这张图是以对外经济贸易大学金融学院的金融工程系的培养方案为基础创立的课程学习路线，它将课程与课程之间联系起来，并以实际应用为导向告诉你最后能学些啥东西。当然，这里面并没有涵盖全部的课程内容，另外也比较粗糙，有些课程或多或少也会用到其他课程的知识但没画上去。但总体来说，至少对于入学有一段时间却仍不知道该往哪个方向走的同学有一定帮助。
各个课程的分类如下：
- 红色（#FFA07A）：数学类
- 黄色（#FFFF00）：建模类
- 绿色（#90EE90）：经济、金融、财会基础知识
- 银色（#C0C0C0）：编程类
对于数学类课程（红色）：金融工程的数学基础最多的是为了服务于卖方的衍生品定价，也就是常说的Q-Quant，他需要掌握基本的随机分析基础，在几个定价理论基础上对一些（奇葩的）衍生工具进行定价。但是这对于量化投资（P-Quant）也是比较重要，因为有时候在建模过程中也会需要用到一些随机过程的知识。机器学习方向的主要是偏重于高等代数，本科讲的高等代数相对比较浅，有必要还需要掌握矩阵求导等一系列知识。风险建模、因果推断这两个方向相对更注重概率论与数理统计的知识。
对于建模类课程（黄色）：建模类课程一般都是大二下学期的计量经济学学起。主要是讲基础回归模型。而后分几个方向： 一、因果推断：这个可以学习微观计量经济学或者高级计量（研究生）； 二、机器学习：OLS回归模型往往会具有一定多重共线性的问题，这个可以通过加入L1（LASSO回归）或者L2（岭回归）正则项进行解决，这在数据挖掘中会涉及一部分内容； 三、时间序列路线：因为本科计量只讲截面回归或者面板回归，对于时间序列的自相关性建模没有涉及太多，为此金融时间序列分析提出了AR/MA/ARMA等模型，并在这后续衍生了波动率模型，这在后续的风控课程（金融风险定量分析）或者量化投资（金融计算）会有所涉及。金融工程应用分析算是比较杂的课程，他也会用计量但是不算太多，所以没有标出来。
对于经济、金融、财会基础知识（绿色）：这些课占本科金融工程的绝大部分。一开始本人也不是很理解为啥有那么多经济金融课程。但后续发现金融工程的本质还是金融。哪怕是做量化投资的，他事先也必须掌握金融产品的特点、宏观政策对市场的影响、财务指标背后的意义进行建模，而不是随便啪叽一下拿个机器学习模型就开始刷刷刷的整，这样很容易造成回测上的过拟合。任何一个量化策略制定出来都要有直觉上的可解释性。当然，这些课程毕竟只是基础，如果你想要做理论研究很多可以往经济学模型、公司金融上靠，但如果是别的方向把一些基本的内容掌握即可。
对于编程类课程（银色）：这类课程相对比较特殊，没有再与其他课程进行进一步的链接，因为他们属于工具类课程，一旦有需要就会使用，比如Matlab，这个应该算是本人上课用的最多的软件，许多建模类课程都会使用。金融工程学生必备技能之一就是编程技能，尤其是量化投资方向。当然这张图里也没有涵盖所有编程语言，例如Stata、SAS、VBA等，因为这些语言有些是为了特定目标服务的，Stata是计量人员常用语言，SAS很多是银行风控部门要求的必备软件，VBA对客户比较友好，因为结果能通过excel进行展现。至于数据结构，他确实没有和其他课程有进一步的联系，但是对于实际编程过程中，对于一些时间、空间上的存储运算等能提供很多方便。
该图是利用Graphviz进行绘制，图片是svg格式（但也转成了png格式方便查看），可以直接用浏览器打开。
Graphviz的官方下载地址为http://www.graphviz.org/。如果你想增添或者修改啥内容，可以模仿原本的代码进行增添或修改。
另外如果你想看到即时的可视化图片，可以看看graphviz-visual-editor，对应的github项目也可以搜到。