我没有很强的数学背景，但我很想研究一些计算金融问题。我得到了“没有痛苦的计算金融概论” " by Peter Forsyth，但我仍然很难听懂他说的话。
本课程要求的数学先决条件是什么？
【问题讨论】：
标签： math computer-science finance computational-finance
看看wikipedia entry，它会告诉你：
一般来说，填写 计算金融的职位是 被称为“量子”，指的是 所需的量化技能 执行工作。具体来说， C++编程知识 语言，以及 随机微积分、多元微积分的数学子领域， 线性代数，微分 方程，概率论和 统计推断往往是入门 等级要求 位置。 C++已成为主导 语言有两个主要原因， 计算密集型的性质 许多算法和重点 库而不是应用程序。
看看人工智能，以及数学逻辑可能会很有趣，比如神经网络、模式匹配、知识数据库、推理......
【讨论】：
我毕业于数学专业。在这种背景下，您链接到的书是介绍性的，而且很轻松。没有这个背景，它仍然是一个介绍，希望痛苦不会令人痛苦。 （你已经存活了足够长的时间来在这里提出一个关于它的问题，这表明它不是。）
我阅读了您链接到的 PDF 的前 36 页（即通过第 4 章）。它的技术含量很高，我发现了以下数学领域。
微积分主要用于计算与概率相关的事物，因此，如果您对深入研究这些东西很认真，那么我建议您从代数概率开始，然后逐步完成微积分。
【讨论】：
您至少需要一些微积分、线性代数、概率、统计、数值分析、蒙特卡罗方法、偏微分方程和随机微积分。一个很好的介绍是 Paul Wilmott 的 Paul Wilmott Introduces Quantitative Finance。这将为您提供上述主题的参考资料，并汇集必要的想法，以对量化金融有基本的了解。
【讨论】：
我从中受益良多的一本书是Time Series Analysis。您确实需要很多“基础数学”，包括其他回复中提到的每个主题。问题是计算金融是无情的数学，你知道的数学越多，你就会越好。
【讨论】：
成为真正的 Quant 所需的技能，而不仅仅是在 Quant 公司工作的 IT 程序员：
【讨论】：
首先，您应该了解概率（组合数学、概率密度函数 PDF、随机变量）、PDF 的类型，并开始学习微积分 - 微分、积分和偏导数。它们在概念上相当简单。 Matrix 可帮助您求解联立线性方程。
对于非线性模型，本质上，大多数过程都是非线性的，根据您的严谨性，您可以根据需要将事情复杂化。
信心很重要。
【讨论】：
我非常喜欢阅读卡内基梅隆大学计算金融专业硕士课程的教学大纲。 Steven Shreve 写了一本很好的金融随机微积分教科书。详细课程介绍可以看here
【讨论】：
我喜欢“Paul Wilmott 谈量化金融，第二版”。这是一套三卷本，以通俗易懂的方式呈现了许多优秀的数学和解释。我在 YouTube 上放了第一卷的概念视频，看看。 http://www.youtube.com/user/NathanWhitehead
然后我会推荐阅读 Mark Joshi 的书“数学金融的概念与实践”并完成所有的练习和计算机项目。里面有很多很棒的东西。
【讨论】：