香港大学统计学硕士课程是由1987年9月开设的应用统计学社会科学硕士课程调整而来。从1989年的第一批学生毕业至今，我们已拥有大约700多名毕业生。

　　香港大学统计学硕士学位课程旨在为学生提供统计学原理与实践方面严格的专业训练，重点强调统计学实践应用。通过计算机辅助和实际动手取得经验，学生将能够在统计学领域继续深造;或在从事研究、咨询工作和行政工作时做到游刃有余。

　　香港大学统计学硕士课程特点：

　　课程灵活　全日或兼读制

　　香港大学统计学硕士课程于1987年开办，为香港历史最悠久的统计学硕士课程。课程设有一年全日制或两年兼读制的修读模式，切合不同学员的学习需要。

　　针对部分全日制学生期望继续在香港或者海外深造的需求，学校特别容许本课程学生，可以选修最多达九个的研究式课程模块。这样学生毕业后，具备空间去选择继续深造还是直接踏入社会从事专业工作。本课程已有多个毕业生继续修读博士课程和前往海外深造。

　　风险管理或数据分析主题

　　无论是修读全日制或兼读制，学员必须完成54个学分方可毕业。一般而言，每科目相等于6个学分。学员亦可考虑于夏季学期修读部分为3个学分的科目(即半科)，有关安排避免了学员需要在较短的夏季学期完成整科，让他们有较充裕的时间掌握课堂理论，同时练习有关实务上等内容。值得留意的是，全日制和兼读制各自有不同的必修科(合共12学分)，之后，学员可从“风险管理”或“数据分析”两个研习主题二择其一，选修当中至少共24个学分的课程。除了在两个主题中选择专修范畴外，学员亦可按本身的兴趣自由选择选修科目，大大提高学员修课的灵活性。

　　课程內容新增多个科目

　　在课程内容上有不少新的科目，例如Big data analytics、Quantitative strategies and algorithmic trading、marketing analytics、structural equation modelling。随着近年科技不断发展，例如社交网络的出现，与日常生活有关的信息日趋计算机化，电邮、网志、微博等非结构化的信息量高速增长，“Big data”的概念应运而生，而Big data analytics一科将教授学员应用统计学模型解决大数据的种种问题。structural equation modelling的应用则包括社会科学或医学等方面的研究，解答“有哪些和多少个因素导致若干结果”这类问题。Quantitative strategies and algorithmic trading 则应用统计模型和计算机演算式，寻找交易机会。

　　除了上述科目，另一科共6个学分的“工作实习”亦是新设安排，让全日制学员可以将课堂上学到的知识，应用到实际工作环境。学员完成实习后，亦需要通过指导教授评核。

　　香港大学统计学硕士课程设置：

　　Risk Management Theme 风险管理方向

　　1、Statistical inference 统计推断

　　2、Research methods in statistics 统计学研究方法

　　3、Advanced statistical modelling 高级统计建模

　　4、Stochastic calculus with financial applications 财务应用随机分析

　　5、Financial data analysis 金融数据分析

　　6、Advanced quantitative risk management and finance 高级定量风险管理和融资

　　7、Time series forecasting 时间序列预测

　　8、Statistical methods in economics and finance 经济金融统计法

　　9、Risk management and Basel accords 风险管理与巴塞尔协定

　　10、 Actuarial statistics 精算统计

　　11、 Data mining techniques 数据挖掘技术

　　12、 Big data analytics 大数据分析

　　13、 Quantitative strategies and algorithmic trading 定量策略与算法交易

　　Data Analytics theme 数据分析方向

　　1、Statistical inference 统计推断

　　2、Research methods in statistics 统计学研究方法

　　3、Advanced statistical modeling 高级统计建模

　　4、Computational statistics 计算统计学

　　5、Spatial data analysis 空间数据分析

　　6、 Multivariate methods 多因素分析方法

　　7、 Categorical data analysis 分类数据分析

　　8、Time series forecasting 时间序列预测

　　9、 Biostatistics 生物统计学

　　10、 Data Mining techniques 数据挖掘技术

　　11、Marketing analytics 市场营销分析

　　12、Big data analytics 大数据分析

　　13、Structural equation modelling 结构方程建模

  编辑：翁晓兰