MSc Statistics and Computational Finance

该课程包含若干核心模块、一个选修模块以及一篇硕士论文。核心模块包括：生存分析与广义线性模型、统计模式识别、时间序列、多变量数据分析和使用Python的计算金融。学生还需从多个选项中选择一门选修课，例如：决策理论与贝叶斯统计、金融数学方法或离散时间下的数学金融，具体可选模块将在课程开始后确认。

课程的最终部分为一篇题为“统计与计算金融硕士论文”的独立研究项目，通常在夏季完成。学生将围绕统计学或计算金融领域的某一主题开展研究，并在导师指导下每周进行定期会面以推进工作。近期学生的论文课题涵盖：金融市场交易行为中的特征选择——大数据分析、英国与美国GDP数据的建模：估计与预测，以及不同国家股票市场中的“周内交易日效应”等。课程模块可能根据学术发展和师资专长进行调整。