爱丁堡数学系金融方向有三个专业：
Computational Mathematical Finance (CMF)
Financial Modelling and Optimization (FMO)
Financial Mathematics (FM)
前面两个专业课程设置除了两门专业课不同，CMF的一个必修是FMO的选修， FMO的一个必修是CMF的选修；
CMF的课程设置是必修+选修，选修课有三个分支——Computational stream, Financial stream以及Machine Learning stream
【我的选课分享】
SEM1：
必修：Discrete-Time Finance, Stochastic Analysis in Finance, Python
选修：Bayesian Theory, Finance, Risk and Uncertainty
上课的形式主要有lecture, workshop (讲习题, 问问题), office hour(问问题)
Discrete-Time Finance和Stochastic Analysis in Finance是打基础的课，第二学期的课基本都是在这两门课的基础上学习的。DTF比SAF稍微简单点，但都难。
【必修】
Discrete-Time Finance： 前半学期是Hugo上课的，后半学期是另一个老师上课。一个学期有五次assignment，一次三道题目。平时成绩占5%， 考试成绩占95%。Hugo人很好，非常愿意回答问题，一般发邮件问问题基本都是秒回的，批卷子的时候也不是很紧的。
Stochastic Analysis in Finance： 部分内容是跟DTF有重合的，课程比较紧凑。上课形式是直播的lecture，非常非常非常需要课前预习，课后复习才能在老师讲课的时候不迷失自己。一学期两次assignment一共占总成绩10%，剩下90%是考试，考试在第二年的五月。 Istvan是非常可爱的老师，总是非常努力解释内容，试图让我们听懂，发邮件问问题也是回复得很快，很愿意解答同学的问题。
Python：我感觉编程课属于上课教一些基本语句，做quiz跟project都是得靠自己不断挖掘。5% (code review) + 15% (quiz) + 40% (project1) + 40% (project2). project1是个人作业，改代码+按照要求编代码，刚开始上手的时候会感觉很痛苦，上手之后就会好很多；project2是开放式小组作业，分析数据写报告；6次quiz取成绩好的五次。Charlotte人也非常好，office hour是跟她预约时间，问她问题，她会不断启发你，让你有自己想法去编程；如果代码实在跑不出来，去问她，她就会耐心帮你找出bug在哪里。
【选修】
Bayesian Theory： 一开始接触的时候会觉得贝叶斯有点复杂，但是学下去就很通畅了。Lecture + office hour + workshop，我还是挺喜欢上office hour的，别的同学问的问题都有意思，之前自己没有深入想的东西，都能从别人的问题发现然后得到老师的解答。25% online quiz (7次quiz选最好的5次) + 75%考试，考试不是特别难，好好研究quiz以及workshop的习题非常有必要。Ken很有条理，以及BT的内容会给Numerical Probability and Monte Carlo打点基础。
Finance, Risk and Uncertainty： 上下来体验感不是特别好，因为是外校的老师来上课的。30% coursework+ 70% final。Final也是在第二年的五月。
