一、怎样自学金融？
从入门知识开始学习金融知识，需要浏览大量的相关书籍，拓宽视野。应该从货币、信用、利率、金融市场、金融机构等重要的关键词入手。
要理论实践相互结合，加深学习印象和学习成效，借阅几本金融学书籍，可以参考阅读进行学习。 书籍有《货币经济学》、《投资学》、《金融基础知识》、《金融市场》、《商业银行》等。
二、怎么自学金融？
从入门知识开始学习金融知识，需要浏览大量的相关书籍，拓宽视野；
应该从货币、信用、利率、金融市场、金融机构等重要的关键词入手；
要理论实践相互结合，加深学习印象和学习成效；
借阅几本金融学书籍，可以参考阅读进行学习。书籍有《货币经济学》、《投资学》、《金融基础知识》、《金融市场》、《商业银行》等。
三、如何自学金融？
为了学习金融，你可以先阅读一些相关的书籍和文章，以了解基本概念。然后，尝试完成一些相关练习题，以形成一定的实践能力。
同时，你还可以订阅行业杂志、访问相关官网、参加课程等，加深对金融相关知识的理解和熟悉。
最后，通过使用各种在线教育资源、颁发虚拟证书等方式实现自我认证，以证明你具备金融基本知识素养。
四、怎样自学金融知识？
从入门知识开始学习金融知识，需要浏览大量的相关书籍，拓宽视野。应该从货币、信用、利率、金融市场、金融机构等重要的关键词入手。
要理论实践相互结合，加深学习印象和学习成效，借阅几本金融学书籍，可以参考阅读进行学习。 书籍有《货币经济学》、《投资学》、《金融基础知识》、《金融市场》、《商业银行》等。
五、如何自学经济金融？
从比较广泛的意义上来说,金融学属于经济学研究领域，金融学是专对金融货币流通市场上的经济活动的研究（如期货 股票 债券 保险 银行 风险投资等等）。
大学里所见的一般性经济学专业主要偏向学术研究，其研究的面很广，课题很大，所以一般不针对具体实用的经济学科领域。 但是从经济学基本理论研究衍生出了很多新的经济学分支,比如信息经济学,环境经济学(non-market methods分析方法就是一个很重要的扩展)等等.
从另外一个角度而言: 金融学发端于经济学，但如今已经从经济学中相对独立出来，有了比较系统的研究方法．
同时,现代金融学依然停留在现代经济学的新古典分析框架内. 其特点是从微观主体的理性行为入手（行为金融学考也虑了非理性行为,比如锚定效应）, 构建考虑时间和不确定因素的市场均衡体系, 考察金融系统在资源跨期配置中的机制和作用.
金融学开创了经济学中比较独特的研究方法，比如说金融资产定价中常用的无套利分析, 实际上比经济学中的供求分析更specific，在市场中更容易实现．
扩展资料：
金融、金融学均为现代经济产物。古代主要是农耕、农业经济，主要是易货和简单的货币流通，根本不存在金融和金融学。如在中国，一些金融理论观点散见在论述“财货”问题的各种典籍中。它作为一门独立的学科，最早形成于西方，叫“货币银行学”。近代中国的金融学，是从西方介绍来的，有从古典经济学直到现代经济学的各派货币银行学说。
金融学研究的内容极其丰富。它不仅限于金融理论方面的研究，还包括金融史、金融学说史、当代东西方各派金融学说，以及对各国金融体制、金融政策的分别研究和比较研究，证券、信托、保险等理论也在金融学的研究范围内。
在金融理论方面主要研究课题有：货币的本质、职能及其在经济中的地位和作用；信用的形式、银行的职能以及它们在经济中的地位和作用；利息的性质和作用；在现代银行信用基础上组织起来的货币流通的特点和规律；通过货币对经济生活进行宏观控制的理论等等。
经济学是研究人类经济活动的规律即价值的创造、转化、实现的规律——经济发展规律的理论，分为政治经济学与科学经济学两大类型。
在对称经济学看来，资源的优化配置与优化再生只是经济规律的展开和具体表现，经济学的对象应该是资源优化配置与优化再生后面的经济规律与经济本质，而不是停留在资源的优化配置与优化再生层面。停留在资源的优化配置与优化再生层面的，是政治经济学而不是科学的经济学。
要研究经济发展的规律就必须从整体上统一研究经济现象，宏观经济与微观经济是统一的经济体中对称的两个方面，所以在科学的对称经济学范式框架中，有宏观经济与微观经济之分，没有宏观经济学与微观经济学之别；而政治经济学总是把经济学分为宏观经济学与微观经济学。
1．经济就是生产或生活上的节约、节俭，前者包括节约资金、物质资料和劳动等，归根结底是劳动时间的节约，即用尽可能少的劳动消耗生产出尽可能多的社会所需要的成果。后者指个人或家庭在生活消费上精打细算，用消耗较少的消费品来满足最大的需要。
总之，经济就是用较少的人力、物力、财力、时间、空间获取较大的成果或收益；
2．经济就是国家或企业、个人的收支状况，如国民生产总值、社会总产值、企业的产量与效益、个人的收入与支出等；
3．经济就是经邦济世、经国济世或经世济民等词的综合和简化。(如“识局经济”(《晋书纪瞻》)、“皆有经济之道而位不逢”(隋王通《文中子中说》卷六)。它的含义包括国家如何理财，如何管理各种经济活动，如何处理政治、法律、军事、教育等方面的问题，即治理国家、拯救庶民的意思；
4. 经济就是家庭管理(见[古希腊]色诺芬著：《经济论》)；
5．经济就是一种谋生术，是取得生活所必要的并且对家庭和国家有用的具有使用价值的物品(见[古希腊]亚里士多德著：《政治学》)。
六、人工智能对金融从业人员会产生哪些影响？
从2019年开始，有关金融科技的内容，包括人工智能、算法交易、区块链、数据科学，甚至智能投顾等将正式纳入CFA的考试范围，出现在试卷中。在此之前，这些内容已经纳入了CFA的官方教程。鉴于CFA在金融业内是公认的最具有权威的认证资格考试，这一变化反映了我们的金融业正在经历着一场巨大的变革。而主导这场变革的，正是以大数据和人工智能为核心的金融科技。
当然，这一变革还是姗姗来迟了。人工智能在金融中的应用，早在本世纪初甚至更早一些时候就已经悄然成型了，只不过被公众熟知才是最近的事情。
谈起人工智能和机器学习，近几年来一直是媒体和公众的热点话题。2016年击败世界围棋冠军的AlphaGo,更是掀起了人们对于人工智能未来发展趋势以及对未来人类生活影响的热议。
日本金融产品专家樱井丰在《被人工智能操纵的金融业》一书中大致表达了下列观点：
1、算法交易-速度是王道
在芝加哥与新泽西的交易中心之间铺设一条光缆地下隧道。隧道将计划通过两地之间的河流、山川、森林，总长1300公里，耗资4亿美元。在美国畅销书作者迈克尔.路易斯笔下《快闪小子》中描述的这一巨型工程，可以说规模堪比横跨英吉利海峡的英法海底隧道。而它的唯一作用，竟然仅仅是为了将两地的交易所信号传递时间降低4毫秒！这看起来不可思议的情节，在今天高频交易主导的金融市场，并不算是天方夜谭。当今的金融市场，证券交易的模式早就已经远非20年前乃至15年前可以想象。
最早的算法交易，或者说电子交易，也就是由计算机指令触发证券买卖订单的执行，其交易策略的制定还是由人来掌控的，计算机只不过是充当一个执行的角色。而随着IT技术在软硬件两方面的迅猛发展，其中硬件的发展包括计算机芯片、内存性能和容量的提升，以及网络通信技术的发展，软件则包括计算机算法，特别是近年来机器学习和人工智能方法，以及大数据技术方面的进步，电脑越来越多地替代人脑在交易中发挥越来越重要的角色，从单纯的指令执行者演变为了策略和交易规则的制定者，出现了依靠机器学习强大的自学习算法，也就是能够不断学习和改进的算法，来制定和演化交易策略的智能交易机器人。
算法和计算机已经越来越成为金融市场交易的主导力量。根据统计，从2003年到2012年这短短的10年之内，算法交易在美国股市中的比重，从15%增加到85%，这是一个倾覆性的增长。金融市场本来就是一个充满挑战与竞争的战场，而在当下，竞争的范围已经从单纯的策略和算法，扩展到了关于数据量和硬件的竞争。前者的战场是大数据技术，这在普通的电子商务中也非常普遍，后者更是一度处于白热化状态。前面那个《快闪小子》书中的场景，可以说是现实中一种叫做“抢市”的交易策略的缩影。
这里简单描述一下“抢市”。假设某一投资者下了一份购买10股ABC公司股票的限价买单，限价为30美元。现有A，B，C三个交易所，三个交易所的交易对手们为了争取在用户的买卖指令到达其他交易所之前抢先下单。如果A交易所是那家联通了铺设的超高速地下光缆的交易所，因而占据了交易的先手，因此订单将首先到达A交易所，其次是B和C交易所。那么，A交易所将可以以最高的价格首先抢单，比如以29.7元的价格抢到5单，其次到达的是B交易所，以29.5元的报价抢到3单，最后C交易所以29.3元的报价抢到最后2单。假设最后的收盘价是29元。则最后的结果，A交易所获得了总交易量的一半以及总利润的62.5%。实际交易中，关于技术的竞争已经达到白热化。在A股市场2015年的一波牛市中，关于伊世顿公司将其高频系统违规直连交易所的风波，也引起了业内关于高频交易的热议。当然，国内交易所其实是没有所谓美国金融市场上的交易所直连的。
由电脑通过高频交易系统直接根据自动交易策略进行下单，搞得不好会造成金融市场的剧烈波动，破坏其稳定性。一个案例是2010年5月6日美国股市在半个小时之内发生的闪崩和之后的迅速恢复。从当日下午2：41分起道琼斯指数在4分钟之内下跌了6%，全天道琼斯指数的跌幅接近1000点，超越了2008年金融海啸中雷曼公司倒闭期间的跌幅。个别公司，比如宝洁，股票当日跌幅达40%之多。更加诡异的是，在之后的几个月之内，业界都始终无法找到导致这起美股历史上罕见的闪崩事件的罪魁祸首。直到5个月以后，美国证券交易委员会的调查结果才终于揭开了这起闪崩事件的谜底-超高速机器人交易员根据其交易策略抛售的巨额订单。
高频交易的疯狂可见一斑，在算法操控的机器人主导的交易市场下，瞬间的暴涨和狂跌已经成为一匹脱缰的野马，再也不受人类意识的掌控。很难说，这对金融市场来说，是祸是福。但有一点是肯定的，金融市场的交易已经迈入了一个新的时代。
2、对冲基金 - 收割alpha的利器
关于对冲基金，很难下一个完整准确的定义。它与一般的资产管理公司不同，追求的是绝对的回报率，而非基于某种基准，比如大盘指数的相对回报率。这意味着它与大盘与宏观经济的关联度很低，无论市场好坏，经营良好的对冲基金总是能够为投资者带来丰厚的回报，而这也正是他们利润的源泉所在。相比于一般的投资公司，比如共同基金，对冲基金享有许多独特的优势。它不受监管，因此在投资策略上非常灵活，可以随意的参与各种金融市场，以超高的杠杆率进行多头或空头交易。因此他们可以毫无顾忌的使用各种量化方法进行投资实战。
在投资管理方面，对冲基金是最早投入人工智能技术的食螃蟹者。以美国著名的两家对冲基金公司，桥水公司和文艺复兴科技公司为例。这两家公司，以及他们的创始人Ray Dalio和James Simons，在金融界可谓是大名鼎鼎，如雷贯耳，如神一般的存在。在一个企业平均存活时间只有5年，竞争无比激烈，每天都处于风口浪尖的行业里，这两家公司能够在数十年的时间内屹立不倒，并以其常年骄人的业绩独领风骚，堪为业界同行所侧目。他们崛起和成功的关键在于什么呢？毋庸置疑的是，人工智能技术的应用在其中发挥了不可忽视的作用。
先说文艺复兴公司，在过去20年的时间里，其所经营的旗舰基金-大奖章基金创造的年回报率超过35%。这是一个什么概念呢？假如当初你投入了1000元，那么今天它的价值将会是40万元。这远非世界上任何一支大盘股价指数可比。即使是2008年金融危机也没有对其业绩产生负面的影响。相反，大奖章基金当年的回报率高达98%，甚至还远远好于一般的年份。在公众视野中，该公司总是笼罩着一层神秘的面纱。从上世纪90年代开始，公司就不再吸引外部资金，而是局限于内部员工的资金。公司也不再对外公开招聘员工。与此相反，他们往往会不动神色地私下联系一些业界的精英，包括大学和研究院的著名教授或学者，将他们不声不响地挖到其麾下。我所认识的几位在其中供职的朋友基本都已在数年前就实现了财务自由。但他们对自己在公司的经历总是讳莫如深，甚至联系到他们也不太容易。当然这也是可以理解的。
值得指出的是，在那些为公司青睐而加盟的人才当中，不少是人工智能和机器学习方面的专家。西蒙斯本人是一位出色的数学家，在微分几何和密码学方面富有造诣，获得过加州大学伯克利分校的数学博士学位，曾经在纽约州立大学石溪分校任教期间与陈省身合作提出了著名的陈.西蒙斯理论。这位英才如果不是因为离开了学术界，估计也应该和邱成栋，陶哲轩一样获得个菲尔茨奖什么的吧。当然，他的这一选择当然不能说是错误的。西蒙斯的接班人是两位原IBM人工语音识别领域的专家Peter Brown和Howard Morgan。而人工语音识别是人工智能和机器学习的重要应用领域。因此公司在投资策略上倾向于人工智能技术也就不足为奇了。事实上，文艺复兴科技很早就引入了超高速机器人交易员，并且采用密码学技术和机器学习方法来对市场信息信号进行解读，挖掘其中的规律，并且找到突破短期交易趋势分析的核心规律。另外，该公司也在不断地聘用大量的机器学习专家。
桥水公司的经营风格与文艺复兴科技有所不同。该公司的旗舰基金是纯阿尔法基金。顾名思义，该基金的核心策略是追求纯的alpha, 也就是超额回报。根据经典投资学中的资本资产定价理论，投资回报可以分为alpha和beta 两类，后者为市场回报，可以通过持有大盘股票指数来复制，而前者为超额回报，与股票指数的回报原则上没有关联性。纯阿尔法基金通过投资股票，债券和外汇市场，试图剥离由于大盘指数变化引起的波动，实现纯的alpha超额回报。桥水的成功，除了其策略得当以外，与其企业文化也有紧密的关系，而它的企业文化又与Ray Dalio个人的思维理念密不可分。据说是因为年轻时受了披头士乐队的影响，Ray Dalio坚持每天静下心来长期冥想，并且将他思考的成果汇总为一本内部员工手册，为员工提供行事原则，在其中他着重强调了探求真实的重要性。与文艺复兴科技类似的是，桥水公司同样非常重视人工智能和机器学习技术在投资策略中的作用。这一点反映在其于2012年从IBM公司挖走开发人工智能计算机引擎"沃森"的科学家大卫.费鲁奇，并且在2015年3月宣布成立包括费鲁奇在内的6人人工智能小组，从事开发新一代的基于机器学习和认知技术的交易策略。未来，这一策略或许会成为Ray Dalio征服市场的新一代魔法水晶球。
3、智能投顾-最贴心的投资顾问
与对冲基金的服务对象仅限于身家亿万的富豪与机构投资者不同，智能投顾通过降低资金管理门槛，让普通大众也能够享受专业的投资顾问服务。
近几年间，智能投顾得到了迅猛的发展，并且大有取代人类投资顾问的趋势。尤其是在美国，总额20兆美元的退休金有一半以上投资在了证券市场。相比较而言，东方国家，包括日本和中国，人们理财的主要方式依然是银行存款。智能投顾相比较人类投资顾问，费用仅为后者的1/4-1/3，并且在业绩上也丝毫不逊色于后者。由于采用了人工智能算法，并且根据用户的投资目标和风险偏好制定相对应的投资策略，智能投顾能够有效的客服人类投顾的主观偏见和其他自私的动机，更加有效的把投资者的利益作为制定投资决策的基本原则，进一步进行合适的资产分配。为了降低费用和有效的进行投资，智能投顾倾向于选择ETF（可交易指数基金）来进行资产配置，并运用现代投资理论作为指导，构造合适于不同投资者的个性化投资策略。
近几年来，许多投资界大鳄，包括黑岩集团和嘉信理财都纷纷加入智能投顾技术的行列，甚至人们能在加入者的行列中发现一些纯科技公司的身影，包括开发出阿尔法狗的DeepMind公司。
4、机器人-饭碗杀手
智能机器人的崛起，使得人们开始思考一个问题: 人工智能是否会替代人脑智能而主宰金融业的未来，从而无情地夺走金融从业人员的饭碗？
其实这种担忧并不仅来源于金融业，许多其他传统行业同样也在面临人工智能的挑战。当然，这也不是我们第一次面对技术进步带来的职业淘汰危机。从18世纪工业革命，人类社会进入机器化社会大生产开始，许多手工工作就开始被机器所替代。即使到了现代，由于技术的进步而销声匿迹的职业也是比比皆是。对于今天的我们，打字员与BP机传呼台的工作已经成为历史，而在不久的过去这一切还完全不同。在90年代初的时候，会使用老式的击键式打字机打印油墨稿件是一项非常受青睐的硬技能，足以帮助你在竞争激烈的深圳特区职场上找到一份称心的工作。而现在的年轻人，可能绝大多数都没有见到过这种老式打字机。
然而，人工智能带来的这场职场变革，其深远程度可能远远超过历史上曾经发生过的。根据专家指出，未来近半数职业将会被智能机器人夺走的可能性大于90%。这是个非常可怕的预测。根据英国牛津大学副教授奥斯本在一本书中提到的，未来由于大数据技术和机器人技术的普及，只有具有三种不可用机器人替代的特殊技能的职业才可能幸免被替代的命运，而其他职业将无一例外地难逃厄运。
这三种技能包括知觉与操控，创造性以及社交智慧。知觉与操控需要特殊的身体协调性，灵活性和身体某些部位，比如指尖的灵敏性。创造性包括了科技发明创造和文学艺术的原创能力。而社交智慧则更加直观，包括说服，谈判，调解，心理咨询的能力。这样算来，只有体操运动员，作家，画家，心理咨询师，管理人员这些岗位能够存活了。大家不妨对号入座一下。如果有可能的话还是要好好的培养一下这些能力的。
相对而言，那些不涉及这些技能的职业，前景就会比较悲观，包括一般的技术人员，电话营销人员，出租车司机等等，甚至模特也在可能的被淘汰之列。不幸的是，金融行业的大部分职业都中招了。今后的10-20年中，最有可能被机器人替代的金融行业的职业包括保险营销人员，理赔事务员，银行前台，证券中介，贷款审批人员，信用分析人员，信贷审批人员等等。其中相当一部分属于今天银行与信用卡公司的核心工作。至于零售业，包括个人的信贷审批工作未来更加是大数据分析的天下。
事实上，金融界面临的问题绝不仅仅是什么样的银行工作会被替代的问题，而是银行本身会不会被替代的问题。关于这一点，绝非危言耸听。随着互联网金融的发展，互联网公司的触角已经直接伸进了金融业，并且开始争夺传统金融机构的领地。马云曾经说过：“如果银行不改造自己，就让我们来改造银行”。
事实上，全球的各大银行已经纷纷开始裁减其物理网点。未来这种趋势还会进一步加剧。未来的银行可能真的会淡出我们的生活，抑或以一种不同的形态出现。那么，我们不禁会问，在金融领域留给人类的工作还剩下那些呢？恐怕前景不容乐观。事实上，即使是人类擅长的那些领域，比如情感的理解和交流，随着机器学习自我学习能力的增强，也会逐渐被机器迎头赶上。也许未来留给人类的选择，只有一些辅助和管理设计机器人工作的工作了。不过，只要人类依然是机器的最终操控者，而非反过来，那么似乎也没有必要太过于杞人忧天。
对于未来金融科技发展趋势的展望：
1.人工智能是一个不断发展的动态领域。最初的人工智能仅仅是将人类事先制定的规则进行一步步的操作，而谈不到什么主动创新或自我改善。比如象棋程序，计算机算法通过穷举所有的棋局来判定下一步棋子的走法。1997年击败国际象棋冠军的IBM深蓝计算机，采取的就是这种方法。而对于比象棋复杂得多的围棋，穷举法将不再使用，因为即使是今天计算机的计算能力也无法达到在可容忍的时间范围之内穷举所有的围棋布局。因此一直到20年之后的2016年，阿尔法狗出现击败世界围棋大师李世石，人工智能才最终攻克了围棋的战法。而这时候的方法已经改头换面成了基于实例和训练数据集不断的自我改进的机器学习算法，或者更确切的说是深度学习算法。与实现事先人类制定的规则不同，机器学习算法通过大量实战训练来不断的改进算法的精确度，我们将这种方法叫做归纳。其实这非常符合人类的认知过程。我们不妨回忆一下我们自己是如何学会我们的母语的。自然，不是通过学习语法和发音规则，而是通过不断的与我们周围的人进行交流，进行模仿。
2. 未来人工智能会继续攻克一些今天它并不擅长的领域，包括心理咨询和情感认知。这一预测来源于机器学习强大的自我完善能力和学习能力。只要提供足够多的训练实例和足够长的训练时间，那么人工智能迟早都会掌握这些技能。当然，这也意味着未来会有更多人类的工作被机器人替代。
3. 未来的经济和金融学教科书会被大篇幅的改写，尤其是关于大数据分析和人工智能的作用。这一点其实我们已经看到端倪，比如我们前面提到过的关于金融科技被纳入CFA考试内容的消息。
七、人工智能，能否能自学？
人工智能是可以自学的，而且也只有自学才能真正的深入研究，为了生计、为了薪资终有耗尽的一刻，也许只有兴趣、追求才能帮你随时充能吧!学好人工智能从这几点入手：
第一：学好Python
人工智能可以用很多种语言实现，但Python是较容易实现的一种。学好Python的数据分析、处理，学好Python机器学习，懂得算法建模，往更高层次的深度学习看齐。只能说是看齐，因为机器学习，我都没学很好。机器学习，基本十大算法，和大学高数、线代、概率论渊源极深，所以想进军人工智能，数学也是必不可少的。
第二：学好数学
第一点提到了，当然这指的学好数学，不是说能做一个方程式，能解一道题就可以的。这里所指主要是数学建模，这点和算法进行数据建模还是有一些相似之处的。像机器学习里的监督算法，可以想象成是两种建模体系，但这两种体系会进行对比。例如：有一个是检测体系，里面是有很多种不同形状桌子的数据，那么另外一个体系，要判断是不是桌子，就需要进行比对，相似度越高就越像桌子。我们都知道做数学有很多种解法，但在算法中往往只有更好的算法。
第三：其他辅助学科
人无完人，只是因为人的寿命有限，如果人工智能能自主学习，那么它终将。但是，这就需要创造者了解艺术学、心里学、计算机等方面的知识了。之前说了，这相当于是知识的大杂烩，如此庞大的事业，肯定不是某一个人能完成的。你只需要学好前面的两点就已经可以了。
八、金融工程自学的内容？
主要包括数学、计算机编程、证券衍生物定价、 风险分析 、金融模型、金融信息分析和一些高级的金融理论等。
学习经济学、金融学、金融工程和财务管理的基础知识，接受财务管理、投融资、风险管理等方面的技能培训，主要利用计算机建立数学模型，解决财务问题。
九、自学金融考什么证书？
证券从业资格证书，
金融英语证书考试开考以来已为国家和各金融机构培养了大批既精通现代金融知识，又能运用英语从事金融业务及管理工作的中高级复合型人才.分为综合考试和高级考试两个阶段。
十、自学金融有前途吗？
自考金融管理专业考试机会也是比较多，每年4、5、10、11月均可参加国家考试，
自考金融管理专业就业前景也是非常的广阔，
这个专业开设有会计类课程，可以从事会计类工作，属于经济类学科，就业前景也不错，薪资待遇也非常好。