国本科各类专业简介手册内容摘要：

学生三个法宝：一是给学生学习上选择的自由；二是使学生在所擅长的学科上有施展才能的机会；三是使学生的学习从被动的行为转化为自主的行为，使学生从对教师的依赖和从属关系中解放出来。 1909 年，洛厄尔出任校长，他在保留自由选课制优点的前提下又提出了新的教改方案，从 1914 年起，实行 集中与分配 制。 所谓“集中”，是指从 16 门可供选择的课程中，必须选修 6 门本系的专业课，以保证重点；所谓“分配”，是指另外的 6 门课程从 3 个不同的知识领域中各选两门，以保证学生具有比较广泛的知识面。 余下的课任学生自由选择。 这种制度既保证专业课学习的深度，又能扩大学生的视野，也可给学生的个人爱好留下适当的余地。 1933 年，化学家科南特担任校长，他励精图治，于 1940年主持成立专门委员会，研究课程改革。 经过 5 年的反复 研究，提出了专门报告，主张加强普通教育。 哈佛大学按照专门报告的建议，又作了 5 年实验，在 1951 年正式推行“普通教育”制度。 按照普通教育制度的规定，第一，一、二年级的学生，要从自己所在的系中选修 6 门专业课，再从人文、社会、自然三大类别的普通教育课中各选一门，共 3 门课，另外还需从其他系的课程中至少选 3门；第二，三、四年级也设有普通教育课，没有学过一、二年级普通教育课的，不得选修三、四年级的普通教育课；第三，攻读硕士和博士学位的学生可以选修一部分三、四年级的普通教育课；第四，学生不得选修属于同一个考试组的两门课。 这样做，普通教育和专业教育结合的很紧密，而且先后有序，互相衔接。 这种办法吸取以前制度的优点，加以综合，形成了以通讯教育为基础，以集中与分配为指导的自由选修制度。 哈佛大学的课程改革并没有停滞不前，他们又进而研究在普通教育中哪些课程是核心课程，或称基础课程。 他们深切认识到，不论学习任何专业，都必须有深厚的基础知识。 “根深叶茂，本固枝荣”，这一思想在哈佛大学是很明确的。 1973 年，博克校长任命亨利罗索夫斯基（ Henry Rosovsky）为哈佛文理学院院长，责成他负责研究文理学院的目标及哈佛本科教育中存在 的种种问题，罗索夫斯基任命威尔逊教授研究共同基础课问题，于 1976年提出一项改革方案，即“威尔逊报告”。 这份报告主张制定一种强制性的共同基础课程，以后又经过反复讨论、修改，并由罗索夫斯基院长亲自主持进一步的修改工作，结果于 1978 年提出了关于共同基础课的报告，并决定于第二年开始付诸实施。 第一章 . 自然科学类 （数学、理综优势） 一 【 数学系 Mathematics】 要点：学习数学的人，思维是最活跃的，是最富有逻辑的，最冷静的，最理智的，是其他任何一个专业的人所无法比拟的。 很多从事市场分析与营销工作的人，由于数学基础差 ，在职业中期都会出现职业瓶颈，并且无法突破，因此，数学强又具有社会类型和企业类型特的学生，选择数学和应用数学作为本科基础学科，在研究生阶段攻读市场学或经济学，在未来市场营销领域的职业发展道路上会一路飘红。 另外，  可以成为 IT 精英，北京市调查了 230 名 IT 名人中有 200人本科专业是数学与应用数学。  金融数学专业毕业生是美国华尔街最抢手的人才之一，数学也是经济与管理，金融、国际贸易、市场学的母专业。  数学教师是美国急缺的人才。 3 1. 专业基础课 数学分析 高等代数 解析几何 常微分方程 概率论 近世代数（抽象代数） 实变函数 复变函数 运筹学 信息论 (IT 类 ) 金融学 （经济类） 2. 选修课 数学史 初等数论 模糊数学 代数拓扑 微分流形 随机过程 矩阵论 微分方程数值解 数理逻辑 计算机高级语言 (IT 类 ) 数据结构 (IT 类 ) 数据库技术 (IT 类 ) 多媒体与网络技术 (IT 类 ) 软件工程 (IT 类 ) 信息安全与密码学 (IT 类 ) 数字信号处理 (IT 类 ) 生存分析（经济类） 计量经济学（经济类） 期权期货与衍生证券（经济类） 数学教学艺术与实践 （师范类） 3. 数学细分 离散数学 (Discrete Mathematics) 离散 数学 是研究离散量的结构及其相互关系的数学 学科 ，是现代数学的一个重要分支。 它在各学科领域，特别在 计算机科学与技术 领域有着广泛的应用。 应用数学 本专业学生主要学习数学和应用数学的 基础理论 、基本方法，受到数学模型、计算机和 4 数学 软件 方面的基本训练，具有较好的科学素养，初步具备科学研究、教学、解决实际问题及开发软件等方面的基本能力。 应用数学是计算机专业的基础和上升的平台，是与 计算机科学与技术 联系最为紧密的专业之一。 该专业属于基础型专业，就业面较宽，由于应用数学专业与其他相关专业联系紧密，以它为依托的相近专业可供选择的比较多，因而报考该专业较之其他专业回旋余地大，重新择业改行也容易得多，有利于将来更好的就业。 数学与统计学 (Mathematics amp。 Statistics) 数学应用十分广泛，除了自然科学、工程和工业生产外，还广泛应用于医学、商业等方面。 但是，现在美国攻读数学专业的人数比 10 年前减少了 20%以上。 数学与统计学是处理数据化信息的实用科学，研究如何以有效的方法搜 集、分析和解释这些数据化信息。 就业：市场需求较大，如果能结合其他专业，就有更大的市场竞争力。 可以从事商业运筹学方面的工作和研究，当商业顾问，金融、证券分析师，教师等。 拓扑学 (Topology) 拓扑学，是近代发展起来的一个研究连续性现象的 数学 分支。 拓扑 学主要研究 拓扑空间在拓扑变换下的不变性质 和不变量。 拓扑学是数学中一个重要的 基础的分支。 逻辑学 (Logic ) 本专业学生主要学习逻辑学、数学、计算机科学和哲学方面的基本理论和基础知识，受到公理化方法、形式化方法和语义分析方面的基本训练，比较系统地掌握逻辑学专业的基础知识、专业知识，了解当代世界主要逻辑和哲学思潮，具有一定的社会科学、自然科学和思维科学的基础知识，有较强的理论思维能力、社会活动能力、表达能力和专业研究的基本能力。 就业方向 :主要在社会科学研究机构、高等院校、广播电视及新闻出版单位、国家机关等部门就业。 4. 统计学（ Statistics） 虽然统计学从属于数学类，但是从美国大学的设置来看，统计已经慢慢从数学系中独立出来，成为单独的统计系。 现在越来越多的学校成立统计系就是最好的证明。 在科学技术飞速发展的今天，统计学广泛吸收和融合其他学科的新理论，不断开发应用新技术和新方法，深化和丰富了统计学传统领域的理论与方法，并拓展了新的领域。 今天的统计学已展现出强有力的生命力。 因此统计学研究方向也是百花齐放，但是由于统计本身已经是数学的一个分支，因此统计学研究方向显得很分散。 参考美国几所典型的统计学学校，我们可以对统计学研究方向加以总结。 统计学研 究方向基础方面包括 : (再 )样本设计、数据挖掘、随即过程、建立统计模型、模型的选择、时间序列、非参数统计方法、蒙特卡罗法、生存分析、空间统计、贝叶斯推论、各种经典的统计模型的学习、各种概率论理论等等。 课程介绍： 概率论 3 基础必修 数理统计 3 基础必修 商务沟通与文化 3 基础必修 回归分析 3 基础必修 时间序列分析 3 基础必修 多元统计分析 3 基础必修 计算数据分析 使用统计软件 3 基础必修 实验设计与方差分析 3 基础必修 5 统计咨询 3 基 础必修 随机积分 3 选修系列 A 金融统计 金融计量学 3 保险与精算 3 选修系列 B 精算保险 人寿和健康保险 3 生存数据分析 3 选修系列 C 生物统计 生物与医学统计 3 预测理论与应用 3 选修系列 D 经济预测与分析 统计决策 3 统计数据分析 3 选修 经济学原理 3 选修 应用非参数统计 3 选修 统计推断 3 选修 统计决策理论 3 选修 离散数据分析 3 选修 微观计量经济学及其应用 3 选修 金融风险管理 3 选修 学术前沿讲座 3 必修 毕业论文（论文写作与报告） 6 必修 5. 金融数学 (Financial Mathematics) 金融数学概况 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。 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。 国内金融数学现状 在国内不能回避这样一个事实：受过 高等教育 的专业人士都可以读懂国内经济类，金融类核心期刊，但国内 金融学专业 的本科生却很难读懂本专业的国际核心期刊《 Journal of Finance》， 证券投资 基金经理少有人去阅读《 Joural of Portfolio Management》，其原因不在于外语的熟练程度，而在于内容和研究方法上的差异，国内较多停留在以描述性分析为主着重描述金融的 定义 ，市场的划分及金融组织等，或称为描述金融；而国外学术界以及实务界则以数量性分析为主，比如资本 资产定价原理 ，衍生资产的复制方法等，或称为分析金融，即使在国内金融学的 教材 中，虽然涉及到了标的资产（ Underlying asset）和衍生资产（ Derivative 6 asset）定价，但对公式提出的原文证明也予以回避，这种现象是不合理的，产生这种现象的原因有如下几个方面：首先，根据研究方法的不同，我国金融学科既可以归到我国 哲学 社会科学规划办公室，也可以归到国家自然科学基金委员会 管理科学 部，前者占主要地位，且这支队伍大多来自经济转轨前的哲学和政治学队伍，因此研究方法多为定性的方法。 而西方正好相反，金融研究方向的队伍具有很好的数理功底。 其次是我国的金融市场的实际环境所决定。 我国证券市场刚起步，也没有一个统一的货币市场， 投资者队伍主要由中小投资者构成，市场投机成分高，因此不会产生对现代投资理论的需求，相应地，学术界也难以对此产生研究的热情。 然而数学技术以其精确的描述，严密的推导已经不容争辩地走进了金融领域。 自从 1952年马柯维茨（ Markowitz）提出了用随机变量的特征变量来描述金融资产的 收益性 ，不确定性和流动性以来，已经很难分清世界一流的金融杂志是在分析金融市场还是在撰写一篇数学论文。 再回到 Collins 的讲话，在金融证券化的趋势中，无论是我们采用 统计学 的方法分析历史数据，寻找价格波动规律，还是用 数学分析 的方法去复制金融产品，谁最先发现了在规律，谁就能在瞬息万变的金融市场中获取高额利润。 尽管由于森严的进入堡垒，数学进入金融领域 受到了一的排斥和漠视，然而为了追求利润，未知的恐惧显得不堪一击。 于是，在未来我们可以想象有这样一个充满美好前景的产业链：金融市场 金融数学 计算机技术。 金融市场存在巨大的利润和高风险，需要计算机技术帮助分析，然而计算机不可能大概，左右等描述性语言，它本质上只能识别由 0 和 1 构成的空间，金融数学在这个过程中正好扮演了一个中介角色，它可以用精确语言描述随机波动的市场。 比如，通过收益率状态 矩阵 在无套利的情形下找到了无风险贴现因子。 因此，金融数学能帮助 IT 产业向金融产业延伸，并获取自己的利润空间。 研究科目 ： a) 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 Scho1es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。 b) 在市场是不完全的条件下，引进与偏好有关的定价理论。 不完全市场经济均衡理论（ GEI）拟在以下几个方面进行研究：  无穷维空间、无穷水平空间、及无限状态 ；  随机经济、无套利均衡、经。