① 金融數學專業有哪些課程
這個每個學校的課程設置是不一樣的，現在我以謝菲爾德大學和南京工業大學合辦的一本批次的金融數學專業舉例，歡迎樓主採納（附：只列專業課）：
LEVEL 1：高等微積分-1,2、線性代數與解析幾何-1,2、概率統計引論-1、經濟學原理；
LEVEL 2：高等微積分-3、概率統計引論-2、常微分方程、金融學概論、微分方程方法、應用隨
機過程、財務會計導論、多元統計分析；
LEVEL 3：統計基礎、連續與基礎、財務管理、統計建模、運籌學、統計推理、金融數學、向量
空間、傅里葉理論、公司金融和資產定價、計量經濟學；
LEVEL 4：度量空間、隨機過程、隨機金融、數理金融學選講、公司理財、現代金融或金融衍生
物（二選一）
另自選下列課程中的四門：
經典控制理論；
數論選講；
貝葉斯統計；
線性模型；
復分析；
數學歷史；
代碼與加密；
應用概率；
時間序列；
計算統計推斷；
數理生物學；
② 貝葉斯公式的應用
寫作話題:
貝葉斯預測模型在礦物含量預測中的應用
貝葉斯預測模型在氣溫變化預測中的應用
貝葉斯學習原理及其在預測未來地震危險中的應用
基於稀疏貝葉斯分類器的汽車車型識別
信號估計中的貝葉斯方法及應用
貝葉斯神經網路在生物序列分析中的應用
基於貝葉斯網路的海上目標識別
貝葉斯原理在發動機標定中的應用
貝葉斯法在繼電器可靠性評估中的應用
相關書籍:
Arnold Zellner 《Bayesian Econometrics: Past, Present and Future》
Springer 《貝葉斯決策》
黃曉榕 《經濟信息價格評估以及貝葉斯方法的應用》
張麗 , 閆善文 , 劉亞東 《全概率公式與貝葉斯公式的應用及推廣》
周麗琴 《貝葉斯均衡的應用》
王輝 , 張劍飛 , 王雙成 《基於預測能力的貝葉斯網路結構學習》
張旭東 , 陳鋒 , 高雋 , 方廷健 《稀疏貝葉斯及其在時間序列預測中的應用》
鄒林全 《貝葉斯方法在會計決策中的應用》
周麗華 《市場預測中的貝葉斯公式應用》
夏敏軼 , 張焱 《貝葉斯公式在風險決策中的應用》
臧玉衛 , 王萍 , 吳育華 《貝葉斯網路在股指期貨風險預警中的應用》
黨佳瑞 , 胡杉杉 , 藍伯雄 《基於貝葉斯決策方法的證券歷史數據有效性分析》
肖玉山 , 王海東 《無偏預測理論在經驗貝葉斯分析中的應用》
嚴惠雲 , 師義民 《Linex損失下股票投資的貝葉斯預測》
卜祥志 , 王紹綿 , 陳文斌 , 余貽鑫 , 岳順民 《貝葉斯拍賣定價方法在配電市場定價中的應用》
劉嘉焜 , 范貽昌 , 劉波 《分整模型在商品價格預測中的應用》
《Bayes方法在經營決策中的應用》
《決策有用性的信息觀》
《統計預測和決策課件》
《貝葉斯經濟時間序列預測模型及其應用研究》
《貝葉斯統計推斷》
《決策分析理論與實務》
③ 貝葉斯定理厲害在哪裡有哪些驚為天人的應用
比如，天氣預報說，明天降雨的概率是30%。這是什麼意思呢？因為我們無法像計算頻率概率那樣，重復地把明天過上100次，然後計算出大約有30次會下雨，所以只能利用有限的信息（過去天氣的測量數據），採用貝葉斯定理來預測出明天下雨的概率是多少。同樣的，在現實世界中，我們每個人都需要預測。要想深入分析未來、思考是否買股票、政策給自己帶來哪些機遇、提出新產品構想，或者只是計劃一周的飯菜。貝葉斯定理就是為了解決這些問題而誕生的，它可以根據過去的數據來預測出概率。貝葉斯定理的思考方式為我們提供了明顯有效的方法來幫助我們提供能力，以便更好地預測未來的商業、金融、以及日常生活。
④ 貝葉斯網路模型作為一種統計分析模型,怎麼去做模型選擇呢
這是一種判別啊，分別將這些投資的不同組合帶到模型中，求出來最大的那個就是最佳模型啦！
⑤ 考山大金融數學的研究生都考哪些科目啊
山東大學考研金融學《數學一》考試內容和科目：
一、形式結構
1、試卷滿分及考試時間
試卷滿分為150分，考試時間為180分鍾.
2、答題方式
答題方式為閉卷、筆試.
3、試卷內容結構
高等數學56%
線性代數22%
概率論與數理統計 22%
4、試卷題型結構
試卷題型結構為：
單選題 8小題，每題4分，共32分
填空題 6小題，每題4分，共24分
解答題(包括證明題) 9小題，共94分
二、內容與要求
（一）高等數學
函數極限連續
1．理解函數的概念，掌握函數的表示法，會建立應用問題的函數關系．
2．了解函數的有界性、單調性、周期性和奇偶性．
3．理解復合函數及分段函數的概念，了解反函數及隱函數的概念．
4．掌握基本初等函數的性質及其圖形，了解初等函數的概念．
5．理解極限的概念，理解函數左極限與右極限的概念以及函數極限存在與左極限、右極限之間的關系．
6．掌握極限的性質及四則運演算法則．
7．掌握極限存在的兩個准則，並會利用它們求極限，掌握利用兩個重要極限求極限的方法．
8．理解無窮小量、無窮大量的概念，掌握無窮小量的比較方法，會用等價無窮小量求極限．
9．理解函數連續性的概念（含左連續與右連續），會判別函數間斷點的類型．
10．了解連續函數的性質和初等函數的連續性，理解閉區間上連續函數的性質（有界性、最大值和最小值定理、介值定理），並會應用這些性質．
一元函數微分學
考試要求
1.理解導數和微分的概念，理解導數與微分的關系，理解導數的幾何意義，會求平面曲線的切線方程和法線方程，了解導數的物理意義，會用導數描述一些物理量，理解函數的可導性與連續性之間的關系.
2.掌握導數的四則運演算法則和復合函數的求導法則，掌握基本初等函數的導數公式.了解微分的四則運演算法則和一階微分形式的不變性，會求函數的微分.
3.了解高階導數的概念，會求簡單函數的高階導數.
4.會求分段函數的導數，會求隱函數和由參數方程所確定的函數以及反函數的導數.
5.理解並會用羅爾(Rolle)定理、拉格朗日(Lagrange)中值定理和泰勒(Taylor)定理，了解並會用柯西(Cauchy)中值定理.
6.掌握用洛必達法則求未定式極限的方法.
7.理解函數的極值概念，掌握用導數判斷函數的單調性和求函數極值的方法，掌握函數最大值和最小值的求法及其應用.
8.會用導數判斷函數圖形的凹凸性(註：在區間 內，設函數 具有二階導數。當f''(x)>0 時，f(x) 的圖形是凹的;當f"(x) <0時，f(x) 的圖形是凸的)，會求函數圖形的拐點以及水平、鉛直和斜漸近線，會描繪函數的圖形.
9.了解曲率、曲率圓與曲率半徑的概念，會計算曲率和曲率半徑.
一元函數積分學
考試要求
1.理解原函數的概念，理解不定積分和定積分的概念.
2.掌握不定積分的基本公式，掌握不定積分和定積分的性質及定積分中值定理，掌握換元積分法與分部積分法.
3.會求有理函數、三角函數有理式和簡單無理函數的積分.
4.理解積分上限的函數，會求它的導數，掌握牛頓-萊布尼茨公式.
5.了解反常積分的概念，會計算反常積分.
6.掌握用定積分表達和計算一些幾何量與物理量(平面圖形的面積、平面曲線的弧長、旋轉體的體積及側面積、平行截面面積為已知的立體體積、功、引力、壓力、質心、形心等)及函數的平均值.
向量代數和空間解析幾何
考試要求
1.理解空間直角坐標系，理解向量的概念及其表示.
2.掌握向量的運算(線性運算、數量積、向量積、混合積)，了解兩個向量垂直、平行的條件.
3.理解單位向量、方向數與方向餘弦、向量的坐標表達式，掌握用坐標表達式進行向量運算的方法.
4.掌握平面方程和直線方程及其求法.
5.會求平面與平面、平面與直線、直線與直線之間的夾角，並會利用平面、直線的相互關系(平行、垂直、相交等)解決有關問題.
6.會求點到直線以及點到平面的距離.
7.了解曲面方程和空間曲線方程的概念.
8.了解常用二次曲面的方程及其圖形，會求簡單的柱面和旋轉曲面的方程.
9.了解空間曲線的參數方程和一般方程.了解空間曲線在坐標平面上的投影，並會求該投影曲線的方程.
多元函數微分學
考試要求
1.理解多元函數的概念，理解二元函數的幾何意義.
2.了解二元函數的極限與連續的概念以及有界閉區域上連續函數的性質.
3.理解多元函數偏導數和全微分的概念，會求全微分，了解全微分存在的必要條件和充分條件，了解全微分形式的不變性.
4.理解方向導數與梯度的概念，並掌握其計算方法.
5.掌握多元復合函數一階、二階偏導數的求法.
6.了解隱函數存在定理，會求多元隱函數的偏導數.
7.了解空間曲線的切線和法平面及曲面的切平面和法線的概念，會求它們的方程.
8.了解二元函數的二階泰勒公式.
9.理解多元函數極值和條件極值的概念，掌握多元函數極值存在的必要條件，了解二元函數極值存在的充分條件，會求二元函數的極值，會用拉格朗日乘數法求條件極值，會求簡單多元函數的最大值和最小值，並會解決一些簡單的應用問題.
多元函數積分學
考試要求
1.理解二重積分、三重積分的概念，了解重積分的性質，了解二重積分的中值定理.
2.掌握二重積分的計算方法(直角坐標、極坐標)，會計算三重積分(直角坐標、柱面坐標、球面坐標).
3.理解兩類曲線積分的概念，了解兩類曲線積分的性質及兩類曲線積分的關系.
4.掌握計算兩類曲線積分的方法.
5.掌握格林公式並會運用平面曲線積分與路徑無關的條件，會求二元函數全微分的原函數.
6.了解兩類曲面積分的概念、性質及兩類曲面積分的關系，掌握計算兩類曲面積分的方法，掌握用高斯公式計算曲面積分的方法，並會用斯托克斯公式計算曲線積分.
7.了解散度與旋度的概念，並會計算.
8.會用重積分、曲線積分及曲面積分求一些幾何量與物理量(平面圖形的面積、體積、曲面面積、弧長、質量、質心、、形心、轉動慣量、引力、功及流量等).
無窮級數
考試要求
1.理解常數項級數收斂、發散以及收斂級數的和的概念，掌握級數的基本性質及收斂的必要條件.
2.掌握幾何級數與 級數的收斂與發散的條件.
3.掌握正項級數收斂性的比較判別法和比值判別法，會用根值判別法.
4.掌握交錯級數的萊布尼茨判別法.
5. 了解任意項級數絕對收斂與條件收斂的概念以及絕對收斂與收斂的關系.
6.了解函數項級數的收斂域及和函數的概念.
7.理解冪級數收斂半徑的概念、並掌握冪級數的收斂半徑、收斂區間及收斂域的求法.
8.了解冪級數在其收斂區間內的基本性質(和函數的連續性、逐項求導和逐項積分)，會求一些冪級數在收斂區間內的和函數，並會由此求出某些數項級數的和.
9.了解函數展開為泰勒級數的充分必要條件.
10.掌握麥克勞林(Maclaurin)展開式，會用它們將一些簡單函數間接展開成冪級數.
11.了解傅里葉級數的概念和狄利克雷收斂定理，會將定義在 上的函數展開為傅里葉級數，會將定義在 上的函數展開為正弦級數與餘弦級數，會寫出傅里葉級數的和函數的表達式.
常微分方程
考試要求
1.了解微分方程及其階、解、通解、初始條件和特解等概念.
2.掌握變數可分離的微分方程及一階線性微分方程的解法.
3.會解齊次微分方程、伯努利方程和全微分方程，會用簡單的變數代換解某些微分方程.
4.會用降階法解下列形式的微分方程： .
5.理解線性微分方程解的性質及解的結構.
6.掌握二階常系數齊次線性微分方程的解法，並會解某些高於二階的常系數齊次線性微分方程.
7.會解自由項為多項式、指數函數、正弦函數、餘弦函數以及它們的和與積的二階常系數非齊次線性微分方程.
8.會解歐拉方程.
9.會用微分方程解決一些簡單的應用問題.
（二）線性代數
第一章：行列式
考試內容：
行列式的概念和基本性質 行列式按行（列）展開定理
考試要求：
1．了解行列式的概念，掌握行列式的性質．
2．會應用行列式的性質和行列式按行（列）展開定理計算行列式．
第二章：矩陣
考試內容：
矩陣的概念 矩陣的線性運算 矩陣的乘法 方陣的冪 方陣乘積的行列式 矩陣的轉置 逆矩陣的概念和性質矩陣可逆的充分必要條件 伴隨矩陣 矩陣的初等變換初等矩陣矩陣的秩矩陣等價 分塊矩陣及其運算
考試要求：
1．理解矩陣的概念，了解單位矩陣、數量矩陣、對角矩陣、三角矩陣、對稱矩陣和反對稱矩陣以及它們的性質．
2．掌握矩陣的線性運算、乘法、轉置以及它們的運算規律，了解方陣的冪與方陣乘積的行列式的性質.
3．理解逆矩陣的概念，掌握逆矩陣的性質以及矩陣可逆的充分必要條件，理解伴隨矩陣的概念，會用伴隨矩陣求逆矩陣．
4．理解矩陣的初等變換的概念，了解初等矩陣的性質和矩陣等價的概念，理解矩陣的秩的概念，掌握用初等變換求矩陣的秩和逆矩陣的方法．
5．了解分塊矩陣及其運算．
第三章：向量
考試內容：
向量的概念 向量的線性組合和線性表示 向量組的線性相關與線性無關 向量組的極大線性無關組等價向量組 向量組的秩 向量組的秩與矩陣的秩之間的關系 向量空間以及相關概念 n維向量空間的基變換和坐標變換 過渡矩陣 向量的內積 線性無關向量組的正交規范化方法 規范正交基 正交矩陣及其性質
考試要求：
1．理解n維向量、向量的線性組合與線性表示的概念．
2．理解向量組線性相關、線性無關的概念，掌握向量組線性相關、線性無關的有關性質及判別法．
3．理解向量組的極大線性無關組和向量組的秩的概念，會求向量組的極大線性無關組及秩．
4．理解向量組等價的概念，理解矩陣的秩與其行(列)向量組的秩之間的關系
5．了解n維向量空間、子空間、基底、維數、坐標等概念．
6．了解基變換和坐標變換公式，會求過渡矩陣．
7．了解內積的概念，掌握線性無關向量組正交規范化的施密特（Schmidt）方法．
8．了解規范正交基、正交矩陣的概念以及它們的性質．
第四章：線性方程組
考試內容:
線性方程組的克萊姆（Cramer）法則齊次線性方程組有非零解的充分必要條件非齊次線性方程組有解的充分必要條件 線性方程組解的性質和解的結構 齊次線性方程組的基礎解系和通解 解空間 非齊次線性方程組的通解
考試要求
l．會用克萊姆法則．
2．理解齊次線性方程組有非零解的充分必要條件及非齊次線性方程組有解的充分必要條件．
3．理解齊次線性方程組的基礎解系、通解及解空間的概念，掌握齊次線性方程組的基礎解系和通解的求法.
4．理解非齊次線性方程組解的結構及通解的概念．
5．掌握用初等行變換求解線性方程組的方法．
第五章：矩陣的特徵值及特徵向量
考試內容:
矩陣的特徵值和特徵向量的概念、性質 相似變換、相似矩陣的概念及性質 矩陣可相似對角化的充分必要條件及相似對角矩陣 實對稱矩陣的特徵值、特徵向量及相似對角矩陣
考試要求:
1．理解矩陣的特徵值和特徵向量的概念及性質，會求矩陣的特徵值和特徵向量.
2．理解相似矩陣的概念、性質及矩陣可相似對角化的充分必要條件，掌握將矩陣化為相似對角矩陣的方法.
3．掌握實對稱矩陣的特徵值和特徵向量的性質．
第六章：二次型
考試內容：
二次型及其矩陣表示 合同變換與合同矩陣二次型的秩 慣性定理 二次型的標准形和規范形 用正交變換和配方法化二次型為標准形 二次型及其矩陣的正定性
考試要求：
1．掌握二次型及其矩陣表示，了解二次型秩的概念，了解合同變化和合同矩陣的概念 了解二次型的標准形、規范形的概念以及慣性定理．
2．掌握用正交變換化二次型為標准形的方法，會用配方法化二次型為標准形．
3．理解正定二次型、正定矩陣的概念，並掌握其判別法
（三）概率與統計
第一章：隨機事件和概率
考試內容：
隨機事件與樣本空間 事件的關系與運算 完備事件組 概率的概念 概率的基本性質 古典型概率 幾何型概率 條件概率 概率的基本公式 事件的獨立性 獨立重復試驗 考試要求：
1．了解樣本空間(基本事件空間)的概念，理解隨機事件的概念，掌握事件的關系與運算．
2．理解概率、條件概率的概念，掌握概率的基本性質，會計算古典型概率和幾何型概率，掌握概率的加法公式、減法公式、乘法公式、全概率公式，以及貝葉斯(Bayes)公式．
3．理解事件的獨立性的概念，掌握用事件獨立性進行概率計算；理解獨立重復試驗的概念，掌握計算有關事件概率的方法．
第二章：隨機變數及其分布
考試內容：
隨機變數 隨機變數的分布函數的概念及其性質離散型隨機變數的概率分布連續型隨機變數的概率密度 常見隨機變數的分布 隨機變數函數的分布
考試要求：
1．理解隨機變數的概念．理解分布函數
的概念及性質．會計算與隨機變數相聯系的事件的概率．
2．理解離散型隨機變數及其概率分布的概念，掌握0－1分布、二項分布 、幾何分布、超幾何分布、泊松（Poisson）分布 及其應用．
3.了解泊松定理的結論和應用條件，會用泊松分布近似表示二項分布.
4．理解連續型隨機變數及其概率密度的概念，掌握均勻分布 、正態分布 、指數分布
及其應用，其中參數為λ（λ>0）的指數分布的概率密度為
5．會求隨機變數函數的分布．
第三章：多維隨機變數及其分布
考試內容
多維隨機變數及其分布 二維離散型隨機變數的概率分布、邊緣分布和條件分布 二維連續型隨機變數的概率密度、邊緣概率密度和條件密度
隨機變數的獨立性和不相關性 常用二維隨機變數的分布 兩個及兩個以上隨機變數簡單函數的分布
考試要求
1．理解多維隨機變數的概念，理解多維隨機變數的分布的概念和性質. 理解二維離散型隨機變數的概率分布、邊緣分布和條件分布，理解二維連續型隨機變數的概率密度、邊緣密度和條件密度，會求與二維隨機變數相關事件的概率．
2．理解隨機變數的獨立性及不相關性的概念，掌握隨機變數相互獨立的條件.
3．掌握二維均勻分布，了解二維正態分布
的概率密度，理解其中參數的概率意義．
4．會求兩個隨機變數簡單函數的分布，會求多個相互獨立隨機變數簡單函數的分布.
第四章：隨機變數的數字特徵
考試內容
隨機變數的數學期望（均值）、方差、標准差及其性質 隨機變數函數的數學期望 矩、協方差、相關系數及其性質
考試要求
1．理解隨機變數數字特徵（數學期望、方差、標准差、矩、協方差、相關系數）的概念，會運用數字特徵的基本性質，並掌握常用分布的數字特徵
2.會求隨機變數函數的數學期望.
第五章：大數定律和中心極限定理
考試內容
切比雪夫（Chebyshev）不等式切比雪夫大數定律伯努利（Bernoulli)大數定律辛欽（Khinchine）大數定律 棣莫弗－拉普拉斯（De Moivre－laplace）定理 列維－林德伯格（Levy-Lindberg）定理
考試要求
1．了解切比雪夫不等式．
2．了解切比雪夫大數定律、伯努利大數定律和辛欽大數定律(獨立同分布隨機變數序列的大數定律) .
3．了解棣莫弗-拉普拉斯定理(二項分布以正態分布為極限分布)和列維-林德伯格定理(獨立同分布隨機變數序列的中心極限定理) .
第六章：數理統計的基本概念
考試內容
總體 個體 簡單隨機樣本 統計量 樣本均值 樣本方差和樣本矩 分布 分布 分布 分位數 正態總體的常用抽樣分布
考試要求
1．理解總體、簡單隨機樣本、統計量、樣本均值、樣本方差及樣本矩的概念，其中樣本方差定義為：
2．了解 分布、 分布和 分布的概念及性質，了解上側 分位數的概念並會查表計算．
3．了解正態總體的常用抽樣分布．
第七章：參數估計
考試內容
點估計的概念 估計量與估計值 矩估計法 最大似然估計法 估計量的評選標准 區間估計的概念單個正態總體的均值和方差的區間估計兩個正態總體的均值差和方差比的區間估計
考試要求
1．理解參數的點估計、估計量與估計值的概念．
2．掌握矩估計法（一階矩、二階矩）和最大似然估計法．
3．了解估計量的無偏性、有效性（最小方差性）和一致性（相合性）的概念，並會驗證估計量的無偏性．
4．理解區間估計的概念，會求單個正態總體的均值和方差的置信區間，會求兩個正態總體的均值差和方差比的置信區間.
第八章：假設檢驗
考試內容
顯著性檢驗假設檢驗的兩類錯誤 單個及兩個正態總體的均值和方差的假設檢驗
考試要求
1．理解顯著性檢驗的基本思想，掌握假設檢驗的基本步驟，了解假設檢驗可能產生的兩類錯誤。
2．掌握單個及兩個正態總體的均值和方差的假設檢驗。
⑥ 金融數學有些什麼課程
主幹課程：
數學分析、高等代數、大學物理、常微分方程、復變函數、數值分析、數學建模、實變函數、金融英語、金融數學、近世代數、運籌學等。
培養要求：
系統掌握應用數學、金融學的基礎理論和方法，形成扎實的數學基本功底和嚴謹的數學思維模式。具備靈敏獲取信息能力和分析信息能力，具備不斷學習和創新的精神，具有一定的科學研究和教學能力，具有在經濟、金融領域從事定量分析，解決實際經濟問題及設計經濟數學模型等方面的基本能力。
(6)貝葉斯金融數學股票擴展閱讀：
金融數學歷史：
美國花旗銀行副總裁柯林斯（Collins）1995年3月6日在英國劍橋大學牛頓數學科學研究所的講演中敘述到：「在18世紀初，和牛頓同時代的著名數學家伯努利曾宣稱：『從事物理學研究而不懂數學的人實際上處理的是意義不大的東西。』
那時候，這樣的說法對物理學而言是正確的，但對於銀行業而言不一定對。在18世紀，你可以沒有任何數學訓練而很好地運作銀行。
過去對物理學而言是正確的說法現在對於銀行業也正確了。於是現在可以這樣說：『從事銀行業工作而不懂數學的人實際上處理的是意義不大的東西』。」他還指出：花旗銀行70%的業務依賴於數學，他還特別強調，『如果沒有數學發展起來的工具和技術，許多事情我們是一點辦法也沒有的……沒有數學我們不可能生存。」
這里銀行家用他的經驗描述了數學的重要性。在冷戰結束後，美國原先在軍事系統工作的數以千計的科學家進入了華爾街，大規模的基金管理公司紛紛開始僱傭數學博士或物理學博士。這是一個重要信號：金融市場不是戰場，卻遠勝於戰場。
但是市場和戰場都離不開復雜艱深，迅速的計算工作。21世紀數學技術和計算機技術一樣成為任何一門科學發展過程中的必備工具。
⑦ 貝葉斯原理及應用
貝葉斯決策理論是主觀貝葉斯派歸納理論的重要組成部分。貝葉斯決策就是在不完全情報下，對部分未知的狀態用主觀概率估計，然後用貝葉斯公式對發生概率進行修正，最後再利用期望值和修正概率做出最優決策。貝葉斯決策理論方法是統計模型決策中的一個基本方法，其基本思想是：1、已知類條件概率密度參數表達式和先驗概率。2、利用貝葉斯公式轉換成後驗概率。3、根據後驗概率大小進行決策分類。他對統計推理的主要貢獻是使用了"逆概率"這個概念，並把它作為一種普遍的推理方法提出來。貝葉斯定理原本是概率論中的一個定理，這一定理可用一個數學公式來表達，這個公式就是著名的貝葉斯公式。 貝葉斯公式是他在1763年提出來的：假定B1,B2,……是某個過程的若干可能的前提，則P(Bi)是人們事先對各前提條件出現可能性大小的估計，稱之為先驗概率。如果這個過程得到了一個結果A，那麼貝葉斯公式提供了我們根據A的出現而對前提條件做出新評價的方法。P(Bi∣A)既是對以A為前提下Bi的出現概率的重新認識，稱 P(Bi∣A)為後驗概率。經過多年的發展與完善，貝葉斯公式以及由此發展起來的一整套理論與方法，已經成為概率統計中的一個冠以「貝葉斯」名字的學派，在自然科學及國民經濟的許多領域中有著廣泛應用。公式：設D1，D2，……，Dn為樣本空間S的一個劃分，如果以P(Di)表示事件Di發生的概率，且P(Di)>0(i=1，2，…，n)。對於任一事件x，P(x)>0，則有： nP(Dj/x)=p(x/Dj)P(Dj)/∑P(X/Di)P(Di)i=1( http://wiki.mbalib.com/w/images/math/9/9/b/.png）貝葉斯預測模型在礦物含量預測中的應用 貝葉斯預測模型在氣溫變化預測中的應用 貝葉斯學習原理及其在預測未來地震危險中的應用 基於稀疏貝葉斯分類器的汽車車型識別 信號估計中的貝葉斯方法及應用 貝葉斯神經網路在生物序列分析中的應用 基於貝葉斯網路的海上目標識別 貝葉斯原理在發動機標定中的應用 貝葉斯法在繼電器可靠性評估中的應用 相關書籍: Arnold Zellner 《Bayesian Econometrics: Past, Present and Future》 Springer 《貝葉斯決策》 黃曉榕 《經濟信息價格評估以及貝葉斯方法的應用》 張麗 , 閆善文 , 劉亞東 《全概率公式與貝葉斯公式的應用及推廣》 周麗琴 《貝葉斯均衡的應用》 王輝 , 張劍飛 , 王雙成 《基於預測能力的貝葉斯網路結構學習》 張旭東 , 陳鋒 , 高雋 , 方廷健 《稀疏貝葉斯及其在時間序列預測中的應用》 鄒林全 《貝葉斯方法在會計決策中的應用》 周麗華 《市場預測中的貝葉斯公式應用》 夏敏軼 , 張焱 《貝葉斯公式在風險決策中的應用》 臧玉衛 , 王萍 , 吳育華 《貝葉斯網路在股指期貨風險預警中的應用》 黨佳瑞 , 胡杉杉 , 藍伯雄 《基於貝葉斯決策方法的證券歷史數據有效性分析》 肖玉山 , 王海東 《無偏預測理論在經驗貝葉斯分析中的應用》 嚴惠雲 , 師義民 《Linex損失下股票投資的貝葉斯預測》 卜祥志 , 王紹綿 , 陳文斌 , 余貽鑫 , 岳順民 《貝葉斯拍賣定價方法在配電市場定價中的應用》 劉嘉焜 , 范貽昌 , 劉波 《分整模型在商品價格預測中的應用》 《Bayes方法在經營決策中的應用》 《決策有用性的信息觀》 《統計預測和決策課件》 《貝葉斯經濟時間序列預測模型及其應用研究》 《貝葉斯統計推斷》 《決策分析理論與實務》
⑧ 2011年春季精算師考試變革後的那些數學，金融數學，精算模型是什麼內容了
你可以去中國精算協會網站上看考生指南，很詳細的，我大致給你說一下吧。
數學：
A、 概率論（分數比例約為35％）
1. 概率的計算、條件概率、全概公式和貝葉斯公式 (第一章)
2. 聯合分布律、邊緣分布函數及邊緣概率密度的計算 (第二章)
3. 隨機變數的數字特徵 (§3.1、§3.2、§3.4)
4. 條件期望和條件方差 (§3.3)
5. 大數定律及其應用 (第四章)
B、 數理統計（分數比例約為25％）
1. 統計量及其分布 (第五章)
2. 參數估計 (第六章)
3. 假設檢驗 (第七章)
4. 方差分析 (§8.1)
C、 應用統計（分數比例約為10％）
1. 一維線性回歸分析 (§8.2)
2. 時間序列分析(平穩時間序列及ARIMA模型) (第九章)
D、 隨機過程（分數比例約為20％）
1. 隨機過程一般定義和基本數字特徵 (第十章)
2. 幾個常用過程的定義和性質（泊松過程、更新過程、馬氏過程、鞅過程和布朗運動） (第十一章)
E、 隨機微積分（分數比例約為10%）
1. 關於布朗運動的積分 (§11.5、第十二章)
2. 伊藤公式 (§12.2)
金融數學：
A、利息理論（分數比例約為30%）
1 利息的基本概念（分數比例約為4%）
2 年金（分數比例約為6%）
3 收益率（分數比例約為6%）
4 債務償還（分數比例約為4%）
5 債券及其定價理論（分數比例約為10%）
B、利率期限結構與隨機利率模型 （分數比例: 16%）
1 利率期限結構理論（分數比例約為10%）
2 隨機利率模型（分數比例約為6%）
C、金融衍生工具定價理論（分數比例:26%）
1 金融衍生工具介紹（分數比例約為16%）
2 金融衍生工具定價理論（分數比例約為10%）
D、投資理論（分數比例:28%）
1 投資組合理論（分數比例約為12%）
2 資本資產定價（CAPM）與套利定價（APT）理論 （分數比例約為16%）
精算模型：
A、基本風險模型（分數比例：30%）
1. 生存分析的基本函數及生存模型：生存分析基本函數的概念及其相互關系；常用參數生存模型的假設及結果。
2. 生命表：掌握生命表函數與生存分析函數之間的關系，特別是不同假設下整數年齡間生命表函數的推導。
3. 理賠額和理賠次數的分布：常見的損失額分布以及不同賠償方式下理賠額的分布；單個保單理賠次數的分布；不同結構函數下保單組合理賠次數的分布以及相關性保單組合理賠次數的分布。
4. 短期個體風險模型：單個保單的理賠分布；獨立和分布的計算；矩母函數；中心極限定理的應用。
5. 短期聚合風險模型：理賠總量模型；復合泊松分布及其性質；聚合理賠量的近似模型。
6. 破產模型：連續時間與離散時間的盈餘過程與破產概率；總理賠過程；破產概率；調節系數；最優再保險與調節系數；布朗運動風險過程。
B、模型的估計和選擇（分數比例：30%）
1. 經驗模型：（1）掌握非完整數據生存函數的Kaplan-Meier乘積極限估計、危險率函數的Nelson-Aalen估計；（2）掌握生存函數區間估計、Greenwood方差近似及相應的區間估計；（4）掌握三種常見核函數的密度估計方法，熟悉大樣本的Kaplan-Meier近似計算方法，熟悉多元終止概率的計算，
2. 參數模型的估計：（1）掌握完整樣本數據下個體數據和分組數據的矩估計、分位數估計和極大似然估計方法；（2）掌握非完整樣本數據（存在刪失和截斷的數據）的矩估計和極大似然估計方法；（3）熟悉二元變數模型、和模型、Cox模型、廣義線性模型等多變數參數模型的參數估計。
3. 參數模型的檢驗和選擇：（1）學會運用p-p圖、QQ圖和平均剩餘生命圖等圖形來直觀選擇合適分布的方法；（3）掌握 x2 擬合優度檢驗、K-S檢驗、Anderson-Darling檢驗和似然比檢驗等選擇比較分布。
C、模型的調整和隨機模擬（分數比例：40%）
1. 修勻理論：掌握表格數據修勻、參數修勻的各種方法。對於表格數據修勻，要掌握移動加權平均修勻法、Whittaker修勻、Bayes修勻的概念及相關計算，掌握二維Whittaker修勻的方法及相關計算；對於參數修勻，要掌握對於三種含參數的人口模型（Gompertz、 Makeham、 Weibull）估計的方法，掌握分段參數修勻、光滑連接修勻的方法及相關計算。
2. 信度理論：熟悉各種信度模型，如有限波動信度、貝葉斯信度、Bühlmann模型、Bühlmann-Straub模型中信度估計的計算方法；熟悉使用經驗貝葉斯方法估計非參數、半參數和參數模式下的結構參數並計算信度估計值。
3. 隨機模擬：隨機數的產生方法；離散隨機變數與連續隨機變數的模擬；熟悉使用Bootstap方法計算均方誤差；熟悉MCMC模擬的簡單應用。
如果想了解的更多就去中國精算協會看看吧，希望你考個好成績喲~加油！！