贝叶斯金融数学股票

① 金融数学专业有哪些课程

这个每个学校的课程设置是不一样的，现在我以谢菲尔德大学和南京工业大学合办的一本批次的金融数学专业举例，欢迎楼主采纳（附：只列专业课）：
LEVEL 1：高等微积分-1,2、线性代数与解析几何-1,2、概率统计引论-1、经济学原理；
LEVEL 2：高等微积分-3、概率统计引论-2、常微分方程、金融学概论、微分方程方法、应用随
机过程、财务会计导论、多元统计分析；
LEVEL 3：统计基础、连续与基础、财务管理、统计建模、运筹学、统计推理、金融数学、向量
空间、傅里叶理论、公司金融和资产定价、计量经济学；
LEVEL 4：度量空间、随机过程、随机金融、数理金融学选讲、公司理财、现代金融或金融衍生
物（二选一）
另自选下列课程中的四门：
经典控制理论；
数论选讲；
贝叶斯统计；
线性模型；
复分析；
数学历史；
代码与加密；
应用概率；
时间序列；
计算统计推断；
数理生物学；

② 贝叶斯公式的应用

写作话题:

贝叶斯预测模型在矿物含量预测中的应用
贝叶斯预测模型在气温变化预测中的应用
贝叶斯学习原理及其在预测未来地震危险中的应用
基于稀疏贝叶斯分类器的汽车车型识别
信号估计中的贝叶斯方法及应用
贝叶斯神经网络在生物序列分析中的应用
基于贝叶斯网络的海上目标识别
贝叶斯原理在发动机标定中的应用
贝叶斯法在继电器可靠性评估中的应用

相关书籍:

Arnold Zellner 《Bayesian Econometrics: Past, Present and Future》
Springer 《贝叶斯决策》
黄晓榕 《经济信息价格评估以及贝叶斯方法的应用》
张丽 , 闫善文 , 刘亚东 《全概率公式与贝叶斯公式的应用及推广》
周丽琴 《贝叶斯均衡的应用》
王辉 , 张剑飞 , 王双成 《基于预测能力的贝叶斯网络结构学习》
张旭东 , 陈锋 , 高隽 , 方廷健 《稀疏贝叶斯及其在时间序列预测中的应用》
邹林全 《贝叶斯方法在会计决策中的应用》
周丽华 《市场预测中的贝叶斯公式应用》
夏敏轶 , 张焱 《贝叶斯公式在风险决策中的应用》
臧玉卫 , 王萍 , 吴育华 《贝叶斯网络在股指期货风险预警中的应用》
党佳瑞 , 胡杉杉 , 蓝伯雄 《基于贝叶斯决策方法的证券历史数据有效性分析》
肖玉山 , 王海东 《无偏预测理论在经验贝叶斯分析中的应用》
严惠云 , 师义民 《Linex损失下股票投资的贝叶斯预测》
卜祥志 , 王绍绵 , 陈文斌 , 余贻鑫 , 岳顺民 《贝叶斯拍卖定价方法在配电市场定价中的应用》
刘嘉焜 , 范贻昌 , 刘波 《分整模型在商品价格预测中的应用》
《Bayes方法在经营决策中的应用》
《决策有用性的信息观》
《统计预测和决策课件》
《贝叶斯经济时间序列预测模型及其应用研究》
《贝叶斯统计推断》
《决策分析理论与实务》

③ 贝叶斯定理厉害在哪里有哪些惊为天人的应用

比如，天气预报说，明天降雨的概率是30%。这是什么意思呢？因为我们无法像计算频率概率那样，重复地把明天过上100次，然后计算出大约有30次会下雨，所以只能利用有限的信息（过去天气的测量数据），采用贝叶斯定理来预测出明天下雨的概率是多少。同样的，在现实世界中，我们每个人都需要预测。要想深入分析未来、思考是否买股票、政策给自己带来哪些机遇、提出新产品构想，或者只是计划一周的饭菜。贝叶斯定理就是为了解决这些问题而诞生的，它可以根据过去的数据来预测出概率。贝叶斯定理的思考方式为我们提供了明显有效的方法来帮助我们提供能力，以便更好地预测未来的商业、金融、以及日常生活。

④ 贝叶斯网络模型作为一种统计分析模型,怎么去做模型选择呢

这是一种判别啊，分别将这些投资的不同组合带到模型中，求出来最大的那个就是最佳模型啦！

⑤ 考山大金融数学的研究生都考哪些科目啊

山东大学考研金融学《数学一》考试内容和科目：

一、形式结构
1、试卷满分及考试时间
试卷满分为150分，考试时间为180分钟.
2、答题方式
答题方式为闭卷、笔试.
3、试卷内容结构
高等数学56%
线性代数22%
概率论与数理统计 22%
4、试卷题型结构
试卷题型结构为：
单选题 8小题，每题4分，共32分
填空题 6小题，每题4分，共24分
解答题(包括证明题) 9小题，共94分

二、内容与要求

（一）高等数学

函数极限连续
1．理解函数的概念，掌握函数的表示法，会建立应用问题的函数关系．
2．了解函数的有界性、单调性、周期性和奇偶性．
3．理解复合函数及分段函数的概念，了解反函数及隐函数的概念．
4．掌握基本初等函数的性质及其图形，了解初等函数的概念．
5．理解极限的概念，理解函数左极限与右极限的概念以及函数极限存在与左极限、右极限之间的关系．
6．掌握极限的性质及四则运算法则．
7．掌握极限存在的两个准则，并会利用它们求极限，掌握利用两个重要极限求极限的方法．
8．理解无穷小量、无穷大量的概念，掌握无穷小量的比较方法，会用等价无穷小量求极限．
9．理解函数连续性的概念（含左连续与右连续），会判别函数间断点的类型．
10．了解连续函数的性质和初等函数的连续性，理解闭区间上连续函数的性质（有界性、最大值和最小值定理、介值定理），并会应用这些性质．
一元函数微分学
考试要求
1.理解导数和微分的概念，理解导数与微分的关系，理解导数的几何意义，会求平面曲线的切线方程和法线方程，了解导数的物理意义，会用导数描述一些物理量，理解函数的可导性与连续性之间的关系.
2.掌握导数的四则运算法则和复合函数的求导法则，掌握基本初等函数的导数公式.了解微分的四则运算法则和一阶微分形式的不变性，会求函数的微分.
3.了解高阶导数的概念，会求简单函数的高阶导数.
4.会求分段函数的导数，会求隐函数和由参数方程所确定的函数以及反函数的导数.
5.理解并会用罗尔(Rolle)定理、拉格朗日(Lagrange)中值定理和泰勒(Taylor)定理，了解并会用柯西(Cauchy)中值定理.
6.掌握用洛必达法则求未定式极限的方法.
7.理解函数的极值概念，掌握用导数判断函数的单调性和求函数极值的方法，掌握函数最大值和最小值的求法及其应用.
8.会用导数判断函数图形的凹凸性(注：在区间 内，设函数 具有二阶导数。当f''(x)>0 时，f(x) 的图形是凹的;当f"(x) <0时，f(x) 的图形是凸的)，会求函数图形的拐点以及水平、铅直和斜渐近线，会描绘函数的图形.
9.了解曲率、曲率圆与曲率半径的概念，会计算曲率和曲率半径.
一元函数积分学
考试要求
1.理解原函数的概念，理解不定积分和定积分的概念.
2.掌握不定积分的基本公式，掌握不定积分和定积分的性质及定积分中值定理，掌握换元积分法与分部积分法.
3.会求有理函数、三角函数有理式和简单无理函数的积分.
4.理解积分上限的函数，会求它的导数，掌握牛顿-莱布尼茨公式.
5.了解反常积分的概念，会计算反常积分.
6.掌握用定积分表达和计算一些几何量与物理量(平面图形的面积、平面曲线的弧长、旋转体的体积及侧面积、平行截面面积为已知的立体体积、功、引力、压力、质心、形心等)及函数的平均值.

向量代数和空间解析几何
考试要求
1.理解空间直角坐标系，理解向量的概念及其表示.
2.掌握向量的运算(线性运算、数量积、向量积、混合积)，了解两个向量垂直、平行的条件.
3.理解单位向量、方向数与方向余弦、向量的坐标表达式，掌握用坐标表达式进行向量运算的方法.
4.掌握平面方程和直线方程及其求法.
5.会求平面与平面、平面与直线、直线与直线之间的夹角，并会利用平面、直线的相互关系(平行、垂直、相交等)解决有关问题.
6.会求点到直线以及点到平面的距离.
7.了解曲面方程和空间曲线方程的概念.
8.了解常用二次曲面的方程及其图形，会求简单的柱面和旋转曲面的方程.
9.了解空间曲线的参数方程和一般方程.了解空间曲线在坐标平面上的投影，并会求该投影曲线的方程.
多元函数微分学
考试要求
1.理解多元函数的概念，理解二元函数的几何意义.
2.了解二元函数的极限与连续的概念以及有界闭区域上连续函数的性质.
3.理解多元函数偏导数和全微分的概念，会求全微分，了解全微分存在的必要条件和充分条件，了解全微分形式的不变性.
4.理解方向导数与梯度的概念，并掌握其计算方法.
5.掌握多元复合函数一阶、二阶偏导数的求法.
6.了解隐函数存在定理，会求多元隐函数的偏导数.
7.了解空间曲线的切线和法平面及曲面的切平面和法线的概念，会求它们的方程.
8.了解二元函数的二阶泰勒公式.
9.理解多元函数极值和条件极值的概念，掌握多元函数极值存在的必要条件，了解二元函数极值存在的充分条件，会求二元函数的极值，会用拉格朗日乘数法求条件极值，会求简单多元函数的最大值和最小值，并会解决一些简单的应用问题.
多元函数积分学
考试要求
1.理解二重积分、三重积分的概念，了解重积分的性质，了解二重积分的中值定理.
2.掌握二重积分的计算方法(直角坐标、极坐标)，会计算三重积分(直角坐标、柱面坐标、球面坐标).
3.理解两类曲线积分的概念，了解两类曲线积分的性质及两类曲线积分的关系.
4.掌握计算两类曲线积分的方法.
5.掌握格林公式并会运用平面曲线积分与路径无关的条件，会求二元函数全微分的原函数.
6.了解两类曲面积分的概念、性质及两类曲面积分的关系，掌握计算两类曲面积分的方法，掌握用高斯公式计算曲面积分的方法，并会用斯托克斯公式计算曲线积分.
7.了解散度与旋度的概念，并会计算.
8.会用重积分、曲线积分及曲面积分求一些几何量与物理量(平面图形的面积、体积、曲面面积、弧长、质量、质心、、形心、转动惯量、引力、功及流量等).
无穷级数
考试要求
1.理解常数项级数收敛、发散以及收敛级数的和的概念，掌握级数的基本性质及收敛的必要条件.
2.掌握几何级数与 级数的收敛与发散的条件.
3.掌握正项级数收敛性的比较判别法和比值判别法，会用根值判别法.
4.掌握交错级数的莱布尼茨判别法.
5. 了解任意项级数绝对收敛与条件收敛的概念以及绝对收敛与收敛的关系.
6.了解函数项级数的收敛域及和函数的概念.
7.理解幂级数收敛半径的概念、并掌握幂级数的收敛半径、收敛区间及收敛域的求法.
8.了解幂级数在其收敛区间内的基本性质(和函数的连续性、逐项求导和逐项积分)，会求一些幂级数在收敛区间内的和函数，并会由此求出某些数项级数的和.
9.了解函数展开为泰勒级数的充分必要条件.
10.掌握麦克劳林(Maclaurin)展开式，会用它们将一些简单函数间接展开成幂级数.
11.了解傅里叶级数的概念和狄利克雷收敛定理，会将定义在 上的函数展开为傅里叶级数，会将定义在 上的函数展开为正弦级数与余弦级数，会写出傅里叶级数的和函数的表达式.

常微分方程
考试要求
1.了解微分方程及其阶、解、通解、初始条件和特解等概念.
2.掌握变量可分离的微分方程及一阶线性微分方程的解法.
3.会解齐次微分方程、伯努利方程和全微分方程，会用简单的变量代换解某些微分方程.
4.会用降阶法解下列形式的微分方程： .
5.理解线性微分方程解的性质及解的结构.
6.掌握二阶常系数齐次线性微分方程的解法，并会解某些高于二阶的常系数齐次线性微分方程.
7.会解自由项为多项式、指数函数、正弦函数、余弦函数以及它们的和与积的二阶常系数非齐次线性微分方程.
8.会解欧拉方程.
9.会用微分方程解决一些简单的应用问题.

（二）线性代数

第一章：行列式
考试内容：
行列式的概念和基本性质 行列式按行（列）展开定理
考试要求：
1．了解行列式的概念，掌握行列式的性质．
2．会应用行列式的性质和行列式按行（列）展开定理计算行列式．
第二章：矩阵
考试内容：
矩阵的概念 矩阵的线性运算 矩阵的乘法 方阵的幂 方阵乘积的行列式 矩阵的转置 逆矩阵的概念和性质矩阵可逆的充分必要条件 伴随矩阵 矩阵的初等变换初等矩阵矩阵的秩矩阵等价 分块矩阵及其运算
考试要求：
1．理解矩阵的概念，了解单位矩阵、数量矩阵、对角矩阵、三角矩阵、对称矩阵和反对称矩阵以及它们的性质．
2．掌握矩阵的线性运算、乘法、转置以及它们的运算规律，了解方阵的幂与方阵乘积的行列式的性质.
3．理解逆矩阵的概念，掌握逆矩阵的性质以及矩阵可逆的充分必要条件，理解伴随矩阵的概念，会用伴随矩阵求逆矩阵．
4．理解矩阵的初等变换的概念，了解初等矩阵的性质和矩阵等价的概念，理解矩阵的秩的概念，掌握用初等变换求矩阵的秩和逆矩阵的方法．
5．了解分块矩阵及其运算．
第三章：向量
考试内容：
向量的概念 向量的线性组合和线性表示 向量组的线性相关与线性无关 向量组的极大线性无关组等价向量组 向量组的秩 向量组的秩与矩阵的秩之间的关系 向量空间以及相关概念 n维向量空间的基变换和坐标变换 过渡矩阵 向量的内积 线性无关向量组的正交规范化方法 规范正交基 正交矩阵及其性质
考试要求：
1．理解n维向量、向量的线性组合与线性表示的概念．
2．理解向量组线性相关、线性无关的概念，掌握向量组线性相关、线性无关的有关性质及判别法．
3．理解向量组的极大线性无关组和向量组的秩的概念，会求向量组的极大线性无关组及秩．
4．理解向量组等价的概念，理解矩阵的秩与其行(列)向量组的秩之间的关系
5．了解n维向量空间、子空间、基底、维数、坐标等概念．
6．了解基变换和坐标变换公式，会求过渡矩阵．
7．了解内积的概念，掌握线性无关向量组正交规范化的施密特（Schmidt）方法．
8．了解规范正交基、正交矩阵的概念以及它们的性质．
第四章：线性方程组
考试内容:
线性方程组的克莱姆（Cramer）法则齐次线性方程组有非零解的充分必要条件非齐次线性方程组有解的充分必要条件 线性方程组解的性质和解的结构 齐次线性方程组的基础解系和通解 解空间 非齐次线性方程组的通解
考试要求
l．会用克莱姆法则．
2．理解齐次线性方程组有非零解的充分必要条件及非齐次线性方程组有解的充分必要条件．
3．理解齐次线性方程组的基础解系、通解及解空间的概念，掌握齐次线性方程组的基础解系和通解的求法.
4．理解非齐次线性方程组解的结构及通解的概念．
5．掌握用初等行变换求解线性方程组的方法．
第五章：矩阵的特征值及特征向量
考试内容:
矩阵的特征值和特征向量的概念、性质 相似变换、相似矩阵的概念及性质 矩阵可相似对角化的充分必要条件及相似对角矩阵 实对称矩阵的特征值、特征向量及相似对角矩阵
考试要求:
1．理解矩阵的特征值和特征向量的概念及性质，会求矩阵的特征值和特征向量.
2．理解相似矩阵的概念、性质及矩阵可相似对角化的充分必要条件，掌握将矩阵化为相似对角矩阵的方法.
3．掌握实对称矩阵的特征值和特征向量的性质．
第六章：二次型
考试内容：
二次型及其矩阵表示 合同变换与合同矩阵二次型的秩 惯性定理 二次型的标准形和规范形 用正交变换和配方法化二次型为标准形 二次型及其矩阵的正定性
考试要求：
1．掌握二次型及其矩阵表示，了解二次型秩的概念，了解合同变化和合同矩阵的概念 了解二次型的标准形、规范形的概念以及惯性定理．
2．掌握用正交变换化二次型为标准形的方法，会用配方法化二次型为标准形．
3．理解正定二次型、正定矩阵的概念，并掌握其判别法

（三）概率与统计

第一章：随机事件和概率
考试内容：
随机事件与样本空间 事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性 独立重复试验 考试要求：
1．了解样本空间(基本事件空间)的概念，理解随机事件的概念，掌握事件的关系与运算．
2．理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法公式、减法公式、乘法公式、全概率公式，以及贝叶斯(Bayes)公式．
3．理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法．
第二章：随机变量及其分布
考试内容：
随机变量 随机变量的分布函数的概念及其性质离散型随机变量的概率分布连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布
考试要求：
1．理解随机变量的概念．理解分布函数
的概念及性质．会计算与随机变量相联系的事件的概率．
2．理解离散型随机变量及其概率分布的概念，掌握0－1分布、二项分布 、几何分布、超几何分布、泊松（Poisson）分布 及其应用．
3.了解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布.
4．理解连续型随机变量及其概率密度的概念，掌握均匀分布 、正态分布 、指数分布
及其应用，其中参数为λ（λ>0）的指数分布的概率密度为
5．会求随机变量函数的分布．
第三章：多维随机变量及其分布
考试内容
多维随机变量及其分布 二维离散型随机变量的概率分布、边缘分布和条件分布 二维连续型随机变量的概率密度、边缘概率密度和条件密度
随机变量的独立性和不相关性 常用二维随机变量的分布 两个及两个以上随机变量简单函数的分布
考试要求
1．理解多维随机变量的概念，理解多维随机变量的分布的概念和性质. 理解二维离散型随机变量的概率分布、边缘分布和条件分布，理解二维连续型随机变量的概率密度、边缘密度和条件密度，会求与二维随机变量相关事件的概率．
2．理解随机变量的独立性及不相关性的概念，掌握随机变量相互独立的条件.
3．掌握二维均匀分布，了解二维正态分布
的概率密度，理解其中参数的概率意义．
4．会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布.
第四章：随机变量的数字特征
考试内容
随机变量的数学期望（均值）、方差、标准差及其性质 随机变量函数的数学期望 矩、协方差、相关系数及其性质
考试要求
1．理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念，会运用数字特征的基本性质，并掌握常用分布的数字特征
2.会求随机变量函数的数学期望.
第五章：大数定律和中心极限定理
考试内容
切比雪夫（Chebyshev）不等式切比雪夫大数定律伯努利（Bernoulli)大数定律辛钦（Khinchine）大数定律 棣莫弗－拉普拉斯（De Moivre－laplace）定理 列维－林德伯格（Levy-Lindberg）定理
考试要求
1．了解切比雪夫不等式．
2．了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律(独立同分布随机变量序列的大数定律) .
3．了解棣莫弗-拉普拉斯定理(二项分布以正态分布为极限分布)和列维-林德伯格定理(独立同分布随机变量序列的中心极限定理) .
第六章：数理统计的基本概念
考试内容
总体 个体 简单随机样本 统计量 样本均值 样本方差和样本矩 分布 分布 分布 分位数 正态总体的常用抽样分布
考试要求
1．理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念，其中样本方差定义为：
2．了解 分布、 分布和 分布的概念及性质，了解上侧 分位数的概念并会查表计算．
3．了解正态总体的常用抽样分布．
第七章：参数估计
考试内容
点估计的概念 估计量与估计值 矩估计法 最大似然估计法 估计量的评选标准 区间估计的概念单个正态总体的均值和方差的区间估计两个正态总体的均值差和方差比的区间估计
考试要求
1．理解参数的点估计、估计量与估计值的概念．
2．掌握矩估计法（一阶矩、二阶矩）和最大似然估计法．
3．了解估计量的无偏性、有效性（最小方差性）和一致性（相合性）的概念，并会验证估计量的无偏性．
4．理解区间估计的概念，会求单个正态总体的均值和方差的置信区间，会求两个正态总体的均值差和方差比的置信区间.
第八章：假设检验
考试内容
显著性检验假设检验的两类错误 单个及两个正态总体的均值和方差的假设检验
考试要求
1．理解显著性检验的基本思想，掌握假设检验的基本步骤，了解假设检验可能产生的两类错误。
2．掌握单个及两个正态总体的均值和方差的假设检验。

⑥ 金融数学有些什么课程

主干课程：

数学分析、高等代数、大学物理、常微分方程、复变函数、数值分析、数学建模、实变函数、金融英语、金融数学、近世代数、运筹学等。

培养要求：

系统掌握应用数学、金融学的基础理论和方法，形成扎实的数学基本功底和严谨的数学思维模式。具备灵敏获取信息能力和分析信息能力，具备不断学习和创新的精神，具有一定的科学研究和教学能力，具有在经济、金融领域从事定量分析，解决实际经济问题及设计经济数学模型等方面的基本能力。

(6)贝叶斯金融数学股票扩展阅读：

金融数学历史：

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。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。

⑦ 贝叶斯原理及应用

贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：1、已知类条件概率密度参数表达式和先验概率。2、利用贝叶斯公式转换成后验概率。3、根据后验概率大小进行决策分类。他对统计推理的主要贡献是使用了"逆概率"这个概念，并把它作为一种普遍的推理方法提出来。贝叶斯定理原本是概率论中的一个定理，这一定理可用一个数学公式来表达，这个公式就是著名的贝叶斯公式。 贝叶斯公式是他在1763年提出来的：假定B1,B2,……是某个过程的若干可能的前提，则P(Bi)是人们事先对各前提条件出现可能性大小的估计，称之为先验概率。如果这个过程得到了一个结果A，那么贝叶斯公式提供了我们根据A的出现而对前提条件做出新评价的方法。P(Bi∣A)既是对以A为前提下Bi的出现概率的重新认识，称 P(Bi∣A)为后验概率。经过多年的发展与完善，贝叶斯公式以及由此发展起来的一整套理论与方法，已经成为概率统计中的一个冠以“贝叶斯”名字的学派，在自然科学及国民经济的许多领域中有着广泛应用。公式：设D1，D2，……，Dn为样本空间S的一个划分，如果以P(Di)表示事件Di发生的概率，且P(Di)>0(i=1，2，…，n)。对于任一事件x，P(x)>0，则有： 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）贝叶斯预测模型在矿物含量预测中的应用 贝叶斯预测模型在气温变化预测中的应用 贝叶斯学习原理及其在预测未来地震危险中的应用 基于稀疏贝叶斯分类器的汽车车型识别 信号估计中的贝叶斯方法及应用 贝叶斯神经网络在生物序列分析中的应用 基于贝叶斯网络的海上目标识别 贝叶斯原理在发动机标定中的应用 贝叶斯法在继电器可靠性评估中的应用 相关书籍: Arnold Zellner 《Bayesian Econometrics: Past, Present and Future》 Springer 《贝叶斯决策》 黄晓榕 《经济信息价格评估以及贝叶斯方法的应用》 张丽 , 闫善文 , 刘亚东 《全概率公式与贝叶斯公式的应用及推广》 周丽琴 《贝叶斯均衡的应用》 王辉 , 张剑飞 , 王双成 《基于预测能力的贝叶斯网络结构学习》 张旭东 , 陈锋 , 高隽 , 方廷健 《稀疏贝叶斯及其在时间序列预测中的应用》 邹林全 《贝叶斯方法在会计决策中的应用》 周丽华 《市场预测中的贝叶斯公式应用》 夏敏轶 , 张焱 《贝叶斯公式在风险决策中的应用》 臧玉卫 , 王萍 , 吴育华 《贝叶斯网络在股指期货风险预警中的应用》 党佳瑞 , 胡杉杉 , 蓝伯雄 《基于贝叶斯决策方法的证券历史数据有效性分析》 肖玉山 , 王海东 《无偏预测理论在经验贝叶斯分析中的应用》 严惠云 , 师义民 《Linex损失下股票投资的贝叶斯预测》 卜祥志 , 王绍绵 , 陈文斌 , 余贻鑫 , 岳顺民 《贝叶斯拍卖定价方法在配电市场定价中的应用》 刘嘉焜 , 范贻昌 , 刘波 《分整模型在商品价格预测中的应用》 《Bayes方法在经营决策中的应用》 《决策有用性的信息观》 《统计预测和决策课件》 《贝叶斯经济时间序列预测模型及其应用研究》 《贝叶斯统计推断》 《决策分析理论与实务》

⑧ 2011年春季精算师考试变革后的那些数学，金融数学，精算模型是什么内容了

你可以去中国精算协会网站上看考生指南，很详细的，我大致给你说一下吧。
数学：
A、 概率论（分数比例约为35％）
1. 概率的计算、条件概率、全概公式和贝叶斯公式 (第一章)
2. 联合分布律、边缘分布函数及边缘概率密度的计算 (第二章)
3. 随机变量的数字特征 (§3.1、§3.2、§3.4)
4. 条件期望和条件方差 (§3.3)
5. 大数定律及其应用 (第四章)
B、 数理统计（分数比例约为25％）
1. 统计量及其分布 (第五章)
2. 参数估计 (第六章)
3. 假设检验 (第七章)
4. 方差分析 (§8.1)
C、 应用统计（分数比例约为10％）
1. 一维线性回归分析 (§8.2)
2. 时间序列分析(平稳时间序列及ARIMA模型) (第九章)
D、 随机过程（分数比例约为20％）
1. 随机过程一般定义和基本数字特征 (第十章)
2. 几个常用过程的定义和性质（泊松过程、更新过程、马氏过程、鞅过程和布朗运动） (第十一章)
E、 随机微积分（分数比例约为10%）
1. 关于布朗运动的积分 (§11.5、第十二章)
2. 伊藤公式 (§12.2)
金融数学：
A、利息理论（分数比例约为30%）
1 利息的基本概念（分数比例约为4%）
2 年金（分数比例约为6%）
3 收益率（分数比例约为6%）
4 债务偿还（分数比例约为4%）
5 债券及其定价理论（分数比例约为10%）
B、利率期限结构与随机利率模型 （分数比例: 16%）
1 利率期限结构理论（分数比例约为10%）
2 随机利率模型（分数比例约为6%）
C、金融衍生工具定价理论（分数比例:26%）
1 金融衍生工具介绍（分数比例约为16%）
2 金融衍生工具定价理论（分数比例约为10%）
D、投资理论（分数比例:28%）
1 投资组合理论（分数比例约为12%）
2 资本资产定价（CAPM）与套利定价（APT）理论 （分数比例约为16%）
精算模型：
A、基本风险模型（分数比例：30%）
1. 生存分析的基本函数及生存模型：生存分析基本函数的概念及其相互关系；常用参数生存模型的假设及结果。
2. 生命表：掌握生命表函数与生存分析函数之间的关系，特别是不同假设下整数年龄间生命表函数的推导。
3. 理赔额和理赔次数的分布：常见的损失额分布以及不同赔偿方式下理赔额的分布；单个保单理赔次数的分布；不同结构函数下保单组合理赔次数的分布以及相关性保单组合理赔次数的分布。
4. 短期个体风险模型：单个保单的理赔分布；独立和分布的计算；矩母函数；中心极限定理的应用。
5. 短期聚合风险模型：理赔总量模型；复合泊松分布及其性质；聚合理赔量的近似模型。
6. 破产模型：连续时间与离散时间的盈余过程与破产概率；总理赔过程；破产概率；调节系数；最优再保险与调节系数；布朗运动风险过程。
B、模型的估计和选择（分数比例：30%）
1. 经验模型：（1）掌握非完整数据生存函数的Kaplan-Meier乘积极限估计、危险率函数的Nelson-Aalen估计；（2）掌握生存函数区间估计、Greenwood方差近似及相应的区间估计；（4）掌握三种常见核函数的密度估计方法，熟悉大样本的Kaplan-Meier近似计算方法，熟悉多元终止概率的计算，
2. 参数模型的估计：（1）掌握完整样本数据下个体数据和分组数据的矩估计、分位数估计和极大似然估计方法；（2）掌握非完整样本数据（存在删失和截断的数据）的矩估计和极大似然估计方法；（3）熟悉二元变量模型、和模型、Cox模型、广义线性模型等多变量参数模型的参数估计。
3. 参数模型的检验和选择：（1）学会运用p-p图、QQ图和平均剩余生命图等图形来直观选择合适分布的方法；（3）掌握 x2 拟合优度检验、K-S检验、Anderson-Darling检验和似然比检验等选择比较分布。
C、模型的调整和随机模拟（分数比例：40%）
1. 修匀理论：掌握表格数据修匀、参数修匀的各种方法。对于表格数据修匀，要掌握移动加权平均修匀法、Whittaker修匀、Bayes修匀的概念及相关计算，掌握二维Whittaker修匀的方法及相关计算；对于参数修匀，要掌握对于三种含参数的人口模型（Gompertz、 Makeham、 Weibull）估计的方法，掌握分段参数修匀、光滑连接修匀的方法及相关计算。
2. 信度理论：熟悉各种信度模型，如有限波动信度、贝叶斯信度、Bühlmann模型、Bühlmann-Straub模型中信度估计的计算方法；熟悉使用经验贝叶斯方法估计非参数、半参数和参数模式下的结构参数并计算信度估计值。
3. 随机模拟：随机数的产生方法；离散随机变量与连续随机变量的模拟；熟悉使用Bootstap方法计算均方误差；熟悉MCMC模拟的简单应用。

如果想了解的更多就去中国精算协会看看吧，希望你考个好成绩哟~加油！！