普林斯顿大学运筹学与金融工程各阶段课程介绍

　　普林斯顿大学运筹学与金融工程的核心课程为统计学，随机指标和优化提供强有力的技术基础。这些领域的综合专业知识在研究和行业实践中取得了重大突破，该大学提供本科和博士学位，跟着出国留学网来一起了解一下吧。

　　一、本科课程

　　1.课程纵览

　　运筹学与金融工程本科课程可以被视为自由教育的现代形式，因为它基于科学和技术，而自由主义是指它提供广泛的智力发展，并可以适应许多不同类型的职业。许多学科的学生都被运筹学与金融工程课程吸引，因为他们将接受强大的基础教育和定量培训。

　　运筹学与金融工程学生获得解决复杂现实问题所需的定量技能。运筹学与金融工程教育强调数学建模的重要性。由于几乎所有复杂问题都包含不确定性，运筹学与金融工程学生将学习如何开发具有不确定性的数学模型，如何将现实数据纳入这些模型，以及如何做出能够有效改善绩效或管理资源的最佳决策。解决复杂问题的这种原则性和定量性方法在我们社会的许多不同领域都至关重要。通过将运筹学与金融工程核心课程与工程学，经济学、计算机科学、公共政策、文科、数学和科学课程相结合，每个学生可以设计一个适合其特定兴趣的独特课程。

　　运筹学与金融工程教育开启了广泛的应用领域的职业生涯。我们的许多学生通过强大的技术教育进入管理咨询，金融和信息技术领域。有兴趣获得更深入教育的学生已晋升为博士学位。开放学术界的职业生涯以及咨询公司和行业的先进职位。

　　2.课程内容

　　所有学生都从一个共同的学术核心开始，包括统计学、概率和随机过程以及优化。该学院的高级课程侧重于计算方法，并向学生展示金融、计量经济学、运筹学、通信网络、电子商务、交通和机器学习等领域的应用。此外，学生可以从一长串选修课程中进行选择，以形成符合其特定兴趣的连贯课程。学生还可以设计专业课程，必须由其学术顾问和本科学习/部门代表主任审核和批准。学生经常学习经济学、计算机科学、应用数学、土木与环境工程、机械和航空航天工程等课程，有关课程的更多信息，请参阅本科公告和运筹学与金融工程学术指南。该学院的学习要求遵循工程与应用科学学院的一般要求和普林斯顿大学的一般要求。

　　3.规划概述

　　该运筹学与金融工程学术指南供您参考每年更新的PDF文档可供下载。该文件非常详细地概述了规划过程，重点介绍了一些以前的论文主题，并重点介绍了我们现在的一些学生现在正在做的事情。该课程的学生计划与本科学习/部门代表主任和学生顾问协商。在部门批准的情况下，希望超越科学和工程要求的优秀学生也可以选择其他课程来取代一些必修课程，以便将重点放在另一个工程领域或科学领域。

　　除了工程学院的要求外，课程还有三个部分，核心要求、部门选修课以及高级论文或独立项目之间的选择。在学习期间，该学院的学生也参加各种证书课程。有关当前核心要求，部门选修课程和高级论文/独立项目主题的完整列表，请参阅运筹学与金融工程学术指南。

　　4.具体课程

　　以下书课程与运筹学与金融工程相得益彰，因此受到学生的欢迎：

　　应用和计算数学证书;金融证书;工程与管理系统证书课程;环境研究证书课程;统计学和机器学习证书;计算机应用程序;机器人和智能系统专业

　　5.研究设施

　　该学院的学生经常参与教师的研究兴趣，并可能利用这项工作所用的设施。有关特定研究设施的更多详细信息，请参阅运筹学与金融工程学术指南。

　　计算和随机运输与物流工程实验室;金融计量经济学实验室;金融工程实验室;普林斯顿能源系统分析实验室;统计实验室;运输中心。

　　二、博士课程

　　1.课程纵览

　　博士学位 在帮助学生为研究和教学做好准备。该课程的目的是在该部门的一个核心研究领域提供强大的学科背景。重点是实际问题解决中的理论基础，数学模型和计算问题。目前的教学和研究活动包括概率和随机过程、随机分析、数理统计、线性和非线性优化、随机优化、凸分析、随机网络和排队论、数学和计算金融以及金融计量经济学。当前教师感兴趣的应用领域包括财务、能源、健康、生物信息学和工程问题。要了解有关个别教师的研究兴趣的更多信息，请访问研究部分。

　　部门教师隶属于多个跨学科课程和中心，包括应用和计算数学课程，本德海姆金融中心，安德林格能源与环境中心，普林斯顿环境研究所以及统计与机械中心学习。学生可以将他们的部门工作与这些课程和中心以及计算机科学，经济学和数学等其他部门提供的课程和研究机会相结合。运筹学和金融工程博士学位的大约一半接受学术界的职位。

　　2.课程内容介绍

　　博士学位一年级：该课程，学生在与该学院的研究生研究主任协商后，参加6个部门的概率，统计和优化核心课程，并在夏季结束时进行资格考试。此外，在第二年的课程结束时，在学生感兴趣的领域的指导教师的指导下，至少完成两门高级课程和两个学期的定向研究，为一般考试做准备。一般检查通常在第二年的春季进行。通常，在一般检查之后，需要两到三年才能完成一份合适的论文。完成论文研究并由部门接受论文后，运筹学与金融工程博士学位综合指南程序可以在研究生手册和研究生院目录中找到。

　　研究研讨会，每周一次的部门学术讨论会系列将杰出的研究人员带到该部门展示他们的最新作品。此外，还组织了非正式研究研讨会，以交流信息并讨论正在进行的研究工作所产生的想法。学生，研究人员，访问学者和教师参加这些研讨会。

　　3.申请指导

　　通常需要获得工程，科学或数学学士学位才能进入研究生课程。入学者最好拥有有强大的数学背景。所有申请者都应提交研究生入学考试成绩。母语不是英语或未在美国大学或大学接受过本科教育的申请人也应提交英语作为外语(托福)或雅思考试成绩。有关申请研究生课程的更多详情，请访问研究生院网站。

　　4.经济支持

　　该部门旨在通过奖学金和助学金的组合支持所有请求援助的博士生。所有一年级博士生候选人获得全日制奖学金，使学生能够专注于课程，并灵活选择研究顾问。从第二年开始，学生将获得教学助学金，研究助学金和奖学金的支持。建议在取得令人满意的进展的基础上继续提供支持。有关财务支持的更多详细信息，请访问研究生院网站。

　　5.实验室资源

　　该学院设有若干研究小组，促进学生和教师之间的合作，并为研究和教学提供各种资源。其中包括：

　　计算和随机运输与物流工程实验室：最近，CASTLE实验室开始参与能源的最佳学习和研究。活动侧重于广泛的动态资产管理问题，包括管理运输设备(卡车、火车和飞机)，资产收购问题(电力行业的设备)以及相关的定价问题。重点是使用近似动态规划技术开发用于随机优化的计算方法。学生可以访问开发库，诊断工具以及来自工业应用的大量数据。

　　金融工程实验室：该实验室拥有金融工程教学和研究所需的计算机，软件和财务数据。它是博士研究生的焦点。金融工程专业和M.Fin。它还是与金融机构合作研究项目的门户。

　　普林斯顿能源系统分析实验室：PENSA是普林斯顿大学SAP能源系统研究计划的所在地。我们的目标是为新能源技术的发展，能源政策的严格研究以及能源资源的有效管理带来先进的分析思维。PENSA以我们在随机优化方面的专业知识为基础，解决了涉及能源系统设计和控制的各种问题。

　　统计实验室和金融计量经济学实验室：研究强调金融计量经济学和风险管理、计算生物学、生物统计学、高维统计学习、数据分析建模、纵向和功能数据分析，非线性时间序列，小波及其应用等方面的统计方法。我们的主要研究重点是开发和证明用于解决科学研究前沿问题的统计方法。

　　运输中心：该中心开展信息和决策工程技术研究，以及如何利用这些技术改善与运输相关的决策。

　　三、研究领域

　　运筹学和金融工程(运筹学与金融工程)部门的研究包括以下六个主要领域：金融数学、机器学习、运筹学、优化、概率和统计学。

　　1.金融数学

　　金融数学涉及金融市场中出现的数学模型和问题、并应用概率、优化、随机分析和统计学的工具。具体研究领域包括风险管理，不完全市场中的定价和对冲，随机波动率模型、交易成本市场、能源市场、信用风险、投资组合优化、效用无差异评估和随机微分游戏。

　　2.机器学习

　　机器学习源于设计算法的需要，这些算法能够从数据中学习如何做出准确的预测和决策。这些问题出现在各种“大数据”领域，如金融、基因组学、信息技术和神经科学。运筹学与金融工程的研究范围从大规模机器学习算法的设计到数学分析。

　　3.行动调查

　　运营研究结合使用优化，概率和统计来解决业务、能源系统、医疗服务、金融服务、电信和运输等环境领域的问题。活跃的研究领域通常在这些学科的交叉点上工作，例如在大规模统计模型的估计中使用优化，优化信息收集和随机优化。

　　4.优化

　　优化涉及最大化或最小化受约束的目标函数的分析和算法方面，通常在高维度的复杂问题中。运筹学与金融工程中的活跃研究领域包括内点法、参数单纯法、随机优化和凸分析。感兴趣的应用范围从投资组合优化到工程应用，如最优控制，光学设计和机器学习。

　　5.可能性

　　概率论是随机现象的数学描述。概率在几乎所有工程和科学领域都发挥着越来越重要的作用。运筹学与金融工程的概率研究范围从理论到应用，特别强调随机分析及其在各个领域的应用，包括金融数学、随机网络和排队、信号和图像处理以及随机控制。

　　6.统计

　　运筹学与金融工程的统计研究侧重于新统计方法的设计及其数学分析。具体研究领域包括高维统计、非参数统计、非线性时间序列、顺序学习、组合统计、纵向和功能数据分析以及稳健统计。应用领域涵盖各种科学领域，包括风险管理、计量经济学、机器学习、计算生物学和生物统计学。

　　拓展阅读：

　　持续的信息和机器学习革命对社会和工作场所的几乎每个方面都产生了巨大的影响。运筹学和金融工程(运筹学与金融工程)部门的研究和教学侧重于数据科学，概率建模和不确定性下的最优决策的基础，应用于通信、经济和金融、能源和环境、医疗管理、物理和生物科学、社会网络和运输。

　　例如，大规模优化和高维随机结构的见解在大规模数据集的统计分析中起着至关重要的作用，这些数据集出现在人类基因组和金融数据等多种多样的领域。来自统计学和机器学习的想法是开发用于在线决策的新算法以及从临床试验到互联网广告的其他复杂优化问题的核心。

　　我们现有15名教师、52名博士。学生和215个本科专业。在这些页面中，您将找到我们的研究、教学、研究生和本科课程，以及我们组织和主持的会议和其他活动的详细信息。感谢您访问我们的网站以及您对运筹学与金融工程的兴趣。