金融研究問題和研究方法

⑴ 金融統計有哪些研究方法

金融統計是指金融機構統計部門對各項金融業務活動的情況和資料進行收集、整理和分析的活動。
金融統計工作的基本任務是：
根據黨和國家的方針政策和國家管理經濟的要求，及時、准確、全面地完成各項金融業務統計報表；
收集、整理、積累金融和有關國民經濟的統計資料；
開展統計調查和統計分析，為金融部門和國家進行宏觀經濟決策、檢查和監督經濟、金融運行情況、加強金融監管和經營管理提供依據。
內容
金融統計的內容包括銀行信貸統計、銀行現金收支統計、貨幣供應與流通統計、金融市場統計。
銀行信貸統計
(1)銀行存款資金統計(財政存款和企業存款占存款的主要部分)
銀行存款資金統計主要指標：存款余額、存款收支發生額、存款平均余額、存款周轉率
儲蓄存款的主要指標：儲蓄率、人均儲蓄額、平均存儲天數
(2)銀行貸款資金統計
主要指標：貸款發放余額、貸款累計發放余額、貸款平均余額、貸款累計回收額、貸款周轉率、貸款產出率
(3)信貸資金平衡統計
主要指標：信貸收支差額
銀行現金收支統計
主要指標：
(1)現金收入總額=各項現金收入合計額+現金投放額
(2)現金支出總額=各項現金支出合計額+現金回籠額
(3)現金收支比例系數=期內現金支出合計額/期內現金收入合計額
(4)現金回籠率=(收入合計-支出合計)/(期初流通中貨幣量+期內支出合計)
貨幣供應與流通統計
(1)貨幣供應量：四個層次
(2)貨幣流通量
期末市場貨幣流通量=期初市場貨幣流通量+本期內現金投放總額-本期內現金回籠總額
(3)貨幣流通速度
現金歸行速度=期內銀行現金收入合計額/期內貨幣平均流通量
金融市場統計
(1)金融市場分類
按約定期限：短期資金市場、長期資金市場
按融資方式：直接融資市場(包括票據、債券、股票市場)、間接融資市場(包括貨幣、存單、信託、保險市場)
按成交後是否立即交割：現貨市場、期貨市場
以證券新舊為標志：證券發行市場、證券交易市場
(2)金融市場統計的主要內容
1、利率統計。2、債券股票統計。3、匯率統計。

⑵ 金融有哪些分析方法

金融分析一共有以下這些方法
1、套利是指利用一個或多個市場上存在的價格差，在不冒任何風險（或風險極小的）情況下通過踐買貴賣賺取利差的行為。套利是市場無效率的產物。在有效的金融市場上，金融資產不合理定價引發的套利行為，最終會使市場重新回到不存在套利機會的均衡狀態，這時確定的價格就是無套利均衡價格。
2、風險中性指的是這樣一種狀態：投資者並不需要額外的收益來吸引他們承擔風險；所有現金流量都可以通過無風險利率進行貼現求得現值。無套利定價法與風險中性定價法可謂殊途同歸。
3、狀態價格定價技術是無套利原則以及證券復制技術的具體運用。如果我們知道某種資產在未來各種狀態下的回報狀況以及市場無風險利率水平，我們就可以對該資產進行定價。
4、積木分析法主要以圖形來分析收益/風險關系以及金融工具之間的組合/分解關系。

⑶ 金融專業 前沿研究課題！有哪些！

我是一個理財師，對於金融方面的知識還是比較了解一些的，而且我自己也是金融學專業的人，我們的金融學，比較前沿的課題有下面幾個，希望大家可以參考：

第一、金融模型的研究是一個比較困難的前沿學科，對於經濟和金融的數據化分析要求十分的高，特別是金融模型，必須在數學基礎上開始建立自己的研究項目，這點要求金融學的人，必須有極高的數學素養。

第二、金融貨幣推理，這是一種對於貨幣分析的前沿研究，難度比較大，而且現在的研究范圍還比較小，所以要求專業性極強，特別是對於貨幣知識，要求有一定的專門實際操作的經驗，這點來說難度很大。

第三、金融衍生品的學術研究，是金融專業裡面實用的專業，也是比較前沿的專業，金融衍生品有很多類型，比如期權期貨互換之類，要求研究的人專業性比較強，同時具備一定的實際知識。

第四、金融的資金融通，是一個研究的最前沿，也是現在國際和國內比較關注的一個研究課題，不過這類研究范圍很大，幾乎涵蓋所以的金融轉換，所以研究的人必須具備極高的金融學和經濟學基礎。

第五、金融服務研究，這類研究是最近十幾年開始的一個研究課題，主要是對於金融行業繼續深化服務品質的一種研究，提高金融效率的一種研究。

上的這些研究的課題，對於金融專業來說，是最前沿的研究項目，其復雜程度很高，所以金融專業的人，要研究這些課題需要付出極大的努力，而且要有一種毅力，我在這方面有一定接觸，所以希望開始研究的朋友們，把自己的精力全部的集中起來，這樣才可以真正的做好研究工作！

⑷ 寫有關金融方面的論文的研究方法及選題，目的及意義。如何寫金融方面的論文提綱 從哪來查找資料呢謝謝

論文寫作，先不說內容，首先格式要正確，一篇完整的論文，題目，摘要（中英文），目錄，正文（引言，正文，結語），致謝，參考文獻。規定的格式，字體，段落，頁眉頁腳，開始寫之前，都得清楚的，你的論文算是寫好了五分之一。
然後，選題，你的題目時間寬裕，那就好好考慮，選一個你思考最成熟的，可以比較多的閱讀相關的參考文獻，從裡面獲得思路，確定一個模板性質的東西，照著來，寫出自己的東西。如果時間緊急，那就隨便找一個參考文獻，然後用和這個參考文獻相關的文獻，拼出一篇，再改改。
正文，語言必須是學術的語言。一定先列好提綱，這就是框定每一部分些什麼，保證內容不亂，將內容放進去，寫好了就。
參考文獻去中國知網搜索，校園網免費下載。
研究目的和意義就是你研究的課題對於我國行業的重要性，以及你研究內容所具有的理論和實踐意義，一般就是對於當前行業的具有什麼樣的指導

合適採納

⑸ 金融市場的調研有哪些流程

一個完整的金融市場調查流程包括確定金融市場調查的目標、探索性研究、設計調研方案、實驗性調查、收集數據資料、整理資料、分析資料、撰寫調研報告。

一、確定金融市場調查的目標：確定金融市場調研目的要明確這樣兩個問題：一是調研所得信息是為了解決什麼決策問題；二是在費用既定的情況下，調研所得信息要達到怎樣的准確程度。調查目標要和決策者溝通交流，根據實際情況確定具體可行的市場調查目標。

二、探索性研究：探索性研究是根據確定的調查目標，對承載調查目標的調查項目進行初步認識，提供對調研問題的理解和觀察，為以後的問卷及調研方案的設計打下堅實的基礎。探索性調研是非正式調研，在對調研問題的認識、內容與性質不夠明確和了解的情況下可採用。

三、設計調研方案：金融市場調研方案是整個市場調查的行動綱要。當決定進行正式調研以後，就要制定正式的調研方案。調研方案包括確定調研目標、具體調研項目、選擇調查方法、確定調查的具體時間、調查人員及經費安排、設計調研問卷等相關問題。

四、實驗性調查：實驗性調查指在一次調查之前，先用小樣本來驗證調研方案是否可行以及是否存在漏洞。如果有問題，則可能要返回到探索性研究中，對調查項目及調研方案作重新修改。

以上四個階段是市場調查的准備階段，准備階段為將要進行的收集和分析數據指明了方向，習慣上也稱為調研企劃。

五、收集數據資料：根據調研方案具體實施調查。在調研實施過程中，要注意資料來源渠道的選擇和資料收集方法的選擇要與調查方案相一致，以確保資料質量，減少調查誤差。

六、整理資料：整理資料包括三個步驟：首先，對收集來的資料要先進行審核，主要看資料是否具備及時、准確、完整這三個特徵；其次，對審核後的資料進行編碼，即把文字資料轉化為計算機能識別的數字元號；最後，把資料錄入計算機。

七、分析資料：根據金融市場調研的要求，要對收集的資料和數據進行處理。在這一過程中，先做頻數分析，接著可根據變數的特點，進行多變數或是建立模型分析。

八、撰寫調研報告：根據調查資料和整理結果撰寫金融市場調研報告，提出問題的解決方案和建設性意見，為制訂營銷計劃提供參考。調研報告具體包括調研目的、調研方法、調研結果及資料分析、對策建議和附錄等。

⑹ 金融經濟學研究哪些問題

金融經濟學；所謂金融經濟學，它就是一門研究金融資源有效配置的科學。雖然，金融資源(也稱金融工具)的形態有多種多樣，有貨幣、債券、股票，也有它們的衍生產品，它們所帶來的收益和風險也各不相同，但是，它們都有一個共同的特徵：人們擁有它們不再是像經濟學原理所描述的那樣是為了想從使用這些「商品」的過程中得到一種滿足，而是希望通過它們能在未來創造出更多的價值，從而在這種能夠直接提高自身物質購買力的「金融資源配置」過程中得到最大的滿足。
對金融經濟學的擴展作用，一種似乎更合理的解釋是基於本領域中的迅速發展。在大約25年前，金融理論僅僅是一種習俗描述與由實踐者創造的很少具有分析基礎的憑實際經驗所得的做法的結合，就此而言，結果幾乎很少正確。金融經濟學家認為，在原則上證券價格應該可以依照運用嚴謹的經濟理論來分析。然而，實際上大部分的經濟學家沒有投入更多的努力在這一方向上發展經濟學。現今，與之相比，金融經濟學在既涉及時間、又涉及不確定性問題的經濟分析方面不斷地佔據著核心的地位。以前，這是貨幣經濟學的內容；金融學方法越來越多地用於分析超出那些涉及證券價格和投資組合選擇范圍的問題，尤其是當這些包含既有時間又有不確定性的問題。一個事例是真實期權的研究，最初由對期權的分析所發展起來的金融學工具被應用到像環境經濟學領域中。這個領域在本質上不處理期權，但是所牽涉的問題與期權思想聯系非常緊密。

⑺ 金融數學的研究內容

金融數學主要的研究內容和擬重點解決的問題包括：
(1)有價證券和證券組合的定價理論
發展有價證券（尤其是期貨、期權等衍生工具）的定價理論。所用的數學方法主要是提出合適的隨機微分方程或隨機差分方程模型，形成相應的倒向方程。建立相應的非線性Feynman一Kac公式，由此導出非常一般的推廣的Black一Scholes定價公式。所得到的倒向方程將是高維非線性帶約束的奇異方程。
研究具有不同期限和收益率的證券組合的定價問題。需要建立定價與優化相結合的數學模型，在數學工具的研究方面，可能需要隨機規劃、模糊規劃和優化演算法研究。
在市場是不完全的條件下，引進與偏好有關的定價理論。
(2）不完全市場經濟均衡理論（GEI）
擬在以下幾個方面進行研究：
1．無窮維空間、無窮水平空間、及無限狀態
2.隨機經濟、無套利均衡、經濟結構參數變異、非線資產結構
3．資產證券的創新（Innovation）與設計（Design）
4．具有摩擦（Friction）的經濟
5．企業行為與生產、破產與壞債
6.證券市場博弈。
（3）GEI 平板衡演算法、蒙特卡羅法在經濟平衡點計算中的應用， GEI的理論在金融財政經濟宏觀經濟調控中的應用，不完全市場條件下，持續發展理論框架下研究自然資源資產定價與自然資源的持續利用。
1.什麼是關聯規則
在描述有關關聯規則的一些細節之前，我們先來看一個有趣的故事："尿布與啤酒"的故事。
在一家超市裡，有一個有趣的現象：尿布和啤酒赫然擺在一起出售。但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發生在美國沃爾瑪連鎖店超市的真實案例，並一直為商家所津津樂道。沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠准確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是："跟尿布一起購買最多的商品竟是啤酒！經過大量實際調查和分析，揭示了一個隱藏在"尿布與啤酒"背後的美國人的一種行為模式：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。按常規思維，尿布與啤酒風馬牛不相及，若不是藉助數據挖掘技術對大量交易數據進行挖掘分析，沃爾瑪是不可能發現數據內在這一有價值的規律的。
數據關聯是資料庫中存在的一類重要的可被發現的知識。若兩個或多個變數的取值之間存在某種規律性，就稱為關聯。關聯可分為簡單關聯、時序關聯、因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。有時並不知道資料庫中數據的關聯函數，即使知道也是不確定的，因此關聯分析生成的規則帶有可信度。關聯規則挖掘發現大量數據中項集之間有趣的關聯或相關聯系。Agrawal等於1993年首先提出了挖掘顧客交易資料庫中項集間的關聯規則問題，以後諸多的研究人員對關聯規則的挖掘問題進行了大量的研究。他們的工作包括對原有的演算法進行優化，如引入隨機采樣、並行的思想等，以提高演算法挖掘規則的效率；對關聯規則的應用進行推廣。關聯規則挖掘在數據挖掘中是一個重要的課題，最近幾年已被業界所廣泛研究。
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(FrequentItemsets)，第二階段再由這些高頻項目組中產生關聯規則(AssociationRules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(LargeItemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含{A,B}項目組的支持度，若支持度大於等於所設定的最小支持度(MinimumSupport)門檻值時，則{A,B}稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequentk-itemset)，一般表示為Largek或Frequentk。演算法並從Largek的項目組中再產生Largek+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(AssociationRules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(MinimumConfidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組{A,B}所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5%且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然數值型關聯規則中也可以包含種類變數。例如：性別=「女」=>職業=「秘書」，是布爾型關聯規則；性別=「女」=>avg（收入）=2300，涉及的收入是數值類型，所以是一個數值型關聯規則。
2.基於規則中數據的抽象層次，可以分為單層關聯規則和多層關聯規則。
在單層的關聯規則中，所有的變數都沒有考慮到現實的數據是具有多個不同的層次的；而在多層的關聯規則中，對數據的多層性已經進行了充分的考慮。例如：IBM台式機=>Sony列印機，是一個細節數據上的單層關聯規則；台式機=>Sony列印機，是一個較高層次和細節層次之間的多層關聯規則。
3.基於規則中涉及到的數據的維數，關聯規則可以分為單維的和多維的。
在單維的關聯規則中，我們只涉及到數據的一個維，如用戶購買的物品；而在多維的關聯規則中，要處理的數據將會涉及多個維。換成另一句話，單維關聯規則是處理單個屬性中的一些關系；多維關聯規則是處理各個屬性之間的某些關系。例如：啤酒=>尿布，這條規則只涉及到用戶的購買的物品；性別=「女」=>職業=「秘書」，這條規則就涉及到兩個欄位的信息，是兩個維上的一條關聯規則。 Apriori演算法
2.3關聯規則挖掘的相關演算法
1.Apriori演算法：使用候選項集找頻繁項集
Apriori演算法是一種最有影響的挖掘布爾關聯規則頻繁項集的演算法。其核心是基於兩階段頻集思想的遞推演算法。該關聯規則在分類上屬於單維、單層、布爾關聯規則。在這里，所有支持度大於最小支持度的項集稱為頻繁項集，簡稱頻集。
該演算法的基本思想是：首先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支持度一樣。然後由頻集產生強關聯規則，這些規則必須滿足最小支持度和最小可信度。然後使用第1步找到的頻集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這里採用的是中規則的定義。一旦這些規則被生成，那麼只有那些大於用戶給定的最小可信度的規則才被留下來。為了生成所有頻集，使用了遞推的方法。
可能產生大量的候選集,以及可能需要重復掃描資料庫，是Apriori演算法的兩大缺點。
2.基於劃分的演算法：Savasere等設計了一個基於劃分的演算法。這個演算法先把資料庫從邏輯上分成幾個互不相交的塊，每次單獨考慮一個分塊並對它生成所有的頻集，然後把產生的頻集合並，用來生成所有可能的頻集，最後計算這些項集的支持度。這里分塊的大小選擇要使得每個分塊可以被放入主存，每個階段只需被掃描一次。而演算法的正確性是由每一個可能的頻集至少在某一個分塊中是頻集保證的。該演算法是可以高度並行的，可以把每一分塊分別分配給某一個處理器生成頻集。產生頻集的每一個循環結束後，處理器之間進行通信來產生全局的候選k-項集。通常這里的通信過程是演算法執行時間的主要瓶頸；而另一方面，每個獨立的處理器生成頻集的時間也是一個瓶頸。
3.FP-樹頻集演算法：針對Apriori演算法的固有缺陷，J.Han等提出了不產生候選挖掘頻繁項集的方法：FP-樹頻集演算法。採用分而治之的策略，在經過第一遍掃描之後，把資料庫中的頻集壓縮進一棵頻繁模式樹（FP-tree），同時依然保留其中的關聯信息，隨後再將FP-tree分化成一些條件庫，每個庫和一個長度為1的頻集相關，然後再對這些條件庫分別進行挖掘。當原始數據量很大的時候，也可以結合劃分的方法,使得一個FP-tree可以放入主存中。實驗表明，FP-growth對不同長度的規則都有很好的適應性，同時在效率上較之Apriori演算法有巨大的提高。
3.該領域在國內外的應用
3.1關聯規則發掘技術在國內外的應用
就目前而言，關聯規則挖掘技術已經被廣泛應用在西方金融行業企業中，它可以成功預測銀行客戶需求。一旦獲得了這些信息，銀行就可以改善自身營銷。現在銀行天天都在開發新的溝通客戶的方法。各銀行在自己的ATM機上就捆綁了顧客可能感興趣的本行產品信息，供使用本行ATM機的用戶了解。如果資料庫中顯示，某個高信用限額的客戶更換了地址，這個客戶很有可能新近購買了一棟更大的住宅，因此會有可能需要更高信用限額，更高端的新信用卡，或者需要一個住房改善貸款，這些產品都可以通過信用卡賬單郵寄給客戶。當客戶打電話咨詢的時候，資料庫可以有力地幫助電話銷售代表。銷售代表的電腦屏幕上可以顯示出客戶的特點，同時也可以顯示出顧客會對什麼產品感興趣。
同時，一些知名的電子商務站點也從強大的關聯規則挖掘中的受益。這些電子購物網站使用關聯規則中規則進行挖掘，然後設置用戶有意要一起購買的捆綁包。也有一些購物網站使用它們設置相應的交叉銷售，也就是購買某種商品的顧客會看到相關的另外一種商品的廣告。
但是目前在我國，「數據海量，信息缺乏」是商業銀行在數據大集中之後普遍所面對的尷尬。目前金融業實施的大多數資料庫只能實現數據的錄入、查詢、統計等較低層次的功能，卻無法發現數據中存在的各種有用的信息，譬如對這些數據進行分析，發現其數據模式及特徵，然後可能發現某個客戶、消費群體或組織的金融和商業興趣，並可觀察金融市場的變化趨勢。可以說，關聯規則挖掘的技術在我國的研究與應用並不是很廣泛深入。
3.2近年來關聯規則發掘技術的一些研究
由於許多應用問題往往比超市購買問題更復雜，大量研究從不同的角度對關聯規則做了擴展，將更多的因素集成到關聯規則挖掘方法之中，以此豐富關聯規則的應用領域，拓寬支持管理決策的范圍。如考慮屬性之間的類別層次關系，時態關系，多表挖掘等。近年來圍繞關聯規則的研究主要集中於兩個方面，即擴展經典關聯規則能夠解決問題的范圍，改善經典關聯規則挖掘演算法效率和規則興趣性。

⑻ 我國農村金融環境研究採用什麼研究方法

——聚土回答
農村金融在改革開放幾十年來，已經發展成了已正規性金融為主非正規金融（個人）為輔的金融體系服務於農村，在如今的農村金融中，正規包括農業相關銀行，農業，農業發展，農村郵政，農村信用社等，而非正規金融包括無組織無的（1）個人借貸和融資，（2）有組織無帶有互助資金性質的各種金融會。（3）沒有認可的有組織有的各種融資形式，如私人錢庄等。
農村金融的研究思路及方法主要包括要研究農村金融的：
（1）農村金融資產總量，包括了解農村金融資當前產量，預測未來可能產量。
（2）農村金融盈利水平。
（3）農村金融業務量佔全國比重。
研究農村金融包括金融面對的問題，包括：
（1）農村正規金融市場主體單一問題
（2）農村金融經營風險很大的問題
（3）農村資金需求與供給不匹配的問題等。
最後應當研究農村金融在未來的發展思路。希望能幫到你。

⑼ 金融專碩研究方向有哪些哪個方向更好

1、金融專碩分幾個研究方向取決於具體的招生單位。

2、很多招生單位的專碩不區分研究方向，具體可以查看專業目錄。

3、各個招生單位金融專碩的研究方向大致有：數量金融方向；金融學方向。

是相關的政府公務員、研究機構、金融管理部門、大學等等，工作比較輕松穩定，但入門的要求會較高，且收入可能會比預計的低一些。

(9)金融研究問題和研究方法擴展閱讀：

在職備考方法說明如下：

1、首先，對照考試綱和課本，鞏固知識點

備考在職研究生考試就是在打一場持久戰，到了沖刺階段需要對基本知識點進行梳理、總結和歸納。對考試大綱中新增的考試點我們要對照考綱和課本，把計算機理本的知識點，要進行再熟悉和鞏固，而對於自己掌握不好或理解不夠的金融理論知識點要進行「掃盲」。

2、其次，巧用金融學在職研究生真題助戰

金融理論知識固然重要，但是我們也要注意運用課本中的理論知識解決現實生活中的金融問題。這就要做到理論與實踐相結合。因此，在對理論知識進行了再復習與再發現之後，我們要開始進行大量的強化練習。

⑽ 關於碩士研究生金融學的「研究方向」的問題

金融學專業主要研究貨幣理論與政策、商業銀行體系運行與管理,以及金融市場的理論與實踐等。
1、國際金融 主要研究的是國際收支、國際投資、國際貨幣流動和國際儲備等等。該研究方向重點研究國際金融基礎理論和前沿問題，探討我國國際金融市場的獨特規律。
2、投資學與資本市場 主要研究的是金融市場學的運作，以及在金融市場的投資等問題。該研究方向重點研究資本市場運作規律，包括資產投資組合理論、衍生產品定價理論、風險管理技術、企業的財務活動和投融資決策等微觀金融理論，尋求符合我國企業運行特徵的理財決策體系。
3、風險管理與保險 重點研究保險基礎理論和前沿問題，研究海外保險市場的理論和實證研究方法，探討中國保險市場的獨特規律，注重規范研究和實證研究相結合，研究我國壽險、非壽險、再保險和保險中介市場的保險經營、保險監管以及保險精算技術等理論和實務 。
4、金融數學與保險精算學 重點研究保險基礎理論和前沿問題，研究我國壽險、非壽險、再保險的經營和監管，注重規范研究和實證研究相結合，探討中國保險市場的獨特規律，研究非壽險和壽險精算的理論和實務。 突出數學工具應用探索。
5、貨幣銀行學 主要研究的是跟銀行及國家貨幣政策相關的問題，這里的銀行包括中央銀行和商業銀行等等。
。。。。。。。當然在具體的學校又會有自己的發揮和特色的，這就不能一概而論了。
就業方面，就去看這個網頁的介紹吧！
http://www.eol.cn/re_men_3970/20070620/t20070620_238819.shtml