You are on page 1of 25

一个 Econ PhD 两年来的学习总结(一至五)

两年来的学习总结一
一,序
一转眼来美国读这个 Econ 的 PHD 已经两年了,从刚来时的懵懵懂懂与对这边 PHD 生活
的新奇感到现在的每周 7 天只能休息一个晚上的 Extremely Exhausted(个人时间安排不好,
每学期选课老是贪多,还有可能就是我太笨了),从刚来时去开个银行账户因为英语不好都
差点没开成到这个学期其中三门课做了四堂 Presentation 而且越做越来劲,甚至都有点
Enjoy 这个过程(当然口语依然是差强人意)。回头看来,时间好似过了很长,又好似所有
的都是在昨天;路好像走过了很远,但又好像只是完成了美国大街上的一个 Block;东西好
像学了很多,但是又好像只是了解了点皮毛,离着运用自如依然有孙悟空一个筋斗云才可以
完成的距离,总之真是感慨颇多。不过正是由于这样的感觉,我才有了写一个自我安慰的学
习总结,算是对这两年学习生活的回顾,给自己一个一段路已经结束,需要踏上另一段征程
的心理暗示。同时,希望我的学习过程以及对相关课本的个人感觉,能对已经在路上或者即
将上路的兄弟姐妹们有一个帮助(怎么感觉象去法场?)。希望觉得有帮助的或者能从里面
找到一点共同的经历的兄弟姐妹们对着它会心一笑,更希望与我有不同观点的人说说他们的
感受,从而让别人对这个过程有着更明确的认识,以免我的愚见对别人产生负面影响,这是
我最不希望看到的。好了,突然发现自己变得好罗唆,也许是英文看多了用多了的缘故,还
是中文更 Sharp 一点在表达意思上(也可能是自己中英文水平都差)。好了,废话少说,现
在开始。
二,我这个总结的用处?
第一,对自己的学习算是个回顾总结。
第二,你可以了解美国这边 Econ PHD 上的一些课,怎么上课这边。
第三,不论是在国内读博的同学还是要到这边来开始 PHD 生活的兄弟姐妹,可以把它当
作一个你自己学东西的参考,这里面虽是我个人的偏颇之见,但是很多关于上课的东西我觉
得还是有一定代表性的(我现在一个常青藤学校)
第四,对于来要来美读 PHD 的同学,我相信从我的总结里你可以找到一个带书的 List,
因为我推荐的大部分书都是在国内有影印版的,带过来会省下你一大笔开销,初步估计 1000
刀左右。自从来美后,不算我从国内带过来的那些书,我在这边为了买书已经花了 1500 多
刀了,其中很多是国内有影印版但是当时没带来,或者影印版是最近才才出的。
三,两点声明:
第一,我这里面经常会中英文混杂,不要认为我显摆,我都习惯这样乱用了,就宽恕我
吧;更不要骂我假洋鬼子,我会很不舒服,我是中国人。
第二,我个人不是很赞同花很多时间在论坛上发帖子,写 Blog 什么的,至少对我来说,
写这种个人感想的东西都是很认真的讲自身感受,所以特别费时间,有这些精力你去多学一
门课多好。当然,纯粹个人观点,仅供参考。但是对我来说,这可能是从过去两年到未来两
年内唯一的一篇个人感想了。当然,如果新的经历积累到了一定程度,我想我会再写下一篇
的(谁会点我写不写呢?呵呵)。
四,个人数学,经济学等相关学科的背景
把这个加上是因为我觉得任何经验介绍以及课本推荐都是基于个人背景的,我觉得容易
的东西可能别人觉得难,而相反我觉得难的东西别人可能觉得相当简单。把个人背景加上,
这样希望借鉴我经验的人就可以对照着看是否我说的适合不适合,如果背景比我好,可以把
难度适当加大点;如果觉得背景比我稍差点(我估计基本没有了!),可以适当的从稍微基
础点的地方开始。我本科专业是管理科学与工程,学校就不说了。
我 本 科 学 的 数 学 相 当 于 考 研 的 数 一 , Calculus 一 年 , Linear Algebra 一 学 期 ,
Probability and Statistics 一学期。我相信大部分经管类的学生学的数学课也都是这些,
不过有的讲的深一点,有的就讲的很浅。 总的来说,Univariate Calculus 我掌握的很好,
因为我很喜欢那些证明题,比如 Mean-Value Theorem 那一块的东西,Multivariate 部分不
好,这块是国内数学教学的一大问题,拿我所在学校的数学系来说,Multivariate Calculus
也是一个巨大的问题,通常大部分是计算题,不以 Linear Algebra 为基础将那些重要的定
理进行证明,如果你看一下《Principle of Mathematical Analysis》(以下简称为 Baby
Rudin,他写的三本书我都会详细介绍,这是第一本),你就明白这种差距了。其他学校也应
该差不多,拿北大来说,张筑生老师的《数学分析新讲》我也读过,已经非常非常好了算是,
但是感觉在难度上仍旧跟《Baby Rudin》差着一些。Linear Algebra 我学的很好,基本上
计算部分不是任何问题,但是跟国外这边数学系 Honors Courses 还是有差距的(国外这边
Undergraduate 课程分为两个 Sequence,一个是基础的,以计算概念为主,另一个是纯理论
的,一般叫做 Hounors Courses,不同的地方叫法不一样可能,但都是以证明为主,修这些
课的人基本都是以后要读 Graduate School 的)。Probability and Statistics 基本是只
学的基础概率,统计讲的很少。这导致我后来不得不去修大量的数理统计理论课程。纯数学
的课程就是这样了,还有一些应用数学的课程,比如我本科学了一年的 Operation Research,
内容就是那些 Linear Programming and nonlinear Programming,排队论什么的优化方法,
这其实正好是数理经济学的内容,所以对我帮助挺大的。其他的主要是计算机课程,学过很
多编程语言以及数据库(PASCAL,C,C++,Data Structure 等等),对我现在的好处就
是见了什么新软件根本不害怕,虽然不同编程语言语法不太一样,但是原理都是那样的。我
本科经济学基本上没什么,只是一门微观经济学,不过那个老师课讲的非常好,所以导致了
我后来的转专业考研。
我的研究生是在同一学校读的,这里是比较有远见的,开了高级微观,高级宏观,高级
计量这些课程,用的教材也算是不错,算是给我们开阔了眼界,导致了我后来申请出国。微
观用的《Maschollel》,自我感觉学的可以,因为那些优化工具我都还算知道;宏观用的
《Romer》,一塌糊涂,因为不会动态的优化工具;计量用的《Green》,由于概率统计基础
不好,导致只是死记了几个公式,根本不明白是什么回事。后来还上了动态优化,金融经济
学(用的黄奇辅那本书)。这便是研究生阶段学到的经济学。这个阶段我最重要的一个决定
就是去数学系选修数学课,因为老是看不懂很多课本,比如 Duffie 的《Dynamic Asset
Pricing》等等,基本是除了最基本的经济学书其他的都看不懂,因为里面的数学我不明白。
最后实在忍受不了那种瞎猜胡蒙的感觉,我决定去数学系修课,实际只能旁听,因为我们好
像没有这种外系可以到数学系修学分的机制,虽然国内有些学校比如北大是可以,但是毕竟
还是太少了啊。很多想申请 Econ PHD 的本身读经济的同学,知道数学重要,但是却没有办
法去修课来补,真是一大憾事,我相信如果可以的话,许多同学通过修数学课是可以进入更
好一点甚至是 TOP 的学校的。我先后在数学系听了实变函数,随机过程(不基于测度论的,
因为是本科课程),泛函分析,概率论(用的复旦那本著名的教材,李贤平写的),数理统
计,测度论(用的是北师大严士健 <测度与概率> <概率论基础,以及严加安老师的《测
度论讲义》,还有因为这些书看不明白了,我自己读了一部分钟开莱的《A Course in
Probability》)。这便是我来美学习前所有的数学经济学背景了。
五,纯数学课程科目与教材推荐
由于现在纯数学大概按照分析,几何与拓扑,代数三个大方向来分类,所以我也按照这
个分类来一门一门的看,概率与数理统计我放到另外一部分来讲。
1:Analysis:
1.1:Mathematical Analysis
上 面 我 已 经 说 过 , 微 积 分 或 者 数 学 分 析 在 美 国 这 边 分 为 两 个 Sequences, 基 础 的
Sequence 主要讲 Intuition,概念以及计算,我相信大家都已经很熟。但是第二个 Sequence
才是精华,这个 Sequence 是一年的,主要教材为《Baby Rudin》,或者 Strichartz 的《 The
Way of Analysis》,又或者 Apostol 的《Mathematical Analysis》。 《Baby Rudin》最
为严格,基础不好的人看起来比较枯燥,但是 It deserves a year’s effort. 如果花上
一年的时间讲其学好,个人认为将会受益终生,不论将来你做哪个方向。Apostol 相对比较
有趣点,包含了很多计算的内容,而且还包含了 Complex Analysis 的简单介绍,而
Strichartz 则是从一种纯粹 Intuition 的角度出发来讲述整个 Calculus 体系,用词非常口
语化,评价则是褒贬不一。
关于这门课的重要性,我有这么一个故事。 刚来美学习时,系里夏天就安排了一个
Summer Math Camp,这种安排据我所知是几乎美国好一点的 Econ PHD Program 都会有的,
内容就是给学生复习 Calculus 以及 Linear Algebra 的东西,从而让学生早一点进入状态以
便更好的进行第一年 Core Course(微观,宏观,计量以及数理经济学)的学习。我们在 Summer
Math Camp 完了后有个考试,内容就是关于数理经济学的,如果你能考过,就可以免修第一
学期的 Math Econ,我幸运的得以免修。还有几个同学也过了,结果我们就收到了 Director
of Graduate Studies 的 email,建议我们免修这个课的人去数学系修 Honors Course for
Analysis。而且,等第一年考过 Qualify 后,很多同学也被建议去修这个 Sequence,从而
导致我认识的人,不论做微观,宏观,计量,IO,还是 Development 几乎都修过这个课,至
少是这个 Sequence 的第一学期的课。由此可见,基本的 Mathematical Analysis 是多么的
重要。
个人建议:Baby Rudin 与 Apostol 国内都有英文版(强烈建议,有英文版一定要看,
千万不要读翻译过来的),基础比较好点前者为主后者为辅,基础感觉不是很 Strong 的后
者为主,前者为辅。这两本书的大部分答案网上都可以找得到,不过一定要自己做,要不然
等于没学,切记切记!!!
1.2:Real Analysis
Undergraduate 将来进 Graduate School 的 Core Course,而 Real Analysis 则是 Math
PHD Program 的 Core Course。一点需要特别注意的是,千万不要将这门课跟国内的实变函
数等同起来,光是内容就差的很多。国内的实变函数讲的是 n 维欧式空间的测度与积分,而
Real Analysis 则讲的是抽象空间上的测度与积分,而且这只是第一部分内容,后面还有关
于 Lebesgue 意义下微分与积分的关系,Measure Decomposition 与 Radon-Nikodym 定理,
基本的 Functional Analysis(Banach Space,Hilbert Space 甚至包括 Topological Vector
Space 的基本概念)以及基本的 Fourier Analysis(Classic Case)。也就是说,除了一点
Compact Operator Theory 之外,这本课包括了国内数学系本科实变与泛函分析两门课程的
内容而且难度更大一点,当然这是针对我所在学校的数学系,其他学校不敢妄自揣测。
这门课比较好的教材为 Rudin 的《Real and Complex Analysis》(前九章),Folland <Real
Analysis: Modern Techniques and their applications >,Royden 的《Real Analysis》,
Stein & Shakarchi <Real Analysis: Measure Theory, Integration, and Hilbert Spaces>。
前三本我前前后后都学过算是,第四本只是粗略的浏览过。粗略评论一下:Rudin 的写法相
信很多人都听说过,极为简略看起来,但是包含内容甚深,真的是部经典之作,还是那句话,
吃透受益终生;Folland 是内容写的最全最成体系的,除了包含 Rudin 所有书的内容外,还
有专门两章讲基本的 Point-Set Topology,以及专门的两章讲 Fourier Analysis,而且证
明写的还是很明白的,个人很喜欢这本书;Royden 第一部分则是先讲了 n 维欧式空间的测
度与积分理论,然后第二部分讲基本的 Point-Set Topology 以及 Functional Analysis,
第三部分才讲抽象的测度与积分理论,内容也算是比较全,但是行文风格我自己很不适应,
很多重要的结论只是在某段中一讲,有的时候根本不知道某个句子竟然是一个很重要的定
理,极度的 Informal,不过作为参考还是很好的;Stein & Shakarchi 则是著名的 Princeton
Leture Notes 系列的第三本,没有细看,不过感觉作为 Real Analysis 的教材还是不够,
只能作为参考我觉得,不能作为主攻教材。
个人建议:这四本书国内都有英文影印版了,其中 Folland 好像是今年才新出来的(心
疼啊,我在这边花了 50 多刀买的),可以将 Rudin 与 Folland 作为主要教材,后两本作为
参考,认真学好。
1.3:Measure Theory
其实把测度论写在这里是重复了,因为测度论的内容实际上是上面 Real Analysis 的主
干内容与基础。之所以写在这里是因为,有些学校比如我所在的学校,考虑到很多学生比如
Statistics,Financial Engeering 以及咱们 Econ 的学生学习测度论主要用来进一步学习
基于 Measure-theory 的 Probability theory,他们用不到那么多的 Analysis 的知识,因
此便将这一块内容单独抽出来设置课程(感觉老外课程设置都有点市场化的感觉)。主要内
容包括抽象空间上的测度与积分论与基本的泛函分析,因为泛函在 Stochastic Process 里
面 也 是 到 处可 见 。 当 然, 这 里 测 度与 积 分 讲 的更 加 深 刻 ,我 上 这 门 课的 时 候 , 光是
Radon-Nikodym 定理就证了整整两节课,到现在我还能记得大概的证明思路。
这门课的主要教材我当时用的是 Bartle 的
《The Elements of Integration and Lebesgue
Measure》,一本薄薄的 200 页教材花了我 80 刀,现在想来当时真是舍得花钱,换到现在肯
定 WS 的从图书馆借出来然后去复印了。不过这 80 刀激励的我将这本书彻底涂成了一个花脸,
到处都是 Notes,想想也值了。其他的参考教材是 Halmos 的经典的 GTM《Measure Theory》,
这本书 Measure Theory 的经典,不过很多人觉得 Notation 有点老了,跟现在常用的不太一
样,比如测度的 Caratheodry Extention Theorem 现在都是从一个 Sigama-Algebra 开时,
那本书好像是从 Sigama-Ring 开始的。严士健的那本 <测度与概率>关于这部分简直是
Halmos 的翻版。还有本不错的书就是 Dudly 的《Real Analysis and Probability》,因为
这本书后面就是讲 Probability 的,因此前面测度与积分的部分应付后面的 Probability
足够了。当然,你也可以参考前面 Real Analysis 部分的教材,比如 Rudin《Real and Complex
Analysis》与 Royden,他们抽象测度与积分讲的还是不错的,其中 Rudin 证明 Radon-Nikodym
则是基于 L^2 空间的 Rieze- Representation Theorem,是基于分析的,跟其他基于
Measure-Decomposition 的不一样。
个人建议:这门课跟 Real Analysis 是重复的,如果你学了前者,你只需要再补一下
Measure Theory 常用的证明技巧,比如 Dynkin 老先生的“PI-Lamda Theorem”,还有所
谓的“Good Set-Bad Set”技巧等就没什么问题了;如果你不想花那么多的时间来搞 Real
Analysis,那么你可以学这门课,Bartle 国内没有,我觉得可以用 Halmos,Rudin 的测度
与积分部分,Halmos,或者再加上 Royden。这门课掌握了,如果你什么时候需要多一点的
Analysis,你可以把上面 Real Analysis 的教材拿来,只看你不知道的就好了。
看了大家回帖以及问题的几点说明:第一,由于我现在还没有完全写完,所以不能及时回答
大家的问题。但是等所有的写完后,我会就大家比较多的问题谈谈我的想法,因此,如果有
问题就请在这里跟帖好了,不要把发帖分散在我总结的不同部分,这样我不好找,谢谢。第
二,我把所有的课都列出来是因为想给那些需要用到但不知道哪些参考书比较好的人提供一
点信息,并不是所有的读 Econ 的同学这些课都要学,没那个必要。如果给大家造成了 Econ
很恐怖的印象我感觉很对不起,但那绝不是我的本意。打好基础,需要用到某些知识的时候
再学那些就好了,请一定看清我说的。负责任的说,我周围的同学不管是做别的领域的还是
跟我同一领域的,都是基础打的好,用到某些知识的时候再去学,我想这个是具有代表性的
(我本身在一个常青藤学校)。
接着两年来的学习总结二
1.4:Fourier Analysis(Classic)
Fourier Analysis 真的很重要的,记得有人称之为”Queen of Mathematics”,因为数
学中无数的重要思想都来在于对这个领域的研究。它跟 PDE 那是紧密相连;Probability 里
面的 Characteristic Function 就是一个 Fourier Transform;Time Series 的 Spectrum
就 是 Auto-covariance Function 的 Fourier Transform ; 统计 与 计 量 中 讲 Empirical
Characteristic Function 作为进行 Specification Test 的基本工具,还有好多好多例子
说明它在不同领域中的应用。
不过这门课很少单独作为一门课被讲解,我是从前面的 1.2 Real Analysis 与后面要介
绍的 Wavelet Analysis 两门课中各学了一半算是。Classic 的 Fourier Analysis 主要是研
究 Fourier Series 展开与 Fourier Transform 成立的条件,主要推荐的书为 Stein &
Shakarchi 的《Fourier Analysis:An Introduction》这是 Princeton Lecture Notes In
Analysis 的第一本,也是大师 Stein 的主要工作领域(他的名著的调和分析三部曲想必很
多人知道),看看这本书的前言你就可以了解为什么 Fourier Analysis 这么重要。不过这
本书是基于 Riemann 积分的,因为前面的 Fourier Series 与 Fourier Transform 讲的深度
有限,毕竟现代的结果都是在 Lebesgue 积分下得到的,但是这本书给出了 Finite Fourier
Transform 在 Number Theory 里面的应用,让你的视野一下子就开阔了很多。这本书我是从
头读到尾的,每个定理的证明都认真推导过。基于 Lebesgue 积分的 Classic Fourier
Analysis 的主要推荐则是 Katznelson 著名的《An Introduction to Harmonic Analysis》

经典的结果都在里面,当然 Rudin<Real and Complex Analysis>的第 4 章的一部分,第 9
章以及 Folland 的第 6,7 章都是很好的介绍。Pinsky 的《Introduction to Fourier Analysis
and Wavelets》的 Fourier Analysis 写的也很好,不过我有点 Follow 不了他的证明,有时
候太简略了觉得。
最后说一下,这里讲的都是比较经典的结果。现代的 Fourier Analysis 理论(现在都
叫 Harmonic Analysis 了)
,包括 Littlewood-Paley 以及 Calderon-Zygmund theory,真是
是太难了,我在学 Wavelet Analysis 时本来想试着去学一点,因为 Wavelet 有一块理论基
础要基于这些,结果后来实在学不下去,只好就此放弃了。当然我现在觉得我需要用的东西
也不需要学这么深入的东西,所以想想心里就舒服多了,自我安慰还是很好的。
个人建议:以 Stein & Shakarchi,与 Katznelson 为主,这至少需要一个学期,如果你不
想花那么多时间,那么先看 Stein & Shakarchi,然后再读 Rudin 与 Folland 的相关章节,
最后以 Katznelson 跟 Pinsky 作为参考,遇到不明白的到这里来找,这样应该就 OK 了,其
实我就是采取的后一种策略,当然这跟我学过 Rudin 与 Folland 有关系。
1.5:Complex Analysis
这门课我想说的不多,这里本科有个 Honors Course for Complex Analysis,然后 Math
PHD 的 Core Course 也包括 Complex Analysis,显然后者比前者要理论的多,前者计算多
一点,后者理论比较多,甚至包括 Riemann Mapping Theorem 的证明,但是就我看到的来说,
感觉本科的就够用了对 Econ 来说,因此学到什么程度依大家的喜好来定可以。
前者的参考书可以用 Brown & Churchill《 Complex Variables and Applications》,Stein
& Shakarchi 的《Complex Analysis》,也即 Princeton Lecture Notes In Analysis 的第
二本的前面两章。后者的参考书可以用 Stein & Shakarchi 的《Complex Analysis》后半部
分,Rudin《Real and Complex Analysis》的后半部分,当然经典的 Alforos 的《Complex
Analysis》也是上上只选。我当时学 Complex Analysis 上的是 Graduate Course,用的是
后面这几本,以 Stein & Shakarchi 为主要教材(这本书习题答案网上找得到),遇到不会
的就去另外两本上找,其中关于 Residual 的计算主要是靠 Alforos 上的内容。老师讲的飞
快,一个月就把前面相当于本科复变函数的部分讲完了,后面讲了很多非常理论性的东西,
比如 Riemann Manifold 的东西,听得我很晕。
个人建议:我自己觉得如果你本科是数学系的或者学过复变函数在国内,那么应该不用再学
这个课了,足够用了。如果没学过的,建议修这门课,毕竟至少 Time Series 里面很多东西
都是 Complex Varariable 的,实际上我自己正在写一个 Paper,
里面 Estimator 的 Asymptotic
Distribution 服从 Complex Normal Random Variable。另,这些书在国内都有英文影印版,
省钱啊!!!
1.6:Basic Functional Analysis:
Functional Analysis 我打算分开两部分讲,因为做不同方向的人需要是不一样的我觉
得。我所在的学校 Functional Analysis 是有两个课,一个是与前面有重复的叫做 Applied
Functional Analysis,另外一个是 Advanced Functional Analysis,是比较深的理论。本
部分讲第一个。这个课的内容就是基本的 Functional Analysis 内容,主要是为那些
Engeering,Statistics,Finance,Operation Research 专业的学生设计的,Math PHD 学
生是不会上这个的,因为大部分内容他们都在前面的 Real Analysis 里面学过,除了一点
Compact Operator Theory 或者至多再加上一点 Generiazed Function Theory。也就是说,
这个课内容主要是 Banach Space, Hilbert Space, Compact Operator,以及 Generalized
Function Theory.前面两部分都是 Real Analysis 里面的内容,后面分别属于 Operator
Theory 与 Fourier Analysis。这学期我们系两个在做 Finance,Decision theory 的比我高
一级的哥们就在上这个课。
主要的参考书是 Friedman《Foundation of Modern Analysis》,这本书写的真是太好
了,看起来很舒服,证明写的很全很清楚。其实我没有上这个课,我上的是后面的 Advanced
Functional Analysis , 但 是 因 为 后 面 这 个 课 也 讲 Compact Operator 与 Generalized
Function Theory,而且两门课老师是一个人,因此我找了这本书看。
个人建议:Friedman 这本书国内好像没有影印版,但在网上好像有电子版。有一本很好的
替代教材,而且是中文的,那就是夏道行先生的<实变函数与泛函分析>,这本书跟 Friedman
那本书讲的内容深度几乎没什么差别,我觉得这是我看过的中文数学书里面写的最好的一本
了,真的是很好!!
!!!!
!!!
!!!
1.7:Advanced Functional Analysis:
这是一门数学系的高级课程,好多来修这门课的都是二年级的 Math PHD 学生。我是这
个学期上的,内容是 Topological vector spaces.,Banach algebras.,The spectral theorem
for bounded and unbounded operators.,Compact operators ,Semigroups of operators。
从内容你就可以看出难度来相信。其实我觉得这门课应该改名叫算子理论,因为主要是讲各
种算子以及谱理论。虽然这门课很难,但这是我这学期上的最舒服的一门课了,原因是老师
真的是讲的太好了。上课从不看 Notes,那么难的定理,不单 Intuition 讲的明白,而且证
明都可以边讲边推。我刚开始以为他还很年轻,因为他老是充满了精力。后来我的朋友告诉
我,他已经 76 了,很快就要退休了,真是令人惊叹不已,不得不服。这门课没有 Final Exam,
所有的学生轮流讲最后两章也即 Compact operators 与 Semigroups of operators 的内容。
结果轮到我的时候正好是 Hille-Yosida 定理的证明,别人都只需要讲一节课,而我却两节
课还差点没讲完,不过 Professor 安慰我说,我多给你加几分,然后冲我幽默一笑,真是
有意思。这门课快结束的时候,班上的学生都觉得挺依依不舍的,毕竟一起钻研了这么多
Crazy 定理的证明,也算是共患过难了。还有小插曲一个:班上一个罗马尼亚的学生问我汉
语跟韩语的区别,我立马跟他说,韩语以前不是语言,只能说,不能写,写都是写中文,他
觉得很惊讶。班上其实有个韩国女生,化妆之后挺 PP 的(但不知道化妆前啥样),不过那天
她好像不在。管不了这么多了,一定得给他们普及常识,别再让汉语韩国造这种白痴的说法
恶心了!!发现跑题了,书归正传,我们上课用的是老师自己写的 Leture Notes,参考教材
是 Rudin 的《Functional Analysis》
(被称作 Adult Rudin)
,另外 Zimmer 的一本薄薄的
<Essential results of Functional Analysis>与 Lax《Functional Analysis》写的也是
很棒的,可以用来作为参考。
个人建议:如果你做的方向不是用特别深的随机过程理论,这些就不必要学了,学好前
面的 Basic Functional Analysis 就好了。我学这个是因为我可能想做点 Continuous Time
Stochastic Process 的 估 计 与 检 验 , 而 这 里 面 的 Semi-group of operators 是 研 究
Continuous Time Markov Process 的一个重要工具。如果要学的话,Adult Rudin 与 Lax
国内都有英文影印版,不过基础一定要好,这样才能学明白,而且不至于耗费你大量的时间。!
1.8:Wavelet Analysis
首先声明,Wavelet 学不学看你是否需要它。我学这个是因为我要做的东西需要 Wavelet
这个工具。Wavelet 是近十几年才发展起来,但是因为它的应用极为广泛,而且相对于
Fourier Transform 有着 Space Localized 的优势,从而成为很多领域的重要的工具,比如
Signal Analysis, Numerical Solution for Differential Equations, Nonparametric
Estimation,甚至现在 Econometrics 里面都有了很多的应用。
我是这学期上的这个课,课程是为高年级的 Undergraduate 设计的,但其实应该算是
Graduate 的课才对,因为其中很多证明虽然不讲,说可以 Take It As Granted,但是如果
你把太多的东西当作 Given,那就合着什么都没说。学这个的基础至少为前面的 1.6 Basic
Functional Analysis 与 1.4 Fourier Analysis,要不然很多你东西你根本不知道怎么回事。
我上课用的课本为 Frazier, 《An Introduction to Wavelets Through Linear Algebra》

说是 Introduction 跟用 Linear Algebra,其实根本不行,所以这本书的 Title 很具有诱惑
性,不过这本书好处在与将 Finite 的情形讲的特别清楚,从而不至于使你迷失在无限维空
间的众多的公式之中,忘记了身处何方,而且毕竟你要用 Wavelet,肯定用的都是 Finite
近似 Infinite 的情形,所以还是很好的。顺便提一句,这是我这学期四次 Presentation
中的第一次,巨紧张无比当时,幸亏前天晚上对着我学文科的 LP 一通猛讲,进行了提前训
练(估计她才不 Care 我讲的啥,只是当看耍猴了),才使得第二天 Presentation 不至于出
丑,不过经过这么一次,现在对任何 Presentation 都没什么畏惧感了,毕竟如果你在讲那
么你就是专家,所以没什么可担心的。
其他比较好的参考书有前面提到过的 Pinsky,Hernandez 与 Weiss 的《A First Course
on Wavelets》,Wojtaszczyk 的《An Mathematical Introduction to Wavelet Analysis》,
至于著名的 Daubechies 的《Ten Lectures on Wavelets》,我看还是算了吧,书太难了,如
果你不是搞数学的,看这个感觉没什么必要。
个人建议:我只知道 Pinsky 的书国内有影印版,其它的可能没有,不过 Pinsky 的书写
的足够用了我觉得,把它看明白了,做点 Econ 里的应用应该是可以了。别的书大家可以试
着在网上搜索,应该可以找得到。
1.9:ODE&PDE:
这个我没什么可说的,因为我自己还没正式上过课,只是在国内的时候自己浏览了一下
一本中文教材,丁同仁的《常微分方程》。我下一年有可能去修这个 Sequence,第一学期
ODE,第二学期 PDE。它们是比较有用的,不论对做 Macroeconomics 还是 Finance 的来说,
因为 Optimization 问题解出来是一个 ODE 或者 PDE,而且 PDE 与 Brownian Motion 紧密相
连,同时 ODE 则是 Stochastic Differential Equation 的 Intuition 基础。这方面的书我
还没读,虽然我知道一些经典的书,但是因为我没读过,所以我就不推荐了!有兴趣的兄弟
姐妹去网上查查可以。
接两年来的学习总结二,这是三。到这里纯数学的部分就完了,后面会有概率跟统计的部分。
2:Geometry&Topology:
这个 Field 里面我只说一下 Point-Set Topology,因为更深的比如 Algebraic Topology
跟 Differential Topology 一是我没学过,二是我感觉经济学里对这些东西的应用都集中
在 General Equilibrium 里面几乎,早被 Arrow,Debreu 那时代的大师们做的很深入了,好
像很少有人号称自己做 General Equilibrium 了现在。不过可笑的是,国内竟然有连基本的
数学知识都很贫乏的人竟然号称自己做 General Equilibrium 理论,真是滑天下之大稽。
Point-Set Topology 我没上过课,由于我一学期毕竟精力有限,必须要上的已经将
Schedule 添的满满的了,实在没办法再上了,即使勉强去听,没时间做题,没有长时间的
认真思考,也学不到什么东西。因此我选择了在来美后的第一个 Summer 自学。不过因为第
一年我在修 Real Analysis 已经将很多基本概念都熟悉了,而且最重要的是 Topology 在
Analysis 里面的应用大概都接触到了,从而使得我在自学时并不感到迷茫,并没有“为什
么提出这些概念”,“这些概念有什么用”,“什么样的 Intuition”这样的问题,从而速
度快了很多,而且理解的也更深刻一些。即使是这样,也花了整整一个 Summer 三个月的时
间才算是学完,我用的是 Munkres 的<Topology>,这本书我不得不说真的是写的太好了,概
念清晰,证明思路清楚完整,尤其一些比较重要的定理的证明,都有相关的图形辅助,直观
明了,绝对是一本经典之作。值得一提的是,这本书前面的 Set Theory 讲的尤其的好,毕
竟我们不是做数学的,Set Theory 我们不需要知道的太多,但是这本书的 Set Theory 讲的
比我们需要知道的深一些,但是直观清楚,读透了这个就不需要再看任何 Set Theory 的东
西了,够你一辈子用的了,如果你做 Econ 而不是数学的话。我自己是讲这本书 Point Set
Topology 的部分每一部分都认真读过,证明都过了至少一遍,重要的定理(比如 Urysohn’s
Lemma, Tynchonoff Theorem)反复看过几遍,课后几乎每一道习题我都尝试过,因为我比
较幸运的找到了这本书课后习题的答案,因此做完后有地方可以对照一下是否自己做的对,
思路是什么样的。其实我是在网上搜到了一个 Course Webpage,好像是荷兰一个大学的,
这个 Course 用的就是 Munkres,布置的习题都是这上面的,上面有习题的 Solution。当我
刚开始想下载时,就出现网页错误,于是我就 Email 问那个 Professor。结果人家很快回信
告诉我网页错误他已经改过来了,可以下载 Solution,并说如果有问题可以发信问他,真
的是太 Nice 了。这个对我的帮助可以说是巨大无比。当然,在学这本书的时候我也不断回
去看 Rudin 的《Real and Complex Analysis》
,Folland<Real Analysis>, Royden<Realy
Analysis>,其实后两本都有算是比较全的 Topology 的章节。通过不断回去读这些,我对
Topology 的应用,概念的由来感觉掌握的更加牢固,毕竟这些书是分析的书,在写 Topology
部分时都比较着重于跟在分析中有用的 Topic,比如 Complete Metric Space, Function
Space,Arzela-Ascoli 定理等,这些 Topic 在 Analysis 都有着极为核心的作用,因此掌
握它们是必要的。
最后为了说明学这门课的重要性,我说一下 Point Set Topology 的应用,在分析里的
就不用说了,如果你是做计量理论的,那么你一定知道 Limit Theory 的重要性,也就是各
种各样 LLN,CLT 定理。其中用的很多的一个方法就是 Embedding,比如极为重要的 CLT for
Matingale Difference Sequence,而这个方法基于的就是讲 Stochastic Process 看作一个
从时间到一个 Function Space 的映射,在这个基础下来证明 Weak Convergence,著名的
Billingsley 的《Weak Convergence of Probability Measure》整本书就是讲这个,我相
信想做计量的人一定都知道。而这只是 A tip of Iceberg,后面非常多的东西都基于这个,
比如统计 Asymptotic Theory 里面的 Empirical Process,Stochastic Process 里面的
Convergence,等等。所以 Point-Set Topology 我个人认为还是很重要的,当然专门学,只
是在相关的课程里面学一下基本内容也是可以应付的,但是对于我自己来说,每次学不同的
东西都要来一点 Topology 中新的东西很痛苦,索性我就一次搞定,再无后患了。不过这纯
粹个人习惯。
个人建议:学这门课以 Munkres 为主要教材,一定要从头学到尾,课后习题尽量都做掉,
除了个别怪异的,然后经常翻翻 Rudin,Folland, Royden 等等,以对其有更加透彻的了解。
3:Algebra
3.1:Linear Algebra
如前面的个人背景介绍,我个人对 Linear Algebra 的基本概念与运算是很熟悉的,但
是来到美国之后才发现,其实自己所学的仅相当于这里数学系 Undergraduate 第二年的
Linear Algebra,而对 Honors Course for Linear Algebra 里面很多理论的东西则并不知
道。实际上,这正是偏计算与偏理论型 Linear Algebra 课的区别,一个简单的例子就是,
前者将矩阵看作一个数据表,而后者将矩阵作为一个 Linear Operator。据我所知,国内除
了数学系一年的高等代数课外,其他系所教的 Linear Algebra 应该都是一学期而且主要注
重于计算的,理论部分的讲解并不深。即使是国内数学系一年的课,拿北大数学系那本《高
等代数》,理论的深度跟这个 Honors 课也是存在差距的,比如 Spectral Theorem 那一块,
深浅程度差别是很大的。
为什么要学这些理论部分呢?想想泛函分析里讲的是什么,那不恰恰正是矩阵代表的有
限维线性空间上线性算子在无穷维空间上的推广么!!!我当初在国内学泛函分析的时候,老
是对有些概念如 Dual Space,有些技巧比如用一个线性空间上的所有线性泛函来刻画这个
线性空间,等等很多东西觉得很茫然,感觉不到从哪儿来的。而实际上,这些概念都是 Linear
Algebra 相应概念的推广,只是因为泛函里是无限维空间所以我们需要考虑 Topology 的问
题,而 Linear Algebra 里则是有限维空间,上面所有的 Topology 都是等价的,因此我们不
在 Linear Algebra 里面考虑 Topology,只有 Algebra 的相关概念而已。
这个课我学了两次,第一次是来美的第一个学期,当时上这个 Honors 的课,大概到了学期
一半的时候,因为 Econ 的课考试太多(两次期中,一次期末),再加上我还上了巨难无比的
Real Analysis,最后不得不放弃掉;然后上个学期,我又从上次自己停下的地方接着开始
听,算是把这门课完整学了一遍。上课教材是 Curtis 《Linear Algebra: An Introductory
Approach》,写的非常好,前面从 Chp1 到 Chp6 相对来说还比较容易对付,后面从 Chp6 到
Chp9 则是精华部分,理论讲的很深,证明也必须反复琢磨,题目要多做,这样才能理解深
刻。而且很多 Abstract Algebra 的东西都在这里穿插讲解,比如 Group,
Ring,
Linear Algebra
等等。其中关于那些 Decomposition Theorem(Jordan,Rational 等等)的证明,是基于了
Linear Algebra(一个线性空间再加上一些乘法性质)的概念。而 Linear Algebra 在泛函
里的推广,则是著名的 Banach Algebra,它就是无限维空间里 Spectral Theorem 证明的基
础。还有一本著名的教材是 Hoffman&Kunze 的《Linear Algebra》,写的更 Comprehensive
一些。
个人建议:Curtis 国内有影印版,可以以这本书为主,将其做透,习惯尽量全做,如
果有兴趣可以看一下 Lang 的<Undergraduate Algebra>,国内也有影印版,不过比 Curtis
的书要简单。
3.2:Abstract Algebra
这门我没什么可说的,我自己没去上过课,关键是其在 Econ 里面不象 Analysis 那么重
要。Abstract Algebra 的概念我一部分是在 Linear Algebra 里面学到的,一部分是自己就
读了一本薄薄的中文教材张禾瑞《近世代数基础》
,再参考了一下 Rotman 的《 A First Course
in Abstract Algebra》。 我见到过的 Abstract Algebra 是在 Functional Analysis 里面
Banach Algebra 跟 Semi-Group 算是一点,另外的是在 Fourier Analysis 里面有抽象的
Fourier Analysis 在 Locally Compact Hausdorff Group 空间上,
算是将 Topology 跟 Algebra
里面的 Group 概念结合起来,其实这些都是对 n 维欧式空间的推广。关于这门课我自己也还
没决定是否去修,因为以现在我见到的来看,除了我上面所说的 Abstract Algebra 的东西,
好像进一步的深入不是很必要。所以,有时间有精力愿意学的就去学,如果你象我一样,不
是那么有时间,我觉得自己读一下张禾瑞的《近世代数基础》大概了解一下就好了,如果感
觉不是很清晰,可以再看一下 Rotman,感觉这样就足够了。

接两年来的学习总结三,这是四。
六,概率统计课程科目与教材推荐
好,现在终于到了与 Econ,Finance 关系最紧密的概率统计部分。关于概率统计的重
要性我实在不想再强调了,不过需要再说一句的是,很多同学觉得学计量,学 Finance 很多
东西看不懂,迷茫,那就是因为你概率统计没学好;甚至还有很多论调说什么 Idea 最重要,
数学不重要,对于这种说法,我想说,别说 Econ,Finance,连数学都是 Idea 最重要,任
何学科都是 Idea 最重要的,但是你连基本的知识,研究工具都没掌握,都一窍不通,何来
资本去讨论什么 Idea??好了,语调有点激烈,不想多说了,这个问题说多了没意思!下
面我概率统计分开讲。
1 概率
1.1:Basic Probability Theory
这个很重要,虽然不是基于 Measure-Theory 的,但是是你明白概率是什么东西的基础。
国内数学系本科一学期的概率论的内容基本跟这边 Undergraduate 的 Honors Course for
Probability 差不多,但问题是很多学校的老师不怎么认真在讲的时候。比如我所在学校的
数学系,当时那个老师真是不咋地,上课光在那闲扯淡,证明一点都不讲,而且课堂过大,
整个数学院所有不同专业的学生一起在上课,起码 100 多号人,效果可想而知。我不知道别
的学校情况咋样,但是我本科所在学校的数学系还是国内比较不错的,连这里况且如此,很
多地方可能也好不到哪去。当然,这只是我个人的瞎猜想,没有任何证据。
这门课的主要教材是名家 Durrett 的《The essentials of Probability 》,我想很多人都
知道他的另外一本 Graduate Probability 教材《Probability:Theory and Examples》,现
在美国这边的学校几乎都用这本书作为 Math PHD Probability 课的教材。顺便说一句,
Durrett 是超级牛人钟开莱(中国人,虽然是美国公民)的学生,好像我记得他在一本书里
管钟开莱叫做 Academic Godfather,真是牛到无极限啊。
这门课 Durrett 这本书所有内容全讲,题目几乎全做,这样使得学生 Basic Probability
的基础相当好,Probability 的 Intuition 很不错,从而在后面学习基于 Measure Theory
的 Probability 跟 Stochastic Process 时,不至于迷失在 Technical Details 中。不过这
本主要是给 Math 的学生的,我自己觉得 Casella & Berger 的《Statistical Inference》
前面的 Basic Probability 部分也是超好无比,而且这是一本数理统计的教材,多了很多
Distribution 的东西,从而给你学数理统计打下一个坚实的基础。并且,这本书习题量大
质量又好,而且网上有 Solution Manual,所以是非常好的习题书。我自己其实没有上这门
课,不过我们计量 I(美国这边计量 I 其实是概率论与数理统计的内容,不过有经济系的特
点罢了)当时教材是 Cassella & Berger,于是我就把前五章的习题都给做了,真是受益匪
浅。另外,国内复旦李贤平的那本概率论教材也是非常好的。
个人建议:经管类毕业的同学我想都有一点概率论基础了,所以个人觉得不必要专门花
一学期修这门课,但是我想自己自学或者在上计量 I 的时候将基本内容再过一遍,查缺补漏
是有必要的,多做点题目,最好能将 Casella & Berger 前面五章的题目做完,然后适当的
参考下 Durrett 当有概念不清晰的问题时,这样基础就打的比较牢了。Casella & Berger
国内有影印版,习题答案网上可以找得到。至于原来读数学的同学,请根据你原来学的深度
自行决定。
1.2:Measure-Based Probability-Probability I
这门课跟下面的 Introduction to Stochastic Process-Probability II 通常在美国这
边是一年的 Core Course Sequence 给那些将来可能做 Probability 的 Math PHD 学生。
Probability I 的内容一般包括(以我所在的学校为例)以测度论为基础的的概率基本概念,
经典的极限定理(LLN 于 CLT for Independent Sequence), Random Walk,Conditional
Expectation,有的还会加上 Discrete Time Martingale Theory。这门课的先修课为 Real
Analysis 或者 Measure Theory,你必须对 Measure and Integration 的内容很熟才行。这
门课我想不论你是做微观,宏观,还是计量还是 Finance 基本上最好都要学,毕竟现代经济
学 Uncertainty 是核心,从而概率的应用极为广泛。微观里现在做的 Decision theory, 关
于 Imperfect Information 的很多东西都需要很好的概率论基础,上周跟一个要跟我们这里
一个微观牛人做的同学见面讨论,他说那个 Professor 的 Paper 里就用到了 Martingale
Convergence Theorem,虽然不是很深,但是一个好的 Probability 基础还是很必要的;宏
观里面常用的 Stochastic Optimal Control,Stochastic Dynamic Programming;还有更
不要提 Finance 了,如果没有一个好的概率基础,根本连现在入门的 Asset Pricing 教材你
都看不懂,比如 Cochorane 的《Asset Pricing》,更别说 Duffie 的《Dynamic Asset Pricing》
跟 Merton 的《Continuous-time Finance》了;计量理论我就更不说了,它本来就是研究一
些 有 经 济 数 据 特 点 的 统 计 理 论 的 , 想 想 Time Series Econometrics 里 的 Unit ,
Cointergration 吧,那里 Asymptotic distribution 的推导都是基于 Functional CLT 的。
我就不多说了,总之,我们这里理论做的比较好的同学,几乎都有一个很好的 Probability
基础。
如果你 Measure Theory 掌握的好,学这门课会舒服很多,当然,你依然需要花费巨大
的时间跟精力。我这门课上了两次,一次是在 Operation Research 系里上的,讲课的是个
俄罗斯裔的老师,课讲的极好,真的算是领教了 Russian 的数学水平,一个字,牛!!!光作
业就给我们布置了 14 次,每次 5-7 个题目,一学期下来做了快一百个题目,想象一下,
Graduate Course,每个题目光写有的时候就要 2 页多纸,学的时候真的是痛苦之极,不过
学完之后真的是感觉收获特别多。我经常跟 OR 几个同学讨论问题,他们都是国内数学系出
身,有的都是在这边的学校读过数学然后再转到这边来的,他们对作业量之大也很头疼,不
过我们都很觉得那个老师确实讲的好,没得说。一个搞笑的是,这个老师的 Webpage 上写着,
“对于那些不想完成作业的同学请点这个链接”,然后等你点了后就到了另外一个 Web 上,
上面是他练空手道的一张照片,而且照片的光线有问题,他两眼发的都是绿光,恐怖啊,呵
呵!!
由于这个课老师为了照顾一些对 Measure Theory 不是很熟的同学,于是他花了快一半
的时间又把 Measure Theory 讲了一遍(这部分内容他主要用 Billingsley 的《Probability
and Measure》里面的测度论部分),因此后面概率的东西只是讲到了 CLT,后面没有讲
Martingale,而且 LLN 跟 CLT 讲的不是特别深入,只是证明了 IID 情形下的定理,并没有证
明 Independent but not Identical Distribution 的情形,而且我也想学多一点,因此我
就去上了 Math PHD Probability Core Sequence 的第一学期的课(我本来想着上了 OR 这个
然后直接去上第二学期的 Probability II 就算了的)。总算是把这个搞定了。
总的来说,Probability 的好教材是非常之多,其中有 Durrett,《Probability: Theory and
Examples》,Williams,《Probability with Martingales》,Billingsley,《Probability and
Measure》,Resnick 《A Probability Path 》,Jacod & Protter,
《Probability Essentials》,
Dudley,《Real Analysis and Probability》, Shirayev,《Probability》
,以及牛人钟开
莱的《A Course in Probability》这些教材基本上都是包括了 Probability I 的测度论为
基础的的概率基本概念,极限定理与 Probability II 的 Stochastic Process 的内容,所以
基本上每一本都可以作为这一 Sequence 的教材,不过不同的教材特点还是不一样的。
Billingsley 是公认的好教材,特点是全,既有 Measure Theory 的完整介绍,又包含有直
到 Brownian Motion 的一年 Probability 课的所有内容,但有个问题是体系安排很怪异,不
适合从头看到尾,事实上我们是从 Chp2,Chp3 开始学,然后穿插上 Chp1 的内容,然后再过
渡到后面的 Probability 部分的。这本书的行文也是 Informal 式的,很多重要定理的叙述
证明都是在字里行间完成的,并不是定理-证明式的写法。我个人经验是不适合自学,如果
有老师教课用这本书,那真的是再好不过了,不过如果没有老师教,最好把这本作为参考。
这本书的课后习题非常好,对于比较难的题目后面附有简要的答案。做 Econ 的人好多 Paper
后面在涉及 Probability 的时候引用的都是这本书(看看 White 的《Asymptotic Theory for
Econometrians》),我猜他们当时学概率用的都是 Billingsley 这本教材,呵呵。
Durrett 的教材是给 Math PHD 的标准教材,全书主要讲概率,将 Measure Theory 的主要结
果附录在书的后面,以供参考,因此,学这本书必须有扎实的 Measure Theory 基础。现在
国内这本书刚出了影印版(Billingsley 现在也刚处影印版,痛啊,这两本书花了我快 200
刀就,因为我修课的时候国内还没有影印版,唉),忘记上面是谁做的序了,讲了一个故事,
说是有个 Math PHD 学生放假还是怎么着出去玩的时候,身边就带了这么一本书,然后这个
学生现在美国是美国一所著名大学的 Professor 了已经。抛开故事真假不说,我对这种传说
式的故事一点都不信,搞得好像背着宝剑,身怀绝世武功,天生的武功奇才一样,不知道是
不是武侠小说看的是不是太多了(实际上,我的武侠小说看的是巨多无比)。Durrett 这本
教材讲的虽然挺难,但只是一些早期 Probability 结果的总结,离着研究前沿还差的很远。
所以我觉得序里的故事是想说明把这本书学透基础就会打的很牢固,但是这种故事容易对人
形成误导,起码我记得我在未学 Measure Theory 跟 Probability I 之前也看过很多这种小
故事,看完后热血沸腾,老想着一口气吃成个胖子,但是事与愿违,反而事倍功半,其实最
重要的还是下功夫好好学。当然,这只是针对我个人而言,别的同学可能比我要理智的多。
闲话不多说,Durrett 这本书 Probability I 的内容讲的比较深,其中 Random Walk 作为单
独一章进行深入透彻的讲解,我想 Random Walk 做 Econ 的同学应该很熟吧,
这就是 Unit Root
Process 了。其他书唯一这样做的就是钟开莱了,我想 Durrett 这样做跟他是钟开莱先生的
学生有关系吧应该。Durrett 这本是我们这 Probability I&II 这个 One Year Sequence 的
主要教材,老师没有自己的 Lecture Notes,会把这本书从头讲到尾,至于为什么我就不多
说了。
下面想说牛人钟开莱的书了,这本书如前面个人背景里面所述,我在国内的时候上那个
测度论因为很多问题不明白所以就找了这本书来看,结果受益匪浅。忘记在哪里看过了,说
这本书其实是将前苏联数学家对基于测度的概率论,对 Independent 情形下 Limit Theorem
的研究的一个总结。也就是说,这可以说是一本现代概率论教材的雏形,虽然在这之前也有
很好的教材,但是正是这本书以及钟开莱在 Stanford 教授这个课程的经验,导致了现在大
部分学校的第一门概率 Core Course 所教授的主要内容为 Independent 情形下的 Limit
Theorem。实际上,我觉得在 Limit Theorem 定理的证明上,这本书依然是讲的最好的,不
但严格,而且清晰明了,反而现在很多新出的概率书讲的迷迷糊糊,要吗不严格,要么太
Technical。不过这本书大量集中于 Limit Theorem 的证明,作为 Probability II 主要内容
的 Martingale,Markov Chain 讲的很少(当然,我觉得依然讲的很好,特别干脆利落),对
Ergodicity,Brownian Motion 更是一点都没涉及,他前言里好像说了这些应该作为第二门
课的内容我记得。所以,这本书是加强版的 Probability I 教材,但是不能作为 Probability
II 的教材。
Shirayev 的书是一本典型的 Russian 数学书,内容跟 Durrett 基本上一样,只是前面
加了一章基本的 Probability and Stochastic Process,后面用两章讲了 Stationary
Process,少了对 Brownian Motion 的介绍。这本教材证明上清楚明了,课后习题很多是一
些重要结果,是很好的教材。而且对 Stationary Process 的讲解特别好,算是奠定了 Time
Series Analysis 的一个数学基础。想做 Time Series Analysis 我想这是一本必备的参考
书。
Williams 的书短小精悍,讲完 Probability 的基本内容立即进入 Martingale 的学习,
真的是又快又准,毕竟 Martingale 在现代 Probability 甚至是 Econ,Finance 等等都起着
关键的作用。
Resnick 的书是我上 OR 那个 Probability 的教材,因为 Resnick 本身就是在 OR 系,所
以他写的教材就稍微简单点,很多结果都给出了证明,不象是前面那基本为 Math PHD 准备
的书很多结果你自己要证明,有的时候花很多时间。这本书的内容最后一章讲了
Martingale,前面是 Measure Theory 跟 Probability I 的内容,看起来相对其他几本要稍
微容易点,很多学校开给 Engeering,Statistics 或者 Finance 学生的 Probability 课都用
这个作为教材。
Dudley 的书 Probability 部分讲的内容很多,从经典的 Limit Theorem 到 Martingale,
到 Brownian Motion,Ergodicity 甚至还有一些 Weak Convergence 的内容,由于这本书整
合了 Real Analysis 跟这么多的 Probability 内容,深度上感觉稍微差一点。Dudley 本人
在 Empirical Process 方面是奠基人之一,他 1978 年左右的几篇 Paper 给出了处理
Empirical Process 不 Measurable 一种处理方法,奠定了他的地位。他本人是 MIT 的教授,
这本书是 MIT 概率论的教材,这门课的内容你可以在 MIT Opencourse 上查得到,上面有一
些讲义跟习题答案,可以用来作为参考。
Jacod & Protter 我没读过,把它列出来是因为这本书近年来有很多地方都在用,更重
要得是这两个人虽然都是数学出身,但是现在都在做 Finance 得东西,而且都是名家。
Protter 是 OR 的 Professor,我想很多做 Finance 的人都知道,
他跟 Jarrow 有一篇关于 Term
Structure 的 Paper 影响很大,是用 Diffusion Process 作为 Model 的。而 Jacod 则是法国
巴黎“?“大的数学系教授,他跟 Princeton 经济系的 Professor Ait-Sahalia(Review of
Financial Studies 的上一个三年的 Editor)合作了一系列关系 Continuous Time Process
的算是金融计量领域的文章。
当然,在这边 Finance 领域主要还是在 Business School,但由于 Merton,Duffie 等
人对连续时间模型的使用导致了很多原来做 Probability 的数学出身的人都在搞 Asset
Pricing,不过他们管这个叫做 Financial Mathematics,Financial Engeering 等等,国内
山东大学的彭实戈搞得所谓的金融数学其实就是这个。结果现在在搞 Econ,Finance 的人与
这批以前数学出身的人之间有了巨大的分歧,前者认为后者摆弄数学,没有 Intuition,没
有 Idea;而后者认为前者数学不行,模型用的不严格。于是就各搞各的,各自形成了一个
圈子。个人认为两者都有道理,前者很多数学确实不行,模型用的不是很好,统计工具掌握
的也不好,于是 Journal of Finance 上的 Paper 非常多的计量用的不对,或者是为了一个
比较 Significant,比较 Interesting 的结论故意这么做。其实很多结果,如果你用正确的
或者比较严格的计量方法再做一遍,根本就不对,从而得出的 Interesting 的结论的可信度
大打折扣。但是由于这些人已经形成了一个圈子,他们之间互相接受这种做法,所以文章还
是能发,研究还是能做。说道这里,顺便说一下,记得以前在国内看到有人把 Journal of
Finance(JF), J of Financial Economics(JFE) 跟 Review of Financial Studies(RFS)
给排了一个顺序,说什么这个比那个好,那个比这个好。我猜那个排法应该是按照所谓的影
响因子或者引用率之类的来排的,但是个人觉得这种东西没什么意思,这三个 Journal 都是
Finance 的 Top Journal,如我前面所说 JF 的文章数学水平,计量工具的严格性要差一点,
但是这样导致了结果很 Interesting,而 RFS 是数学应用深一点,计量工具用的严格,但反
而结果不那么 Interesting。如此一来,使得 JF 的引用率要高于 RFS,但你能就说前者比后
者好吗?如果你真的这么想,那比较一下 Econometrica 上文章的引用率跟其他 Journal 然
后再来回答这个问题。实际上,在美国这边的学术圈子里也存在争论,有人觉得 JF 好一些,
有人觉得 RFS 更好一些,所以这也是没办法的事。但是我觉得做事要严谨一点,不要对别人
产生误导,所以当你说 JF 比 RFS 好,或者 RFS 比 JF 好的时候,我自己就会加上,“我觉得
“,或者“按照引用率,按照工具使用的严格程度来说“等等的修饰词以表明你这样判断的
根据。
接着上面,反过来讲,后者确实是 Intuition 比较差一点,由于 Econ 比较特殊的学科
性质,你用的严格却没有 Interesting 的结论,模型很好,但是结论跟以前一样,这样就没
什么太大的意义。拿彭实戈老师做的 Backward SDE 来说,数学上确实很重要,提供了一种
新的处理 SDE 的方法,而且实践上也可以应用;但是拿到 Finance 理论上来看,就是提供了
一种解 B-S 模型的方法,而 Finance 理论则是再探讨 B-S 模型本身的问题,所以这个研究对
于 Finance 理论则基本上没什么意义或者意义不是很大。从这里可以看出,学术研究某种程
度上也是市场化,需要有人跟你一起开拓,有人欣赏你的东西才行,要不然你自己认为的再
好的东西也卖不出去。
好了,该结束这一部分了,太长了。这部分介绍的书太多了,说一下我的学习过程。我
个人由于是修课所以主要用了 Billingsley 的教材,基本上通读了算是,钟开莱的书我也基
本上看完了,看这个是因为 LLN,CLT 的证明讲的好。Shirayev 我精度了他讲 Stationary
Process 的两章,及 Martingale 那一章的部分内容。Durrett 我没有精读,因为上面的好多
证明都在别的书上认真推导过了,而且我下面会再去上那个一年的 Core Course Sequence,
这次完全讲这本书,所以打算把它精度一遍。其他几本 Williams, Resnick , Dudley 都只
是在看别的书产生问题时候去找相应的部分做了参考。还有就是修完课后我花了几天时间把
它们浏览了一下,以对照一下感觉。
个人建议:可以用 Billingsley,Durrett,钟开莱,Shirayev 中的任意一本作为主攻
教材,尽量完成大部分的课后习题,很多题目网上应该可以搜索到答案。这四本书国内都已
经有了英文影印版了,可以省钱了又。其他几本 Williams, Resnick , Dudley 可以作为参
考,Williams 网上有电子版,而 Dudley 国内有英文影印版,Resnick 就不知道了。
1.3:Introduction to Stochastic Process-Probability II
这门课主要内容是 Discrete time Stochastic Process,,讲 Martingale, Markov Chain,
Stationary Process and Ergodicity, Brownian Motion(BM) , 有 的 老 师 还 会 加 上 点
Introduction to Ito’s Integral with respect to BM。我这学期上这个课的老师是在概
率领域里面一个超级牛的 Russian 老头,他教的东西太多了。除了上面的内容,他还讲了
Continuous-time 下的 Martingale 跟 Markov Process,甚至包括了 Stochastic Integral
最 General 的情形即对于 Semi-martingale 的积分,所有这些内容加起来一般都是分两门课
来讲的,因此作业做的我很痛苦。不过痛苦完后感觉收获还是很大的。由于他这种教法是非
常规的,并不是 Probability II 应该包含的内容,因此学这门课我觉得还是以标准内容为
主,打好基础,这样以后要用到比较深的概率理论就可以自己学了,因为后面你要用到的可
能都是近年才得出的结果,这种内容开课讲的好像不多,即使有也跟老师的研究方向有关了。
鉴于前面已经将众多概率教材做了详细介绍,这里就简要一谈就可以了。Billingsley
的书把 Probability II 里面的内容都包含了,但不是特别成体系,都是分散开来的,所以
不太适合作业主要教材。不过他最后一部分分两章讲的 General Theory for SP 跟 BM 是非
常好的,前面一章详细的介绍了给出一个 Finite Distribution 然后 Construct 一个 SP 的
方法,也即 Kolmogrov Consistency Theorem,给 SP 的存在性奠定了一个基础。Durrett
是标准的教材,因为将 Measure Theory 作为附录,从而腾出了大量空间详细介绍 SP,是非
常好的现代教材。钟开莱这方面的内容很少,但是他最后一张对 Martingale 跟 Markov
Process 的介绍切中要害,理解深刻,我觉得非常值得一读。Shirayev 内容跟 Durrett 差不
多,只是少了 BM 的介绍,但是多了 Stationary Process 的详细讨论。Williams, Resnick ,
Dudley 都有一些相关的介绍,但不如前面基本书是系统的介绍,所以只能用作参考我觉得。
个 人 建 议 : Durrett 或 者 Shirayev 都 可 以 作 为 主 要 教 材 , 主 要 的 参 考 教 材 可 以 用
Billingsley,钟开莱,其它基本可以翻一翻,了解一下别的处理方法。
1.4 : Continuous time SP, Stochastic Integral and SDE, Weak Convergence and
Convergence of SP, Limit Theorems for Dependent Sequence
这些内容每一个都是概率论的一部分比较现代一点的内容,关于这些内容的书一般都叫
做 Monograph,而不是象前面那些一样可以叫做 Textbook,当然每一部分都是挺难的,想学
会也挺不容易的。我这里只能稍微说几句,没法细论,一是因为这些内容都比较
Specialized,如果你不需要根本不需要学,不象前面的内容是一个 Econ PHD 最好能具备
的素质基础;二是因为我也说不了,因为我自己还没有修这些课,有的是无课可修,根本没
人讲,只能自己学,比如 Limit Theorems for Dependent Sequence,虽然计量尤其是 Time
Series Analysis 经常用,但是没人教这些东西,不过如果前面 Probability I & II 你基
础打好了,花上一点时间跟精力学好是没问题的。还有的是因为这些课程需要的预备知识太
多,比如 Stochastic Integral and SDE 需要 Discrete time SP 的一些知识,Weak Convergence
and Convergence of SP 需要 Topology 跟 SP 的知识,所以我也没法修(这个是很难跨越的,
Weak Convergence and Convergence of SP 去年有个老师开这门课,我当时只是上了
Probability I,学了 Topology,但是没有 SP 的知识,前面讲 Weak Convergence 还勉强可
以听,后来讲 Convergence of SP 时完全听不懂,最后只好 Drop 掉了那门课),自己水平还
不到。
我在这里稍微写一下是因为有些人将来可能会修其中的内容,比如做 Finance 的人会去
修 Continuous time SP, Stochastic Integral and SDE,做计量的人有的会去学 Weak
Convergence and Convergence of SP 跟 Limit Theorems for Dependent Sequence 等。我
虽然没有修过但是已经接触到了其中甚至大部分的内容,比如我这学期上的 Probability II
已经将重要的 Continuous time SP 跟 Stochastic Integral,SDE 都讲了;Weak Convergence
and Convergence of SP 虽然后面我没学好,但是 Weak Convergence 我还算是学明白了,
因此我知道有哪些书是用的比较多的,在这里稍微列一下,以便兄弟姐妹需要学的能找到合
适的参考书,还有过来读 Econ PHD 的知道哪些书可以带来,以便省钱,呵呵,省钱万岁!!
Continuous time SP 跟 Stochastic Integral and SDE 都是联系在一起的,好多教材都是
两者一起讲,这其中比较好的教材为
Revuz and Yor, 《Continuous time martingale and BM》(国内世图好像即将出影印版了)
Williams and Rogers, 《Diffusions, Markov Process and Martingales》I & II(有影
印版)
Oksendal,《Stochastic Differential Equations》(有影印版,好像都出到第六版了,可
能是最简单的 Stochastic Calculus 教材)
Karatzas and Shreve, 《BM and Stochastic Calculus》
(GTM,有影印版)
Protter,《Stochastic integration and differential equations 》(国内即将有影印版,
这是最难的一本 Stochastic Integral 教材了可能)
Shreve,《Stochastic Calculus for Finance》,Vol II(国内有影印版,这本是现在标准
的 Continuous Time Finance 的教材了,这边大部分的 Financial Engeering Program 都用
这个)
Weak Convergence and Convergence of SP 的教材有:
Billingsley, 《Convergence of Probability Measure》
Jocod and Shereve,《Limit Theorems for Stochastic Process》
Ethier and Kurtz,《Markov Process: Characterization and Convergence》
Van der Vart and Weller, 《Weak Convergence and Empirical Process》(这其实是一本
Empirical Process 的教材,但 Weak Convergence 讲的很不错)
这些书国内好像没有影印版,不过倒是都有电子书,大家在网上应该可以搜索得到。
Limit Theorems for Dependent Sequence
用这些内容的我觉得肯定是想做 Time Series Analysis 的同志们,可以参考的教材有;
Hall, 《Martingale Limit Theorems》
(这本书早已不印刷了,不过网上找得到)
Davidson, 《Stochastic Limit Theorem》(这是计量经济学家写的,不过连 Billingsley
都在他的<Convergence of Probability Measure>专门提过)
好了概率部分就结束了,最后还有数理统计的一部分就大功告成了。
接两年来的学习总结四,这是五,也是最后一部分。大功告成了终于,累死我了
2 数理统计
2.1:Basic Mathematical Statistics:
这是基本的非基于测度论的数理统计,这部分内容加上 1.1 的 Basic Probability
Theory 其实正好是美国这边 Econ PHD 计量 I 的内容。这部分数理统计的内容相当于这边本
科 Hornors Course for Math Statistics 的内容,因为我在国内既上过经管类那种概率统
计一门课大杂烩的数理统计,也上过数学系单独一学期的数理统计,从而比较知道两者的区
别,当然这也仅限于我本科所就读的学校。这门课跟前面的 1.1 Basic Probability Theory
一样,我觉得不需要去专门修本科 Honors 的课,但是最好自己或者在上计量 I 的时候认认
真真的把基本数理统计的基础打好,这样做不光是对那些做将来做计量理论的同学而言,对
那些打算做别的领域的,也同样适用。因为不管你做微观,宏观还是 Finance,哪个现在都
是 Theory 跟 Empirical 并重的,现在连 Auction Theory 都在做计量检验,更别说宏观,
Finance 等等了。顺便说一下,经常看到有人在 BBS 上说自己看不懂计量经济学的教材,比
如 Green,Hayashi 或者 Davidson & Mackinnon,其实我以前也是看不懂,跟大家的感觉一
样,迷迷糊糊。后来才知道,其实就是因为数理统计不行,因为现在所谓的计量就是以统计
里面的回归分析为基础发展起来的具有经济金融数据特点的统计理论,这本身就是统计学,
数理统计不行当然看不懂。
这门课的教材可以用一般计量 I 的教材,比如 Gallant 的《An Introduction to
Econometric Theory》,Birrens,《Introduction to the mathematical and Statistical
Foundation of Econometrics》,但是我个人更偏好一些纯数理统计的教材,比如 Casella &
Berger 的《Statistical Inference》
,还有更深一点的 Bickel & Dokosum《Mathematical
Statistics: Basic Ideas and Selected Topics》,因为我是打算做计量理论的。前面两本
因为是计量 I 的教材,更偏重于一些在计量中有直接作用的统计的介绍,而后两本是标准的
北美这边统计系非测度数理统计的教材,当然其实 Bickel & Dokosum 已经算是接近于使用
测度论作为语言了。学习后两本可以使得你对统计的理解更深刻,知识面也更广。我自己是
在上计量 I 的时候将 Casella & Berger 认真的通读了一遍,做了大量的课后习题,同时参
考了 Bickel & Dokosum 的教材,而后来在修下面基于测度论的数理统计时又参考了 Bickel
& Dokosum。我没有读过 Gallant 与 Birrens,因为计量 I 的 Professor 有自己的 Lecture
Notes,所以我对这两本不是很有发言权。但是这两本我都浏览过,所以知道它们的内容。
个人建议:如果你打算做计量理论,可以将 Casella & Berger 与 Bickel & Dokosum
作为计量 I 的主要教材,认认真真的把前一本上面的习题完成,打好基础;如果不是做计量
理论的,我觉得可以读 Gallant 与 Birrens,适当参考一下 Casella & Berger,它上面的
习题多又好,而且还能找得到答案做完后对照思路。Casella & Berger 国内有影印版,Bickel
& Dokosum 现在都是第二版了用,第一版国内有翻译版,不过第二版好像也要快出影印了,
我不建议读翻译的;Gallant 与 Birrens 好像国内有些学校有复印的,网上可能也可以找的
到。
2.2:Measure-based Mathematical Statistics I & II
这其实是包含两门课的一个一年的 Sequence,因为一门讲不完这么多内容的。但是我
觉得只有打算做计量理论的才需要考虑这个课,不象在讨论前面的 Probability I & II 时,
我觉得所有 Fields 的人最好都修 Probability I,而 Probability II 则不一定这样的分开
来考虑,所以我把它们放到一起讨论。这个课其实是 Statistics PHD 一年的 Core Course,
可想而知是讲的比较严格的。
这门课的主要内容就是严格的数理统计理论,既包含 Statistical Inference(Point
Estimation, Hypothesis Testing,以及 Confidence Set),又包括 Statistical Decision
Theory;既包含 Frequentist 方法,又包括 Bayesian 的方法;既有小样本的 Evaluation
标准,像是 Unbiased,UMVUE 等等,又包括大样本的 Asymptotic Efficiency 统计评价方
法 。 当 然 , 这 个 课 还 包 含 很 多 现 代 统 计 方 法 的 简 单 介 绍 , 比 如 Nonparametric ,
Semiparametric,Bootstrap 为代表的 Resampling 方法。不过这里只能是简单介绍,详细
的内容只能由后续课程或者通过自学(因为这些课程的开设都是跟老师的研究兴趣有关的,
一个学校不一定能把所有的课都开起来)来完成。详细的课程内容我就不多说了,因为我个
人觉得,凡是想做计量理论的人这门课的内容都是必然要具备的素质,起码对于现在这个年
代的计量理论来说我觉得是这样,看看现在 Econometrica,Econometric Theory,Journal
of Econometrics 上的 Paper,基本上都是各种各样的新的 Estimation,Hypothesis Testing
方法的提出,所用的工具无不是基于现代数理统计最新的研究进展,如果不能打一下一个很
坚固的数理统计基础,起码对我来说真是难以想象怎么来做研究将来。
这门课的主要教材就是著名的《Theory of Point Estimation》
(TPE) by Lehmann and
Casella,与《Testing Statistical Hypotheses》(TSH)by Lehmann and Romano,我想这
两本教材的难度很多人都早就听说过了,反正我觉得这两本书真是得至少花一年的时间才能
学好,课后的习题多,质量也好,这边的图书馆里能借到他们第一版的习题解答,非常老了,
感觉字体很象是手写然后复印的。这本习题解答的作者一说大家肯定知道,就是写了类似于
Probability 百科全书的《Modern Theory of Probability》的 Kallenberger 了。跟这两
本书难度差不多相当的 Bayesian 统计的书可以参考《Statistical Decision Theory and
Bayesian Analysis》by Berger,注意这个 Berger 跟与 Casella 写《Statistical Inference》
的 Berger 可不是一个人。另外,Shao Jun 的《Mathematical Statistics》写的也是非常
之好,内容涵盖了 TPE 跟 TSH 的所有内容几乎,当然程度要容易的多,并且这本书简单介绍
了包括 Nonparametric,Semiparametric,Bootstrap,甚至还有 Empirical Likelihood
的几乎所有的现代统计方法,真是一书在手,天下事尽知啊。还值得一提的是,这本书习题
也是很丰富,而且还有专门的一本习题答案,以供大家参考,如果能好好利用这些习题,还
是那句话,受益终生。我自己上课时老师把这基本都列为了参考教材,我则除了 TPE 跟 TSH
上老师上课讲的内容外,仔细读了 Shao Jun 的相关内容,并且做了上面的一小部分题目,
收获颇丰。Shao 先生(我不知道是不是邵,所以只好写拼音)好像是国内华东师大毕业的,
现在为 U of Wisconsin at Madison 统计系的主任,那里 Statistics PHD 第一年的 Math Stat
Core Squence 就是讲他这本书。
不知道为什么纯数学的书国内有影印版的非常多,但是统计的书国内很少找到影印版,
这使我想起了有位统计牛人在一个报告上说的,国内跟国外在统计学研究上的差距这几年非
但没有缩小,某种程度上反而有点扩大了。我不是做数理统计的,也不知道事实是否如此,
不过统计方面影印书的出版比纯数学方面的差了很多,这是一个很奇怪的现象,因为统计在
现实中的应用应该更多些,按说统计书的引进应该是更快一步才对,现在反而是相反的。这
里想推荐一本中文的高等数理统计教材,那就是陈希儒先生的《高等数理统计》了,陈老的
地位以及水平我想我不需要多说了,他这本书写的是非常之好,基本跟 TPE,TSH 差不多一
个难度水平,不过就是内容少了一点。还有就是这本书习题令人称赞,而且书的后半部分就
是习题的参考答案,供大家研习之用。陈老对做习题以掌握内容,训练基本技能的说法我想
很多同学都是见过的,不得不说,姜还是老的辣啊!!!
个人建议:这门课值得好好花一年的时间学好 TPE,TSH 或者学好 Shao Jun,Bayesian
的部分可以参考下 Berger。Berger 的书国内有影印版,其他基本好像没有,不过可以找得
到电子版,而且国内一些学校也有复印版。题目要认真做,多做。
2.3:Asymptotic Statistics
Asymptotic Statistics 包括了数理统计里面的很多大样本理论,比如 M-Statistic,
U-Statistic,MLE,Asymptotic Relative Efficiency,Empirical Process 等等,我觉得
是应该作为一门课认真学学的,教材可以用现在最流行的 Van der Vart 的《Asymptotic
Statistics》
,事实上很多学校都已经将这门课开做一本 Stat PHD 的必修课。由于我自己还
没修过,所以我没什么发言权,只能推荐这么一本书,不过很多 Professor 都有 Course
Webpage,大家可以去网上搜索,看看他们怎么个**,讲哪些内容,找相应的课本认真学习,
打好基础。我本人正打算这个 Summer 学这个,因为以后要把大部分的时间都转向与我自己
的研究方向相关的学习,还要开始准备我的 PHD Dissertation,因此估计比较少有时间再
去象第一,二年一样这样耐心的打基础了,所以觉得最好在 Summer 将这门重要的内容解决
掉。
2.4:Topics in Modern Math Statistics
这 个 不 是 一门 课 , 是 我把 所 有 的 除了 基 本 的 One-Year Core Sequence 与 上 面 的
Asymptotic 之 外 的 现 代 统 计 方 法 都 放 到 了 一 起 , 大 致 包 括 了 Nonparametric , Semi-
parametric,Bootstrap,Empirical Likelihood 等内容。这些都是近几十年才发展壮大起
来的现代统计方法,其中像是 Bootstrap 也不过是 1980 年左右才开始的。
如 Nonparametric,Semi-parametric,Bootstrap,Empirical Likelihood 这些内容都是
现代统计理论中的研究方向,很多研究还正在进行中,我个人只是因为要用从而自学了
Nonparametric 的一些书,但因为这方面的书特别散,没有一本将所有 Nonparametric 方法
都讲好的书,所以很难做推荐,所以这里就不多说了。需要说的是,这些研究方向都有相关
的计量领域对应,比如 Nonparametric Econometrics,Semi-parametric Econometrics,
Bootstrap Econometrics,这些其实是相应的统计方法在对 Econ 跟 Finance 特点的数据的
应用,有的时候 Statisticians 搞出来的这些统计方法针对的数据类型跟 Econ,Finance
的数据特点不符,而 Econometricians 做的就是基于原来的方法提出针对这些 Econ,
Finance 特点的数据进行分析的新的统计工具,由于基于的 General 的统计方法不一样,因
此 便 有 了 Nonparametric Econometrics , Semi-parametric Econometrics , Bootstrap
Econometrics 这 些 称 呼 。 这 与 以 数 据 本 身 类 型 对 计 量 分 为 Micro-econometrics
(Cross-section, Limited Dependent Variables) Time Series Analysis, Panel Data
Econometrics(有的把这个也归为 Micro-econometrics),是不同的,不同的方法跟不同的
数据类型结合在一起便形成了很多不同研究方向与叫法,总之,对计量进行完全彻底的分类
好像很难。
由于这些内容既不简单,我也没有完整学过,所有我在这里就说到此为止了。实际上,
我也不可能把它们都学完,一是我知道自己没那么大能量,水平毕竟有限;二是也没有必要,
这些学不学,学到什么程度都要视你的研究而定,你需要用就学,不需要就算。说实话,我
觉得现在经济学研究已经开始逼近象数学一样的高度分工了,做微观跟做计量的互相很少有
共同语言,即使都是做计量的,不同的方向能通话的也是比较少的,比如你做 Panel Data,
他做 Financial Econometrics,不光使用的方法不一样。模型的假设不一样,就连最基本
的检验的经济理论更不一样。你需要学习不同的经济理论,这一点就使得两者很难对话。不
过话说回来,大家还是有的,象 Hausman,L Hansen, Philips,White 那样的,诸多方向通
吃,水平确实高,没办法。不过我觉得他们的概率,数理统计的基础肯定很牢固,从而来了
新的 Topic 时很快就能上手,我自己觉得这个一个很重要的原因。
七,小结
啊,终于算是写完了,没想到一个回顾竟然整整写了四天多,居然还爬了这么多字出来。
不过既完成了一段对过去的回顾,又算是对兄弟姐妹们的一点小小礼物,感觉还是很开心的。
本来觉得既然完成了纯数学,概率,
还有统计,再写写 Economics,Finance 或者 Econometrics
才好像比较完整,但是回顾这两年,我除了研究生阶段学的经济学,金融学理论,在美第一
年系里的 Core Course,第二年上的两门 Time Series Analysis,以及按照自己的兴趣读的
一些 Paper 外大部分的时间都在打基础,所以觉得实在没什么东西可写,
不过好在对于 Econ,
Finance, Econometrics 很多同学还有一些牛人都写了相关的东西,推荐了书籍,因此我也
就不用再乱抛我的砖头了,省得引不出玉来反而引出砖头来拍我。
跟很多兄弟姐妹们一样,完成这么一段路程的我觉得基本上身心俱疲,需要一段时间来
恢复,从而才能开始新的路程。但是眼前还有很多事情要做,恐怕休息不了多长时间。况且
我现在还面临着定自己的研究方向的问题,真的是仍须努力啊,毕竟其实我现在还是一个
Research 的门外汉,很多同学已经将我拉下很大一块了,不得不努力继续跟在别人后面以
免掉队。
最后,不管我写的东西可能在你看来多么的无知,或者不知天高地厚,或者很多东西写
的根本不对,都希望大家看在我辛辛苦苦的分上,在看到问题时心平气和的讨论,改正我的
错误,让我得以提高。千万不要毫无理由的辩论,甚至是吵架,那样的话真是没意思。真的
是很不喜欢看到有人在论坛上吵啊吵的,甚至是骂人,让人觉得很心冷。
今年正值中华多事之秋,又是藏独又是地震的,在这里我最后再添一句,祝大家都能顺
顺利利实现自己的梦想。