加州大学洛杉矶分校定量经济学硕士Master of Quantitative Economics

　　从2021年春季起，UCLA将应用经济学硕士项目修改为“定量经济学硕士”或“MQE”。这一变化将更好地反映课程的数量性质，以适应行业趋势和市场需求。

　　项目简介

　　UCLA MQE项目总共9个月，分三个quarter，但是课程并不少，需要修满48个学分才能毕业，并且还有capstone(capstone project是不算学分的，但是是毕业必备，相当于额外的任务)，平均一学期16学分，也就是每学期都有四门课，算是比较地狱的模式。

　　课程设置的话，专业的课程广度、深度都有兼顾，课程很交叉，有经济学、统计学和数据科学。而且非常强调data science, 我们每学期课程反馈问卷上有专门的一项评价就是这门课是否有学习、训练到数据科学的知识技能。

　　就读体验

　　Summer Boot Camp

　　UCLA的常规开学时间是9月末，我们项目大概需要提前两星期到校参加bootcamp恶补数学和计算机知识。

　　Boot Camp是optional的，但是非常建议大家参加，一是尽早进入学习状态，二是可以为之后课程打基础。

　　它是由助教和教授共同授课的，当时数学部分大概4天，主要学习了极大值极小值优化问题、概率论等，是由经济系里的phd学生作为助教讲授的。

　　剩下一个多星期的全都是计算机的课程，这个部分是由系里的王牌教授Randall Rojas和他的助教讲的(助教之前是statistics毕业的，还在Google工作了五年)，计算机Boot Camp在一周多的时间里训练了R和Python的基本语句和一些在计量经济学中的应用。

　　总的来说，Bootcamp的强度还是挺大的，每天都是听一天的课或者码一天的代码，经常不是人撑不住了就是电脑撑不住了……。

　　计算机对于没有什么基础的同学可能有点难，不过Rojas讲的还是很不错的，课程对于后面的学习很有帮助，所以建议大家可以在这两周打好基础，尽早适应研究生学习生活。

　　Fall Quarter

　　在Boot Camp结束后大概两天第一个quarter就会正式开始，我们第一个quarter有五门课(不过其中有讲座课和professional development这种相对轻松的课)。

　　第一学期主要课程是宏微观经济学(二选一)，计量经济学与应用统计，计量经济学与应用统计在R与python中的应用。

　　计量经济和应用统计课分成了两大节，其中一节是着重讲理论，作业也都是手写的推导计算等等，另一节是应用课，需要用R或者python写码，由于我们的课件上教授运用R来写，并且R在统计和计量经济学领域还是有明显的优势，所以我们大多数人也都用R来写作业，小部分同学用python写。

　　虽然是第一个quarter，但我们觉得作业真的是很虐，基本周末就交给了R studio。

　　其实我们的作业编程过程不难，但关键是大多数时候我们连作业题都读不懂，只有去翻课本，把对应的统计学、计量经济学知识学习了以后才能coding，很多时候还需要去助教或者教授的office time。

　　可能是第一学期大家的学习积极性比较高再加上作业真的很难，经常office time都挤满了同学需要排队提问。

　　教授们也都比较鼓励大家互相讨论，所以经常我们专业的自习教室挤满了讨论的同学。

　　不过还好虽然课程很难，但教授都非常nice，office hour会很有耐心地帮我们解答，考试的时候大家分数基本都很高。

　　除此之外，在宏微观经济学中我选了宏观经济学，它的作业不多，但是接触到各种模型的时候还是会各种抓瞎。这些模型给人的感觉就是假设一大堆，各种公式推来导去但就是不知道它要干嘛。所以建议结合书本学习。不过如果之后不是很想从事经济学方面的研究或是十分相关的工作，应付考试什么的PPT就足够了。

　　微观经济学由于我没有选，不是特别了解，但听说作业比较多，课上老师还可能抽人提问，并且有presentation。而且似乎期末考试也很难，平均分大概70左右，不过都会nicely curved，所以不用特别担心GPA。

　　微观经济学很数理，而且第二个 quarter有一门incentives，information and market课很大程度会基于微观经济学课，所以如果第一学期选的不是微观经济学，第二学期建议不要选这门课。有的比较厉害的同学宏微观经济学都选了，这样的话如果后两个学期有不想上的课就可以少选一门，当然你也可以继续多修。

　　我们还有professional development和一节讲座课。

　　前者主要是针对找工作的，会有一些方法介绍，但是比较浅，建议找工作还是需要自己多多努力。

　　后者是项目邀请各种经济学界的大咖来给我们演讲，演讲主题很前沿很贴近实事，而且这门课是送分课，只要参加了讲座和交了作业就是满绩，可以说是用来boost GPA的。

　　Winter Quarter

　　第二个学期选课自由度会略有提高，professional development这学期变成了Optional，它和第三个学期开的内容会是一样的，所以相当于可不选或者可在二三quarter里任选一个学期修。

　　讲座课依旧是必修(很轻松而且boost GPA所以没有坏处)，而且这一学期我们还请到了Eugene Fama，虽然他的理论很难咱学的也不咋滴，但是看见诺奖得主大家都超级激动。

　　另外就是五门课里可以选四门修，分别是：Incentives, Information and Market, Income Inequality, Machine Learning I, Data Science for Financial Engineering和Core Finance。

　　我前文有提到微观经济学和incentives这门课的关系，所以我选了除它以外的四门课。

　　Machine Learning I

　　Machine Learning I主要是讲各种机器学习的model，有三次作业、一个project和期末考试，这门课的作业不算很难，基本就是填充code和理解code写paper，project是group work，需要自己选题写码写paper。

　　Data Science for Financial Engineering

　　Data Science for Financial Engineering 的老师讲的非常好，很有体系和逻辑，作业虽然很多但也布置的很有针对性，但就是到了后半学期time series的部分推导真的太多了，每节课都很头大，期中期末考试都有，难度适中。

　　Core Finance

　　Core Finance基本就是深入版的CFA一级，大概讲了估值、债券、衍生品这些，但就是各种模型被教授讲得过于独特和奇妙了，基本我的同学们都没有听过他这种讲解方法，所以很容易产生明明这东西我好像以前会的被他这么一讲怎么反而不懂了呢的感觉。

　　但是考试比较常规，期中期末考试都有，有的题目比较灵活，作业也不少，难度也不小，不过也很有针对性。

　　Incentives

　　Incentives那门课我没有选，但是听说有case study和presentation，难度也不小，数理要求也很高。

　　Spring Quarter

　　第三个quarter对于我来说很悲催，因为已经全部变成线上授课了，真的效果不太好，不能在实地上课本来感觉就会差一点，加之group work成员交流困难、助教课基本取消等，明显觉得这学期学得很吃力。

　　这个学期选课自由度很高，必修的只有讲座课，professional development如果上学期没有选的人可以选，选了这门课的人这学期从八门elective courses里选三门即可，如果不想修professional development课的需要修四门。

　　八门课分别是：Macroeconomic Implications of Globalization, Money and Banking, Exchange Rate Forecasting and Portfolio Evaluation, Fundamentals of Big Data, Asset Pricing and Portfolio Theory, International Economics, Mathematical Foundations of Machine Learning and Big Data for Economics和Principles of Big Data Management System.

　　这学期的课每届变动挺大的，像我当时申请这个项目时官网的spring quarter的课和这些出入还是挺多的，所以之后入学的学弟学妹们课程可能也会和我的很不一样，我就大概说下我选了的课。

　　我选了professional development，Asset Pricing and Portfolio Theory, International Economics和Principles of Big Data Management System。

　　不知道是因为疫情线上上课还是选课踩雷，我感觉这学期的课都超级难，而我有报CFA level II的考试，现在也是非常庆幸得亏是疫情取消了不然根本没时间学。

　　professional development

　　首先是比较轻松的professional development，可能是我们第一学期结束后吐槽比较狠，这学期这门课废话少了很多，更多的时间给了industry的人来给我们讲一些比较实用的内容，并且有修改linkedin、mock interview、professional presentation等实践，感觉还可以。

　　Asset Pricing

　　Asset Pricing这门课比较中规中矩，作业也比较多，每周都有，但不算太难，主要是运用excel写，当然也有人会用R来写，期中期末考试都有，但就目前结束的期中来看还算比较简单。

　　International Economics

　　International Economics这门课超级超级难，而且真的不怎么实用，建议避开!!!

　　虽然只有group work的两个作业、一个project，以及期末考试，但它的可怕是真的谁选谁知道。

　　虽然没有说，但真的是phd design的感觉，作业是用新的data复制论文的流程，过程超级难，教授也完全没提供讲解，TA课也没有，完全自己摸索。

　　虽然只有两个作业，但是真的秃头!!!期末考试目前还没考，但就sample来看也是很难，感到瑟瑟发抖。

　　主要这门课付出了很多时间和精力，让人很崩溃，但是真的收获不大，它的面很窄不说，选这个项目的人，有几个想之后从事国际贸易这种方向?

　　Principles of Big Data Management System

　　再接下来就是Principles of Big Data Management System这门课了，依旧吐槽到想哭。

　　它属于hardcore到我们无法承受的地步，教授是USC工学院的，完全以要求CS的标准要求我们，结果就是让我们自己研究写爬虫代码，主要我们没有什么基础，加之UCLA的quarter制不同于他们南加大的semester，我们时间很紧，课和作业本来就多加之大部分同学还要找工作，根本没有时间好好去研究他的作业。

　　而他的想法是“you should spend the whole week on homework”,我们真的招架不住。

　　本来他有四个作业+一个project+期末考试，但在我们和项目committee反映的努力下，他调整了难度和工作量。

　　总之，我这学期的选课略崩，目前看来，Money and Banking 、Fundamentals of Big Data这两门课的好评度很高，大家选课可以参考一下。

  编辑：翁晓兰