❶ 金融专业学概率论和线性代数有用吗
金融专业有一门必修课叫做计量经济学，即用数量方法分析预测经济数据。计量经济学是以概率论与数理统计作为理论基础、以线性代数作为工具来研究经济金融问题。学过这门课后你会体会到数学在金融学中的重要性。金融专业的学生如果不考研、不考CFA的话可能找工作有些困难，而数学一向是研究生考试、CFA的重点。目前金融行业的就业岗位趋于饱和，但是金融行业的人才仍然奇缺，缺的就是能利用数学模型研究金融方面的人才。
国内金融学专业的本科生却很难读懂本专业的国际核心期刊《Journal of Finance》，其原因不在于外语的熟练程度，而在于内容和研究方法上的差异，目前国内较多停留在以描述性分析为主着重描述金融的定义，市场的划分及金融组织等，或称为描述金融；而国外学术界以及实务界则以数量性分析为主，比如资本资产定价原理，衍生资产的复制方法等，或称为分析金融。国内的研究方法多为定性的方法，而忽视了定量方法。西方正好相反，金融研究方向的队伍具有很好的数理功底，将定性与定量方法结合在了一起。
❷ 怎样学好线性代数
提供我自己的经验。没基础、没接触过线性代数当时完全是为了考研才学的
第一步：看课本
我看的是同济大学的，一开始看感觉很简单，矩阵行列式之类的，后来一看到秩啊什么的开始头晕，看到特征向量之类的表示完全头晕。后面更加不懂了。一开始只理解了非常简单的几个概念，矩阵的算法，行列式展开之类的算是了解了，但是向量那些还不懂。
第二步：构建知识网络
在那些基础上，开始慢慢理解那些反复出现的关键字，比如秩，特征等，然后我把这些基本概念的关系一个个找出来，后来发现这些基本概念之间的联系就是一些定理和重要推论，这个时候比较理解了。一般的题目会做了，知道了秩和解之间的关系，深深地感觉到线性代数的前后联系太大了，基本上每一个概念都会在后面章节出现而且有非常重要的意义。这个也是我觉得学习线代最难的地方。
第三步：以点破面
有了基本概念和互相之间的联系之后，我开始细致地理解和推敲（不这么干不行，考研考的是应用不是基础）这个阶段已经比较有底气了，知道不是自己笨，只是需要花时间熟悉。开始做题目，并且看答案，有时候答案一两步不清楚的就请教别人，搞懂了之后发现居然是基本概念理解的得不到位，所以慢慢深入的理解。到后面发现居然以前感觉很难的知识点是那么的理所当然，就像解向量方程的时候，一下子就联想到了矩阵方程，然后自然而然写出了矩阵，然后秩的作用是那么的明显，它决定了有几个不相关的解等等
然后我就发现，我已经学会了考研需要的线性代数知识。
综上所述，首先要心态要好不能急；其次要认识到线性代数是个非常系统的学科，知识点之间关联特别紧密，所以一定要硬着头皮统观全书做到举一反三；最后需要加深理解适量的习题是必不可少的，如果有老师同学，遇到难题一起讨论效果更好；没有也没关系，翻书看回那道题涉及的知识点，一般题目不会做都是基本概念基本定理基本公式理解不够深。
❸ 如何学好“线性代数”
概念多、定理多、符号多、运算规律多、内容相互纵横交错，知识前后紧密联系是线性代数课程的特点，故应充分理解概念，掌握定理的条件、结论、应用，熟悉符号意义，掌握各种运算规律、计算方法，并及时进行总结，抓联系，使学知识能融会贯通，举一反三，具体如下：
行列式的重点是计算，利用性质熟练准确的计算出行列式的值。
矩阵中除可逆阵、伴随阵、分块阵、初等阵等重要概念外，主要也是运算，其运算分两个层次，一是矩阵的符号运算，二是具体矩阵的数值运算。例如在解矩阵方程中，首先进行矩阵的符号运算，将矩阵方程化简，然后再代入数值，算出具体的结果，矩阵的求逆（包括简单的分块阵）（或抽象的，或具体的，或用定义，或是用公式A-1=1A*，或A用初等行变换），A和A*的关系，矩阵乘积的行列式，方阵的幂等也是常考的内容之一。
关于向量，证明（或判别）向量组的线性相关（无关），线性表出等问题的关键在于深刻理解线性相关（无关）的概念及几个相关定理的掌握，并要注意推证过程中逻辑的正确性及反证法的使用。
向量组的极大无关组，等价向量组，向量组及矩阵的秩的概念，以及它们相互关系也是重点内容之一。用初等行变换是求向量组的极大无关组及向量组和矩阵秩的有效方法。
在Rn中，基、坐标、基变换公式，坐标变换公式，过渡矩阵，线性无关向量组的标准正交化公式，应该概念清楚，计算熟练，当然在计算中列出关系式后，应先化简，后代入具体的数值进行计算。
行列式、矩阵、向量、方程组是线性代数的基本内容，它们不是孤立隔裂的，而是相互渗透，紧密联系的，例如∣A∣≠0〈===〉A是可逆阵〈===〉r（A）=n(满秩阵)〈===〉A的列（行）向量组线性无关〈===〉AX=0唯一零解〈===〉AX=b对任何b均有（唯一）解〈===〉A=P1P2…PN，其中PI(I=1,2,…，N)是初等阵〈===〉r(AB)=r(B)<===>A初等行变换
I〈===〉A的列（行）向量组是Rn的一个基〈===〉A可以是某两个基之间的过渡矩阵等等。这种相互之间的联系综合命题创造了条件，故对考生而言，应该认真总结，开拓思路，善于分析，富于联想使得对综合的，有较多弯道的试题也能顺利地到达彼岸。
关于特征值、特征向量。一是要会求特征值、特征向量，对具体给定的数值矩阵，一般用特征方程∣λE-A∣=0及（λE-A）ξ=0即可，抽象的由给定矩阵的特征值求其相关矩阵的特征值（的取值范围），可用定义Aξ=λξ，同时还应注意特征值和特征向量的性质及其应用，二是有关相似矩阵和相似对角化的问题，一般矩阵相似对角化的条件。实对称矩阵的相似对角化及正交变换相似于对角阵，反过来，可由A的特征值，特征向量来确不定期A的参数或确定A，如果A是实对称阵，利用不同特征值对应的特征向量相互正交，有时还可以由已知λ1的特征向量确定出λ2（λ2≠λ1）对应的特征向量，从而确定出A。三是相似对角化以后的应用，在线性代数中至少可用来计算行列式及An.
将二次型表示成矩阵形式，用矩阵的方法研究二次型的问题主要有两个：一是化二次型为标准形，这主要是正交变换法（这和实对称阵正交相似对角阵是一个问题的两种提法），在没有其他要求的情况下，用配方法得到标准形可能更方便些；二是二次型的正定性问题，对具体的数值二次型，一般可用顺序主子式是否全部大于零来判别，而抽象的由给定矩阵的正定性，证明相关矩阵的正定性时，可利用标准形，规范形，特征值等到证明，这时应熟悉二次型正定有关的充分条件和必要条件。
❹ 如何学好线性代数
线性代数属于大学公共必修课程之一，十分重要！线性代数与中学所学的初等代数的一个很大区别在于矩阵以及线性变换的引入，这对于初学者来说比较困难学习起来比较吃力。建议如下学习：
1>课程老师课程认真细听。首先要理解老师课堂上所讲的，数学学得好坏不在于题目做了多少关键在于理解。
2>仔细研究例题以及课本内容。在这期间应该要重点掌握课本知识点以及例题，定义等内容都是需要十分清楚才可以，否则对于题目必然是寸步难行。
3>必要的课后习题。课本上的内容只是提供了一种解题的通用思路，在实际的问题求解中必然综合了多种方法以及对课本内容的延伸。多做题目练习除了可以扩展课本知识以外，还可以锻炼自身的计算能力。尤其体现在行列式的计算以及矩阵乘法运算中都是很有必要的。
❺ 学金融为什么还要学微积分和线性代数
lz大概还不知道金融是啥，哪款金融产品的定价离开得了这些数学工具？
❻ 线性代数怎么学啊
我也学过，才开始的时候实在不知道怎么下手，学学我的经验吧，如果有老师给你上课的话，这个是最好的。可以听老师的课来学。如果是自学的话，可能稍稍难一些。我学的经验就是，线性代数是一门建立在文科上的数学。为什么这么说呢，因为有很多很多的公式定理什么的。只有记住这些了才能去做题，才能比较好的理解那些公式。其次就是注意公式之间的连贯性。有的公式就是直接通过前面的定理推出来的。第三一点就是。就算自己弄不懂的，也先要接受，接受那种思想才能学好这门课
❼ 炒股要学线性代数、概率论、运筹学波
还要学量子理论，相对论
❽ 股票线性代数什么意义
概率论,统计推断,线性代数这些数学工具都用在了他们的研究中,在他们眼里股票是一个个围绕一个约数的数字,
但由于计算复杂,数学要求太高,很少有人将这些研究用在实际工作中。
如果学习股票的话，还是先把炒股基础知识学习一下，结合模拟炒股实践相对会快很多，现在都在用牛股宝，觉得是非常不错的。祝你成功
❾ 在炒股，金融等方面用到的数学知识，请系统化详细的列举出来
数学方面的知识，主要应用于两个方面：
基本面分析方面，主要是看一个企业的财务状况，以此了解该企业盈利情况，进而了解该企业未来能够得到资金青睐的概率及程度如何，主要看的有PE（市盈率），PB（市净率），EPS（每股收益），企业净利润，营业收入，资产总额，各类资产周转率，ROE指标等，具体公式用度娘很方便的，也很全面，在此不赘述。
技术面分析方面，主要是看股价走势及量能对比，进而对入场出场时点进行精确把握，主要涉及到的流通盘和总股本对比比例，黄金分割率，斐波那契数列（时间窗），傅里叶级数，波浪理论各浪型比例，价量比例等，这些基础的东西作为一个严肃的投资者是都需要有所了解的，但因为每个人投资风格不同，所以应用起来都是凭个人喜好而定，进而形成不同的投资风格，在此基础上可以再开发属于自己的系统，把自己觉得实用的的数学原理或数据加进去。
大概就这些了。希望建议对你有所帮助。！
❿ 怎样才能学好线性代数
一、线性代数如果注意以下几点是有益的.
由易而难 线性代数常常涉及大型数组，故先将容易的问题搞明白，再解决有难度的问题，例如行列式定义，首先将3阶行列式定义理解好，自然可以推广到n阶行列式情形；
由低而高 运用技巧，省时不少，无论是行列式还是矩阵，在低阶状态，找出适合的计算方法，则可自如推广运用到高阶情形；
由简而繁 一些运算法则，先试用于简单情形，进而应用于复杂问题，例如，克莱姆法则，线性方程组解存在性判别，对角化问题等等；
由浅而深线性代数中一些新概念如秩，特征值特征向量，应当先理解好它们的定义，在理解基础之上，才能深刻理解它们与其他概念的联系、它们的作用，一步步达到运用自如境地。
二、注重对基本概念的理解与把握，正确熟练运用基本方法及基本运算。
1、线性代数的概念很多，重要的有：
代数余子式，伴随矩阵，逆矩阵，初等变换与初等矩阵，正交变换与正交矩阵，秩（矩阵、向量组、二次型），等价（矩阵、向量组），线性组合与线性表出，线性相关与线性无关，极大线性无关组，基础解系与通解，解的结构与解空间，特征值与特征向量，相似与相似对角化，二次型的标准形与规范形，正定，合同变换与合同矩阵。
2、线性代数中运算法则多，应整理清楚不要混淆，基本运算与基本方法要过关，重要的有：
行列式（数字型、字母型）的计算，求逆矩阵，求矩阵的秩，求方阵的幂，求向量组的秩与极大线性无关组，线性相关的判定或求参数，求基础解系，求非齐次线性方程组的通解，求特征值与特征向量（定义法，特征多项式基础解系法），判断与求相似对角矩阵，用正交变换化实对称矩阵为对角矩阵（亦即用正交变换化二次型为标准形）。
三、注重知识点的衔接与转换，知识要成网，努力提高综合分析能力。
线性代数从内容上看纵横交错，前后联系紧密，环环相扣，相互渗透，因此解题方法灵活多变，学习时应当常问自己做得对不对？再问做得好不好？只有不断地归纳总结，努力搞清内在联系，使所学知识融会贯通，接口与切入点多了，熟悉了，思路自然就开阔了。
四、注重逻辑性与叙述表述
线性代数对于抽象性与逻辑性有较高的要求，通过证明题可以了解学生对数学主要原理、定理的理解与掌握程度，考查学生的抽象思维能力、逻辑推理能力。大家学习整理时，应当搞清公式、定理成立的条件，不能张冠李戴，同时还应注意语言的叙述表达应准确、简明。