金融研究问题和研究方法

⑴ 金融统计有哪些研究方法

金融统计是指金融机构统计部门对各项金融业务活动的情况和资料进行收集、整理和分析的活动。
金融统计工作的基本任务是：
根据党和国家的方针政策和国家管理经济的要求，及时、准确、全面地完成各项金融业务统计报表；
收集、整理、积累金融和有关国民经济的统计资料；
开展统计调查和统计分析，为金融部门和国家进行宏观经济决策、检查和监督经济、金融运行情况、加强金融监管和经营管理提供依据。
内容
金融统计的内容包括银行信贷统计、银行现金收支统计、货币供应与流通统计、金融市场统计。
银行信贷统计
(1)银行存款资金统计(财政存款和企业存款占存款的主要部分)
银行存款资金统计主要指标：存款余额、存款收支发生额、存款平均余额、存款周转率
储蓄存款的主要指标：储蓄率、人均储蓄额、平均存储天数
(2)银行贷款资金统计
主要指标：贷款发放余额、贷款累计发放余额、贷款平均余额、贷款累计回收额、贷款周转率、贷款产出率
(3)信贷资金平衡统计
主要指标：信贷收支差额
银行现金收支统计
主要指标：
(1)现金收入总额=各项现金收入合计额+现金投放额
(2)现金支出总额=各项现金支出合计额+现金回笼额
(3)现金收支比例系数=期内现金支出合计额/期内现金收入合计额
(4)现金回笼率=(收入合计-支出合计)/(期初流通中货币量+期内支出合计)
货币供应与流通统计
(1)货币供应量：四个层次
(2)货币流通量
期末市场货币流通量=期初市场货币流通量+本期内现金投放总额-本期内现金回笼总额
(3)货币流通速度
现金归行速度=期内银行现金收入合计额/期内货币平均流通量
金融市场统计
(1)金融市场分类
按约定期限：短期资金市场、长期资金市场
按融资方式：直接融资市场(包括票据、债券、股票市场)、间接融资市场(包括货币、存单、信托、保险市场)
按成交后是否立即交割：现货市场、期货市场
以证券新旧为标志：证券发行市场、证券交易市场
(2)金融市场统计的主要内容
1、利率统计。2、债券股票统计。3、汇率统计。

⑵ 金融有哪些分析方法

金融分析一共有以下这些方法
1、套利是指利用一个或多个市场上存在的价格差，在不冒任何风险（或风险极小的）情况下通过践买贵卖赚取利差的行为。套利是市场无效率的产物。在有效的金融市场上，金融资产不合理定价引发的套利行为，最终会使市场重新回到不存在套利机会的均衡状态，这时确定的价格就是无套利均衡价格。
2、风险中性指的是这样一种状态：投资者并不需要额外的收益来吸引他们承担风险；所有现金流量都可以通过无风险利率进行贴现求得现值。无套利定价法与风险中性定价法可谓殊途同归。
3、状态价格定价技术是无套利原则以及证券复制技术的具体运用。如果我们知道某种资产在未来各种状态下的回报状况以及市场无风险利率水平，我们就可以对该资产进行定价。
4、积木分析法主要以图形来分析收益/风险关系以及金融工具之间的组合/分解关系。

⑶ 金融专业 前沿研究课题！有哪些！

我是一个理财师，对于金融方面的知识还是比较了解一些的，而且我自己也是金融学专业的人，我们的金融学，比较前沿的课题有下面几个，希望大家可以参考：

第一、金融模型的研究是一个比较困难的前沿学科，对于经济和金融的数据化分析要求十分的高，特别是金融模型，必须在数学基础上开始建立自己的研究项目，这点要求金融学的人，必须有极高的数学素养。

第二、金融货币推理，这是一种对于货币分析的前沿研究，难度比较大，而且现在的研究范围还比较小，所以要求专业性极强，特别是对于货币知识，要求有一定的专门实际操作的经验，这点来说难度很大。

第三、金融衍生品的学术研究，是金融专业里面实用的专业，也是比较前沿的专业，金融衍生品有很多类型，比如期权期货互换之类，要求研究的人专业性比较强，同时具备一定的实际知识。

第四、金融的资金融通，是一个研究的最前沿，也是现在国际和国内比较关注的一个研究课题，不过这类研究范围很大，几乎涵盖所以的金融转换，所以研究的人必须具备极高的金融学和经济学基础。

第五、金融服务研究，这类研究是最近十几年开始的一个研究课题，主要是对于金融行业继续深化服务品质的一种研究，提高金融效率的一种研究。

上的这些研究的课题，对于金融专业来说，是最前沿的研究项目，其复杂程度很高，所以金融专业的人，要研究这些课题需要付出极大的努力，而且要有一种毅力，我在这方面有一定接触，所以希望开始研究的朋友们，把自己的精力全部的集中起来，这样才可以真正的做好研究工作！

⑷ 写有关金融方面的论文的研究方法及选题，目的及意义。如何写金融方面的论文提纲 从哪来查找资料呢谢谢

论文写作，先不说内容，首先格式要正确，一篇完整的论文，题目，摘要（中英文），目录，正文（引言，正文，结语），致谢，参考文献。规定的格式，字体，段落，页眉页脚，开始写之前，都得清楚的，你的论文算是写好了五分之一。
然后，选题，你的题目时间宽裕，那就好好考虑，选一个你思考最成熟的，可以比较多的阅读相关的参考文献，从里面获得思路，确定一个模板性质的东西，照着来，写出自己的东西。如果时间紧急，那就随便找一个参考文献，然后用和这个参考文献相关的文献，拼出一篇，再改改。
正文，语言必须是学术的语言。一定先列好提纲，这就是框定每一部分些什么，保证内容不乱，将内容放进去，写好了就。
参考文献去中国知网搜索，校园网免费下载。
研究目的和意义就是你研究的课题对于我国行业的重要性，以及你研究内容所具有的理论和实践意义，一般就是对于当前行业的具有什么样的指导

合适采纳

⑸ 金融市场的调研有哪些流程

一个完整的金融市场调查流程包括确定金融市场调查的目标、探索性研究、设计调研方案、实验性调查、收集数据资料、整理资料、分析资料、撰写调研报告。

一、确定金融市场调查的目标：确定金融市场调研目的要明确这样两个问题：一是调研所得信息是为了解决什么决策问题；二是在费用既定的情况下，调研所得信息要达到怎样的准确程度。调查目标要和决策者沟通交流，根据实际情况确定具体可行的市场调查目标。

二、探索性研究：探索性研究是根据确定的调查目标，对承载调查目标的调查项目进行初步认识，提供对调研问题的理解和观察，为以后的问卷及调研方案的设计打下坚实的基础。探索性调研是非正式调研，在对调研问题的认识、内容与性质不够明确和了解的情况下可采用。

三、设计调研方案：金融市场调研方案是整个市场调查的行动纲要。当决定进行正式调研以后，就要制定正式的调研方案。调研方案包括确定调研目标、具体调研项目、选择调查方法、确定调查的具体时间、调查人员及经费安排、设计调研问卷等相关问题。

四、实验性调查：实验性调查指在一次调查之前，先用小样本来验证调研方案是否可行以及是否存在漏洞。如果有问题，则可能要返回到探索性研究中，对调查项目及调研方案作重新修改。

以上四个阶段是市场调查的准备阶段，准备阶段为将要进行的收集和分析数据指明了方向，习惯上也称为调研企划。

五、收集数据资料：根据调研方案具体实施调查。在调研实施过程中，要注意资料来源渠道的选择和资料收集方法的选择要与调查方案相一致，以确保资料质量，减少调查误差。

六、整理资料：整理资料包括三个步骤：首先，对收集来的资料要先进行审核，主要看资料是否具备及时、准确、完整这三个特征；其次，对审核后的资料进行编码，即把文字资料转化为计算机能识别的数字符号；最后，把资料录入计算机。

七、分析资料：根据金融市场调研的要求，要对收集的资料和数据进行处理。在这一过程中，先做频数分析，接着可根据变量的特点，进行多变量或是建立模型分析。

八、撰写调研报告：根据调查资料和整理结果撰写金融市场调研报告，提出问题的解决方案和建设性意见，为制订营销计划提供参考。调研报告具体包括调研目的、调研方法、调研结果及资料分析、对策建议和附录等。

⑹ 金融经济学研究哪些问题

金融经济学；所谓金融经济学，它就是一门研究金融资源有效配置的科学。虽然，金融资源(也称金融工具)的形态有多种多样，有货币、债券、股票，也有它们的衍生产品，它们所带来的收益和风险也各不相同，但是，它们都有一个共同的特征：人们拥有它们不再是像经济学原理所描述的那样是为了想从使用这些“商品”的过程中得到一种满足，而是希望通过它们能在未来创造出更多的价值，从而在这种能够直接提高自身物质购买力的“金融资源配置”过程中得到最大的满足。
对金融经济学的扩展作用，一种似乎更合理的解释是基于本领域中的迅速发展。在大约25年前，金融理论仅仅是一种习俗描述与由实践者创造的很少具有分析基础的凭实际经验所得的做法的结合，就此而言，结果几乎很少正确。金融经济学家认为，在原则上证券价格应该可以依照运用严谨的经济理论来分析。然而，实际上大部分的经济学家没有投入更多的努力在这一方向上发展经济学。现今，与之相比，金融经济学在既涉及时间、又涉及不确定性问题的经济分析方面不断地占据着核心的地位。以前，这是货币经济学的内容；金融学方法越来越多地用于分析超出那些涉及证券价格和投资组合选择范围的问题，尤其是当这些包含既有时间又有不确定性的问题。一个事例是真实期权的研究，最初由对期权的分析所发展起来的金融学工具被应用到像环境经济学领域中。这个领域在本质上不处理期权，但是所牵涉的问题与期权思想联系非常紧密。

⑺ 金融数学的研究内容

金融数学主要的研究内容和拟重点解决的问题包括：
(1)有价证券和证券组合的定价理论
发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scholes定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。
研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。
在市场是不完全的条件下，引进与偏好有关的定价理论。
(2）不完全市场经济均衡理论（GEI）
拟在以下几个方面进行研究：
1．无穷维空间、无穷水平空间、及无限状态
2.随机经济、无套利均衡、经济结构参数变异、非线资产结构
3．资产证券的创新（Innovation）与设计（Design）
4．具有摩擦（Friction）的经济
5．企业行为与生产、破产与坏债
6.证券市场博弈。
（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。
1.什么是关联规则
在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事："尿布与啤酒"的故事。
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(FrequentItemsets)，第二阶段再由这些高频项目组中产生关联规则(AssociationRules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(LargeItemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(MinimumSupport)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequentk-itemset)，一般表示为Largek或Frequentk。算法并从Largek的项目组中再产生Largek+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(AssociationRules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(MinimumConfidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5%且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则“尿布，啤酒”，满足下列条件，将可接受“尿布，啤酒”的关联规则。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%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据“尿布，啤酒”关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书”，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。
2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。
在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。
3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。
在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。 Apriori算法
2.3关联规则挖掘的相关算法
1.Apriori算法：使用候选项集找频繁项集
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。
可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。
2.基于划分的算法：Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。
3.FP-树频集算法：针对Apriori算法的固有缺陷，J.Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。
3.该领域在国内外的应用
3.1关联规则发掘技术在国内外的应用
就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。
同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。
3.2近年来关联规则发掘技术的一些研究
由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。

⑻ 我国农村金融环境研究采用什么研究方法

——聚土回答
农村金融在改革开放几十年来，已经发展成了已正规性金融为主非正规金融（个人）为辅的金融体系服务于农村，在如今的农村金融中，正规包括农业相关银行，农业，农业发展，农村邮政，农村信用社等，而非正规金融包括无组织无的（1）个人借贷和融资，（2）有组织无带有互助资金性质的各种金融会。（3）没有认可的有组织有的各种融资形式，如私人钱庄等。
农村金融的研究思路及方法主要包括要研究农村金融的：
（1）农村金融资产总量，包括了解农村金融资当前产量，预测未来可能产量。
（2）农村金融盈利水平。
（3）农村金融业务量占全国比重。
研究农村金融包括金融面对的问题，包括：
（1）农村正规金融市场主体单一问题
（2）农村金融经营风险很大的问题
（3）农村资金需求与供给不匹配的问题等。
最后应当研究农村金融在未来的发展思路。希望能帮到你。

⑼ 金融专硕研究方向有哪些哪个方向更好

1、金融专硕分几个研究方向取决于具体的招生单位。

2、很多招生单位的专硕不区分研究方向，具体可以查看专业目录。

3、各个招生单位金融专硕的研究方向大致有：数量金融方向；金融学方向。

是相关的政府公务员、研究机构、金融管理部门、大学等等，工作比较轻松稳定，但入门的要求会较高，且收入可能会比预计的低一些。

(9)金融研究问题和研究方法扩展阅读：

在职备考方法说明如下：

1、首先，对照考试纲和课本，巩固知识点

备考在职研究生考试就是在打一场持久战，到了冲刺阶段需要对基本知识点进行梳理、总结和归纳。对考试大纲中新增的考试点我们要对照考纲和课本，把计算机理本的知识点，要进行再熟悉和巩固，而对于自己掌握不好或理解不够的金融理论知识点要进行“扫盲”。

2、其次，巧用金融学在职研究生真题助战

金融理论知识固然重要，但是我们也要注意运用课本中的理论知识解决现实生活中的金融问题。这就要做到理论与实践相结合。因此，在对理论知识进行了再复习与再发现之后，我们要开始进行大量的强化练习。

⑽ 关于硕士研究生金融学的“研究方向”的问题

金融学专业主要研究货币理论与政策、商业银行体系运行与管理,以及金融市场的理论与实践等。
1、国际金融 主要研究的是国际收支、国际投资、国际货币流动和国际储备等等。该研究方向重点研究国际金融基础理论和前沿问题，探讨我国国际金融市场的独特规律。
2、投资学与资本市场 主要研究的是金融市场学的运作，以及在金融市场的投资等问题。该研究方向重点研究资本市场运作规律，包括资产投资组合理论、衍生产品定价理论、风险管理技术、企业的财务活动和投融资决策等微观金融理论，寻求符合我国企业运行特征的理财决策体系。
3、风险管理与保险 重点研究保险基础理论和前沿问题，研究海外保险市场的理论和实证研究方法，探讨中国保险市场的独特规律，注重规范研究和实证研究相结合，研究我国寿险、非寿险、再保险和保险中介市场的保险经营、保险监管以及保险精算技术等理论和实务 。
4、金融数学与保险精算学 重点研究保险基础理论和前沿问题，研究我国寿险、非寿险、再保险的经营和监管，注重规范研究和实证研究相结合，探讨中国保险市场的独特规律，研究非寿险和寿险精算的理论和实务。 突出数学工具应用探索。
5、货币银行学 主要研究的是跟银行及国家货币政策相关的问题，这里的银行包括中央银行和商业银行等等。
。。。。。。。当然在具体的学校又会有自己的发挥和特色的，这就不能一概而论了。
就业方面，就去看这个网页的介绍吧！
http://www.eol.cn/re_men_3970/20070620/t20070620_238819.shtml