在天亮之前起床是个好习惯，这将有助于你的健康，财富和智慧。——亚里斯多德
早起三光，晚起三慌。——中国谚语
早起的习惯是天生的还是后天养成的呢？在我身上，它显然是在后天养成的。在我20岁之前，我很少在午夜前睡觉，几乎总是睡的很晚，通常我会一直睡到每天的傍晚才起床。
但是后来的一段时间我不能继续忽视成功与早起之间的紧密联系了，尤其是在我身上看到了这一点。在我那些少有的早起的日子里，我意识到我的生产效率不 光是早上，而是整整一天都非常高。并且这样做我感觉非常好，我决定养成早起的好习惯，于是立即将闹钟调到了凌晨5点………
……..第二天早上，我在快到中午时才起床。
Hmmm………
我又进行了多次的尝试，基本上每一次都是在那个时间段醒来。我开始怀疑我的身上是不是没有携带早起的基因。每当我的闹钟响的时候，我的第一反应总是想将它关掉然后回去继续睡觉。这个习惯我又保持了几年，但是最终我偶然发现了几篇关于睡眠的调查研究，它们让我意识到我在这个问题上一直是错误的。只要我能把这些调查研究得到的方法应用到我自己身上，我就可以养成一个持久的早起习惯。
使用错误的策略很难使你养成早起的习惯，但是使用这些正确的策略，却相对容易的多。
最通常的错误策略是：你认为，如果你想要早起的话，你最好早点去睡觉。因此你会计算一下你现在一般每天要睡几个小时，然后计算出需要在新的基础上往回移动几个小时。比如说现在你从午夜（夜晚12点）睡到早上8点，你预测如果你在晚上10点睡的话，那么第二天你就可以在凌晨6点起床。听起来似乎很有道理，但是这通常会失效。
目前关于睡眠模式有两个主要的流派。其中一个学派认为你应该每天都按时睡觉，并按时起床。就好像在这两个时刻都有个闹钟一样——你试图在每天晚上的同一时刻入睡。这看起来好像适应于现代社会的节奏，我们需要有一个准确的日程安排表，并且要保证每天有足够的休息。
另外一个学派认为你应该根据身体的需要，累的时候就去休息，睡到自然醒就要起床。这种方法植根于生物学说，我们的身体知道我们需要多少睡眠，因此我们应该听从它们的命令。
通过试验，我发现对我来说两个都不是最佳的睡眠模式。如果你重视你的生产效率的话，它们都是错误的，以下是我这样说的原因：
如果你的睡眠时间固定，那么有时候你可能不是很困就要去睡觉。如果你需要花费超过5分钟的时间才能够入睡的话，这说明你并不是很困。你醒着躺在床上浪费时间，却不能入睡。另外一个问题是你认为你每天都需要同样长的睡眠时间，这是一个错误的假设。你的睡眠时间应该根据每天不同的情况而有所不同。（译者：我觉得还会有这样一个问题，比如说你假设你每天都需要睡够8个小时，可是你有时候早上会提前醒，但是这时候你告诉你自己：“我还没有睡够，在睡一会吧。”可是事实上，你几乎难以再次入睡，你只是在床上磨时间，把你认为你需要的睡眠时间磨完了才会起床 :) ）
如果你根据身体的需要去睡眠，很有可能你的睡眠时间会超过你实际需要的睡眠时间——大多数情况下会超出很多，比如说每周会超出10-15个小时（这相当于整整醒着的一天）。许多以这种方式休息的人每晚上休息的时间都超过了8个小时，这通常是过多的。而且，如果你每天早上在不同的时间起床，那么你每天起床的时间就难以预测。因为有时候我们的生活会失去节奏（译者：比如说大学生的周末，一般都是3点之后才睡觉，而平时基本上都是12点睡觉，这样就会打乱生活的节奏），你可能会发现你的睡眠时间变得飘忽不定。
最佳得解决方案是把二者结合起来。方法非常简单，很多起早的人都在自觉不自觉中使用这个方法，虽然如此，它对我来说还是一个心理上的巨大突破。解决的方案是当我感到瞌睡的时候就去睡觉（只有当我感到瞌睡的时候），然后在每天的固定时间（每周七天）设置闹钟，响了就立刻起床。因此我总是在每天的同一个时刻（我定的是早上5点）起床，但是我上床睡觉的时间每天晚上都有所不同。
当我实在困了的时候我才会上床睡觉。我测试睡意的方法是：如果我不能够连续不间断地读完一本书的一两页，我就要准备去睡觉了。大多数情况是当我上床后，我会在三分钟之内睡着。我舒舒服服地躺下，然后立即就睡着了。有时候我会在晚上9点半就上床睡觉了，有时候我又会一直到午夜12点才睡觉，通常的情况是我在晚上10点到11点之间上床。如果我一直不想睡，我会一直忙到我不能睁开眼睛才去睡觉。在这段时间内，读书是一个很好的选择，因为当我困得实在不能在读下去的时候，这一般是显而易见的，我就会马上去睡觉。
每天早上当我的闹钟响的时候，我会把它关掉，伸一个长长的懒腰，然后坐起来。我这时候什么都不想，因为我知道，我赖在床上的时间越长，我接着再睡的可能性就越大。因此一旦闹钟响了，我就不允许我去想再睡一会的好处。即使我很想再睡一会，我通常也会立刻起床。
在坚持这个模式一段日子后，我发现我的睡眠规律逐渐变得有节奏了。如果前一天晚上我的睡眠时间不够充分，第二天晚上我自然而然地就会提前睡觉以补充足够的睡眠。而如果我的精力非常旺盛，一点都感觉不到累，我就会睡的少一些。我的身体学会了什么时候将我叫醒，因为它知道我通常会在每天的那个时刻起床。
这样做的一个很好的效果是，我平均每天晚上睡觉的时间减少了90分钟，但是我却感觉更轻松，我想这主要是因为我在床上的时间基本上都在睡眠中。
我得知这样一个情况，那些失眠的人都是那些明明不瞌睡却要上床睡觉的人。如果你不瞌睡，而且你发现自己无法立即入睡，那么立即起来，让你的头脑保持清醒一段时间。一直等到你的体内开始分泌激素，你的意识开始变得模糊，你再去睡觉。如果你能够在你瞌睡的时候去睡觉，在一个固定的时间起床，那么你的失眠症将会不治自愈。第一天晚上你可能要待到很晚，但是你会在上床之后立刻入睡。你可能会因为整晚只睡几个小时而在第二天起的太早时（相对太早）感到很累，但是经过一天的忙碌之后，你就会想在第二天晚上早一点上床睡觉。经过一段时间后，你就能养成每天晚上大概都在某一个时间上床，并且迅速入睡的习惯。
因此如果你想成为一个起早者（或者只是想更多的控制你的睡眠模式），那么就试试这样做吧：只有当你太瞌睡而不能继续坚持下去时才去睡觉，每天早上都在同一个固定的时间起床。
PS：关于如何成为一个起早者还有续文，介绍了需要注意的一些细节上的问题，具体的内容请参照：如何成为一个起早者（二)
如何成为一个起早者（二）
原文地址：How to Become an Early Riser - Part II
作者：Steve Pavlina
翻译：Angelived
译文地址：
http://angelived.org/2007/05/22/how-to-become-an-early-riser-part-ii/
（原作者 ：上周一的那篇文章“如何成为一个起早者”显然引起了很多人的共鸣，那篇文章收到了很多反向链接（反向链接加上回复总共213个，后来作者把评论关闭了，否则会更多 :)），超过这个站点上任何一篇我写过的文章。...........)
(译者：因为上一篇文章反响很大，因此作者决定再写一篇文章来讲一下更细节方面的东西）
首先，在“当你困的时候才去睡觉”这个问题上，要想做到这一点，需要你能够意识到什么时候你瞌睡了。（不知道翻译的对不对 ;) 原句按单词的组合意思是“需要你有正确的混合意识和常识” ）。
如果你在睡觉前做一些很刺激的活动，你就会（译者加：因为太兴奋而）睡地更晚，并且在睡觉前感觉不到瞌睡。大学期间我经常通宵与宿舍的同学打扑克，天亮之后我们常常会出去吃早餐。如果我要做工作、和朋友一起出去玩或者做其他很刺激的活动，我就可以容易地比平时晚些睡觉。
但是这不是我指的“你要意识到什么时候你瞌睡了”。我在这个测试中提到过“如果你不能够专心地连续读完一本书的一两页（说明你要准备去睡觉了）”。但是这并不意味着你要等到你快要精疲力尽的时候才去睡觉。
我所指的“想睡的征兆”是指当你的头脑开始释放激素，促使你瞌睡。这和感觉到累是不同的，事实上，你只是感觉到昏昏欲睡。但是为了使你的头脑释放激素，你需要创造一定的条件来使得它发生。这意味着你要让自己在睡之前把节奏放慢下来，我发现阅读是最棒的一个途径让你在睡之前放慢节奏。有些人说在床上看书是个不好的习惯.......可是我从来对在床上看书没有任何问题，因为当我太瞌睡而不能阅读下去的时候，我就可以把书放下，然后马上入睡。不过如果你喜欢的话，你也可以坐在椅子上看书。
另外一个测试你可以使用的是，问问你自己，“如果我现在去睡觉的话，我能多快入睡？”如果你认为你将需要超过15分钟的时间入睡的话，我会告诉你继续做你手中的事情，等会在去睡觉。
一旦你设定了一个固定的时间醒来，可能会需要你通过几次实践来确定你正确的睡觉时间范围。刚开始的时候你可能会看到变动比较大，一天晚上睡的太晚，另一天晚上睡的太早。但是最终你会找到一个感觉，你能够感觉到什么时候你去睡觉会马上睡着，并且第二天你仍然精力充沛。
为了防止你睡的过晚，给自己划定一个最晚睡觉时间，即使这时候你完全不瞌睡，无论如何你也要在那个时间上床睡觉。我知道我每天晚上至少需要6.5个小时的睡眠时间，但是如果遇到了紧急情况，那么我可以只睡5个小时，第二天还很好，前提是我并不是每天晚上都这么做。现在我的睡眠时间最长为7.5小时。在我开始每天早上准时醒之前，我经常每天晚上睡8到9个小时，如果有时候真的累的话，甚至睡10个小时。
如果你白天喝咖啡的话，好像这可能会打乱你的睡眠周期。因为起初的那篇文章假设你不依靠药物保持清醒，如果你喝咖啡有瘾的话，那么请先戒除你的咖啡瘾。如果你的大脑依靠化学物质的话，那么不要指望你的睡意会在合适的时间到来。
先前那篇文章的目的在于说明如何养成早起的好习惯。因此提的建议是直接关于如何养成这个习惯的。一旦这个习惯养成了，它就可以下意识的起作用。你可以做刺激的活动，比如说工作或者玩电动游戏，你将会知道什么时候你需要去睡觉了，即使它和以往晚上睡觉的时间不同。我说讲过的睡意测试对于养成这个习惯非常重要，不过在养成习惯之后，精确的信号（这里指的应该是你自己能够感觉到睡意的到来）会取代它起作用。
如果真的需要的话你可以不时的睡地晚一些。如果我一直到凌晨3点才睡觉，我就不打算在第二天早上5点起床，但是我会在第二天恢复到原来的起床时间。
我推荐你坚持每天在同一时间起床一个月，以此来养成早起的习惯。但是在这之后，你就会因为条件反射每天都在那个时间醒来，而你将很难再次入睡。我决定在周六早上起的晚一些，所以我没有设置闹钟，但是我自动地在4点58准时醒来。然后我试图再次入睡，但是我已经清醒了，我完全无法再次入睡。哦，好吧。一旦这个习惯被养成，那么想要准时起床就一点都不难了。这就像你知道什么时候你瞌睡了你就会去睡觉一样。
如果你有小孩的话，你必须尽量去适应它。我的两个孩子，一个5岁，另外一个只有1岁。有事他们把我从半夜吵醒——我的女儿有个习惯，她喜欢在睡床里 “摇晃着”告诉我妻子和我关于她做的梦，或者有时仅仅想和我们聊天。我知道你的婴儿隔几个小时就醒的状况，因此如果你是这种情况的话，我给你的建议是当你能睡的时候就睡。想让婴儿遵守“日程安排”是不大可能的 :)
如果你不能在你的闹钟响后起床的话，这好像要归咎于你缺乏自制力。如果你有足够的自制力的话，无论如何你都可以马上从被窝里跳起来的。起初的动机会有效，但是动机可能只会持续几天。规律就好像肌肉一样，你越是经常训练它，你就越能依靠它。每个人都有它自己的一些规律（你可以控制你的呼吸么？），但是并不是每个人都有意地去发展它。有很多方法可以养成规律——你可以看下整个六篇关于如何建立规律的系列文章（我会在之后将六篇文章中的经典部分翻译过来，想进一步了解如何养成规律的话，你可以用抓虾或者其他的订阅工具订阅我的博客 :) ）。基本上它可以归结为克服一些小的挑战，战胜了它们，并逐渐地发展成为习惯，这就好像是举重练习一样。当你的自制力逐渐变强，像在某个特定的时间起床这样的挑战将最终变得那么简单。但是如果你的自制力衰退的话，那么它就好像是一个几乎不可逾越的障碍一样。
为什么要早起？
我要说主要的原因的是你可以有更多的时间来做比睡觉更有趣（译者：我认为是“更有意义” :) ）的事情。
再提一次，我已经从每周节省出10到15个小时来做这些事情了。这些额外的时间效率是非常明显的。到上午6点半之前，我已经做完了锻炼，冲了个澡，吃了早饭，我已经在我的办公桌前准备去工作。我可以每天挤出不少时间来做一些富有成效的工作，并且我通常在下午5点之前完成了一天的工作（那包括私人的 “工作” 比如说发邮件，支付帐单，去幼儿园接我的女儿，等等）。这给了我每晚5到6个小时的自由时间来关心家人、参加休闲活动、主持节目、阅读、写日记等等。而最重要的是，我在这段时间中依然精力充沛。抽出时间来做那些所有对我重要的事情会使我感到非常平衡，放松和乐观。
想一想你可以利用空闲的时间来做些什么。即使每天多余出30分钟也足够你每天进行身体锻炼，读书，维护一个博客，冥想，煮健康的饭菜，学习一门乐器等等。积小成多，即使每天一段很短的时间经过一年的积累也将会变得巨大，每天多余出30分钟一年就是182.5个小时。这可比一个月的工作时间还要长（按每星期工作40个小时）。如果你能每天节省60分钟的话，一年你能节省的时间就会翻倍，如果你能每天节省90分钟的话，那么它就会变成三倍。对我来说，我每天大概能够节省90分钟的时间。那就是说我每工作十年，就相当于其他人工作十一年。我可以用那一年的时间来精力充沛地做以前我没有时间做的事情，这是多么美妙！ :)--http://blog.renren.com/blog/228806186/457480942
Wednesday, April 28, 2010
个人做Research的体会
个人做Research的体会
（转载自MITBBS）
完全个人观点，不见得试用于所有人。
第一不要太迷恋TECHNICAL的东西。从自己和周围一些朋友的例子，我发现很多中国学生对TECHNICAL的东西特别感兴趣。什么新的东西都想学，不管究竟对自己的RESEARCH有没有帮助。所以很多中国学生的通病是，前两年上基础课的时候都很优秀，经常是全A。但到了三四年级时，进入RESEARCH很慢。很多人的毕业论文都是匆忙上阵，甚至迟迟不能毕业。当然我并不是说TECHNICAL的东西不重要。博士课前两年是积累一些GENERAL TECHNICAL SKILLS很重要。剩下的时间主要集中在开始RESEARCH和学习与自己RESEARCH相关的TECHNICAL SKILLS。
第二要在三年级就开始选定一到两个具体的TOPIC。我觉得从什么报纸，杂志或网站上找灵感都是瞎掰。如果自己不是JOHN NASH那样的奇才，老老实实从文献里找灵感。看看自己的导师在作什么，看看自己领域的大牛(如自己领域TOP JOURNAL的EDITOR)在作什么。作研究都是大牛挖坑，小牛灌水。对于JUNIOR RESEARCHERS，我感觉最有效的研究方法就是紧跟大牛挖坑的步伐。认准一个题目后，静下心好好清理一下LITERATURE的脉络。不要朝三暮四，这山望着那山高，整天试图去追逐所谓的HOT TOPIC。
整理文献时先作一个LITERATURE TREE：谁提出了这个TOPIC，LITERATURE里都从什么方向研究了这个题目，它们的关系是什么。对每个分支只包括最重要的1到两个文章。把大牛和中牛抓住就行了，剩下的小鱼小虾就算了。参阅一些LITERATURE REVIEW的文章，如果有的话。然后对经典的文章，如提出TOPIC的文章要进行复制。每个公式，每个结果都试图从新作一边。如果有问题可以向原作者请教。我感觉他们大部份还是很NICE的。复制的工作量其实很大，但也可以学到很多东西。很多东西不靠亲自作是无法体会的。看看自己的导师和领域的大牛最近的研究在LITERATURE中的定位。复制自己感兴趣的文章。
有了这些准备工作之后就可以进行自己的RESEARCH了。有没有什么办法把导师或大牛的文章与其他研究联系起来，有没有什么EMPIRICAL STUDY可以做来支持导师和大牛的论点，这些都是不错的研究方向。另外，一般文章中都会提出一些自己的不足和未来的研究方向。这些都是不错的研究题材。我这里一直强调要跟大牛走。说白了，学术界其实就是被这些人控制着。大家都说中国有学霸，学阀。其实什么地方都一样。论文就是观点之争，不党结派怎么在江湖上混啊。对刚出道的人，最好还是厚道点。多作CONSTRUCTIVE的工作，少批评。我前面给的都是这方面的例子。江湖险恶，只是很多人在作学生的时候不知道罢了。比如说JOURNAL EDITOR的权力其实很大。他们很清楚什么人持有什么观点。他们喜欢的东西就发给持相同观点的审稿人，不喜欢的就发给不同观点的审稿人。结果可想而知。以前的导师不久前让我审一篇稿子。作者声称发现数据支持我导师一篇很重要的JPE文章。看了看文章的统计方法没什么大问题，我当然举双手双脚赞成发表了。
当然也可以指出大牛文章的不足。但是不能为批评而批评。能找出改进方法解决问题的文章才是好文章。比如可以这样写，我复制了A的模型，发现有什么地方和数据不符，原因是什么。我对原模型作了一些改动后，现在模型和数据MATCH了。写作过程一定要注意，多POSITIVE，少NEGATIVE。如在指出A模型和数据的冲突时，不要过多强调这种冲突可能引起的问题。而应该强调解决问题后带来的好处。这样其实已经是对原作者的间接批评了。如果A是领域大牛或作EDITOR，这篇文章十有八九能通过。想跟上大牛步伐，看JOURNAL ARTICLES是不够的。这些JOURNAL上的东西至少是3-4年前的东西了。要多留意WORKING PAPER。列出自己领域20大牛人。经常看看他们在干什么，和自己目前的RESEARCH有什么联系。参加一些WORKING PAPER的EMAILING LIST，比如NBER等。常看看TOP10 DEPARTMENT本领域的SEMINAR LIST。我想再强调一次，这样作的目的并不是要去追逐本领域的HOT TOPIC，而是看看别人的研究和自己目前的RESEARCH有什么联系，能不能给自己点灵感。至少在自己CAREER的前3-4年把RESEARCH INTEREST
限定在两个方向，每个方向整出2篇像样的文章，再考虑换方向。少而精要比泛泛涉猎几个不同方向更容易引起别人注意。就先谈这么多，以后有时间了再补充。
另外，要专心作RESEARCH就要减少在MITBBS的灌水时间。每天减少一小时灌水时间一年能多读多少篇论文啊。没有BBS北美广大WSN能平均提前1年毕业。：-)
再好的RESEARCH IDEA，如果不能很好交流也是白搭。 口语重要，有机会就要多练习。当TA是很好的锻炼。中国人之间也可以说。只有多说才能有进步。坚持说一个学期，你会发现本质的进步。口语不好也不用气馁，除了多练之外，口语其实不象传说中的那么重要，当然想去TEACHING COLLEGE的例外。口语的最低标准是UNDERSTANDABLE。个人认为语言交流有两种不同境界。一种人是滔滔不绝型。想成为这种人除了要思维活跃外，口语一定要能跟的上。另外一种人说的虽然不多，但句句点题。一句废话也不说。这两种人都能给人很深的印象。口语不行的可以建议向这种类型发展。在开口说话之前，先把思路想清楚。无论如何说到底，多练是根本。
关于写作，我同意有人的说法，能写汉语就会写英语。如果总觉得意思没有表达出来，不要找自己英语的问题。一定是思路还没有理清楚。换了让你用汉语写，一样表达不清楚。论文写作，精炼是KING。MANKIW和COCHRANE都有关于这方面的短文，如果你还没看过，不妨从他们的网站上找出来读读。文章最重要的是摘要和简介部份。如果REFEREE看了这两部份之后感觉一头雾水，十之八九要据掉文章。至少我审稿时是这样。从AER，JPE上找几篇文章一看你就对什么是好的写作有个大概了解了。我觉得好的INTRODUCTION上来第一段就要说明你这篇文章研究什么问题，得出什么结论。然后开始介绍这个问题是怎么引起的，你的文章在LITERATURE中是出于什么地位，你研究的贡献在什么地方。接下来稍微详细介绍你怎么实现你的结果的，如你的MODEL SETUP有什么不同，通过什么渠道实现了你想要得到的结果。最后指出论文中不足的地方及未来的研究方向。当然关于写作仁者见仁，智者见智。只要达到有效沟通的目的，形式有多种。
怎么提高写作？同样，多练习。从和导师的沟通练起。多给导师写一些关于自己RESEARCH PROGRESS的NOTES。不要太依赖从导师那里获得IDEA，如果你的导师能每个星期花一个小时执导你的研究，你就很幸运了。当然比较小的经济系情况可能好些，老师也往往更NICE一点。就算NICE的导师，一般也是你要先显示你作研究的潜力，老师才肯花更多时间和精力辅导你。
不要和导师空谈IDEA。如果跑去给导师说，我有一个IDEA，INTUITIVELY，应该可行，你觉得怎么样。从我的经验，导师一定说，SOUNDS PROMISING，不过你要把模型作出来我才知道。他不可能告诉你具体该怎么作。但你弄个30页的PAPER给他看，他也一定不看。为什么，成本太高。他的成本是一小时80多美元，能花2-3个小时看你的文章么。
那怎么办？我的策略是化整为零，多给导师写一些简短的NOTES。一个NOTES大概3-4页左右(DOUBLE SPACE) ，20分钟左右能看完为好。这样作有几个好处。第一，给老师充份时间考虑，得到的指导质量更高。第二，在PROJECT进行过程当中，你能及时得到一些FEEDBACK。如果开始有什么问题，做得越多就错的越多。更重要的是，在写作工程中，你的思路也被组织起来，当然也锻炼写作。
把每个NOTES都当一篇小论文来看待。上来先来个概括，如我最近作了什么工作，得到什么结果，有什么问题需要解决。然后再展开谈。下面是我的一些教训，希望能对大家有所帮助。
1。不要以为导师比你更了解你的TOPIC。第一篇NOTE一定要给导师作一个背景介绍。例如你的研究是基于哪几篇文章，他们之间的关系是什么，你想从什么地方下手等。要有思想准备给他重复几遍之后，他才能开始记住你到底在作什么。
2。不要浪费时间在空谈。没有具体结果支持自己的ARGUMENT之前不要说什么I BELIEVE BLAH BLAH， I THINK BLAH BLAH。把有限的空间用在具体问题和结果上。看看自己以前的NOTES，发现很多NAIIVE的论断。太多这种东西让导师感觉你在浪费时间，而且会觉得你思维不严谨。我觉得和导师在交流的过程当中，很大一个目的就是要让他感到你作研究很严谨。
3。每个NOTE都包括读者所需要的所有信息。不要写什么SEE EQUATION (2) OF MY LASTNOTE。导师没时间去找你上一个NOTE。把信息从新列一遍。如果实在需要很多上次的信息，就把上次的NOTE附在后面。
4。把NOTE要反复阅读几遍再给导师。
5。多用公式或者一些简单的例子帮助导师理解你的结果。
6。措辞上一定要和LITERATURE保持一致，大牛用过的表达方法自己再用。不要自己发明新的术语如果LITERATURE中已经有现成的了。在写作上，多把自己写的东西和大牛写的比较比较，看看同样的意思，别人怎么表达的。
说了这么多废话，提高口语和写作，就两个字：多练。
今天就写到这罢。下次有空了给大家介绍一些NET WORKING的体会。
所谓NETWORKING就是建立自己的关系网。关系网越大，REFEREE是自己朋友的可能性就越高。评TENURE时还需要校外人员对你RESEARCH进行评估。朋友多了自然好办事。当然NETWORKING和自己的研究能力是相辅相成的。不拿出点干货光靠NETWORKING是行不通的。学经济的精着呢。
NETWORKING分内部资源和外部资源。内部指你导师和读博士所在系的其他老师及同学。剩下的就是外部资源了。今天先说说内部的。
NETWORKING的第一步，也是最关键一步就是找导师。导师是你在关系网中的入口。不夸张的说，选对导师你就成功了一半。如果有教父级人物，象SARGENT，LAR HANSEN这种人作你导师，你赚大了。到什么地方都有人罩着。大家都明白导师并不是越有名越好。那好导师的标准是什么呢。首先年纪不能太大，50岁左右最合适。很多系都有一些熊猫级的人物，如年纪偏大的NOBEL PRIZE WINNER。这些人对你的发展帮助不大。只能回中国忽悠国人。首先他们基本已经不在学术前沿了。而且应酬特多，经常被邀请到亚非拉国家去讲座，没时间指导你。没办法，发展中国家就认牌子。更关键的是，你和导师的关系不能到你毕业就终止了。一定要想办法让他把你扶上马再送一程。至少再罩你个3-4年。年纪太大的导师不现实。学术界就这样，人走茶凉，没办法。
其次，导师要PRODUCTIVE。每年有2-3篇TOP FIELD JOURNAL以上的论文。不少教授被称作DEAD WOOD。一看就知道什么意思了罢。找了个DEAD WOOD你毕业时就DEAD了。另一个很重要的标准就是导师要肯花时间指导学生。导师对学生是否CARE， PLACEMENT是检验真理的唯一标准。有些导师把自己以前学生的信息放在自己的网站甚至简历上。一般这样的导师对学生都很CARE学生。老师的人品不要只道听途说。同一个导师对不同的学生也不一样。我在选导师前听说他曾经当面把学生的论文扔进垃圾筒。不过看他学生的PLACEMENT都很好就选了。其实有时候导师显得很MEAN也是被逼的。如果自己是大牛，对学生又“滥爱” ，所有人都会找你作导师。你不被学生烦死才怪。我们系有几个NICE的FACULTY就是这样被BURNED OUT的。学术界本身就是一个JUNGLE，再牛的人如果2-3年没什么像样的文章也会很快FADE OUT。所以你一般开始和这些人接触时，往往他们有点带理不理的。特别是你去找他们空谈一些什么IDEA，他们恨不得一脚把你踹出去。对导师期望不要太高。如果他一星期花一个小时指导你，已经很好了。
但不要因为困难就找JUNIOR FACULTY作导师。除非你自信能毕业前在TOP FIELD JOURNAL以上的刊物发表独立作者的文章。等毕业时你就知道导师的NETWORKING有多重要了。从我去年RECRUITING的经验看，没人会花时间把所有3-400份申请认真看一边。我们直接到TOP 15的网站，看看大牛有什么弟子。只要和要招的方向沾边的，统统面试。就算你是TOP 15，但导师是个JUNIOR，又没有PUBLICATION，一样不睬你。然后从15到30的网站上看有没有什么中牛的弟子看起来PROMISING的。如果有，把导师的推荐信找出来读。如果导师强烈推荐，也面试。这样下来，至少有30多个CANDIDATES了。让秘书把在LIST上人的申请拿出来，其他直接存档了。然后再大家传阅这30多个申请，从里面挑出25-30个人面试。如果你导师没有一定知名度，你又没有论文发表，你的申请被看的概率基本为零。
早在JOB MARKET正式开始前，你的导师已经在给你作宣传了。比较明显的是他可能在自己的WORKING PAPER中CITE你的毕业论文。大牛的WORKING PAPER都是万人瞻仰的被他CITE后你的知名度一下就上去了。还有很多幕后工作你根本不知道。在9-12月之间的SEMINAR和CONFERENCE上，除了讨论RESEARCH之外，一个重要的话题就是推销学生。“老张，今年你们招宏观的人么？我有一学生很好，他的毕业论文研究BLAH BLAH ” 这种宣传对15-30名之间的系非常重要。建议你把自己申请学校的LIST给你的导师。如果你有什么特别想去的地方，让他知道。他会在适当场合有的放矢地给你宣传一下。
对大多数人讲，自己拿博士学位的系可能是自己呆过的最好的经济系了。所以要好好利用。除了自己的导师外，要和系上其他老师保持紧密联系。如果有两个自己方向的牛人在系上，让他们COCHAIR。JUNIOR FACULTY虽然不能作CHAIR，但也要和他们经常交流。这些人往往更NICE，可以成为你COAUTHOR的对象。同FIELD的学生也是很好的资源。不要把他们当作你的竞争对手。如果别人作的比自己好，不要嫉妒。自己当不成明星，就当明星的朋友。想想自己平时还要挖空心思去接近牛人。如果自己的朋友一天成为牛人，自己岂不近水楼台先得月？
内部指你导师和读博士所在系的其他老师及同学。剩下的就是外部资源了。今天我们继续说说外部资源。
建立关系网前，首先对自己FIELD有什么牛人做个大概了解。基本策略和找女朋友一样，要普遍撒网，重点培养。列一个黑名单，包括本FIELD在 TOP 5 JOURNAL 担任EDITORIAL 职务的大牛；在本FIELD TOP JOURNAL里担任EDITORIAL职务的；加上你导师，如果他还没在LIST上。这样一划拉，至少也有二三十个了。怎么和这些人拉上关系呢？还是要从导师入手。找找黑名单上谁和导师合作过，谁和导师的观点比较接近。这些人十有八九和导师是朋友，列为重点发展对象。学术界错综复杂的关系其实完全和中国的关系网有一拼。不少牛人之间大学是ROOMMATE，或者研究生同一个导师。如果你是这种朋友的弟子，自然对你会有所照顾。
另外自己研究TOPIC领域的几个牛人也是重点发展对象。即使和自己导师没什么直接联系，也要想办法接近。第二批发展对象是自己领域里的RISING STAR。每年看看本领域TOP 15 SCHOOL里有什么人在MARKET上，TOP 30 DEPARTMENTS 里哪些AP是和自己一个方向。这些人由于初露头脚，往往更容易接近一些。相对大牛而言，这些人更容易成为自己的REFEREE。大牛一般不屑作我等小虾的REFEREE。他们经常把JUNIOR的SUBMISSION PASS 给别的JUNIOR。在我REFEREE的文章中，JUNIOR FACULTY 占了2/3。
列好了发展对象，什么时候开始建立关系网，怎么建立呢？我前面说过，说到底RESEARCH是KING，NETWORKING只是辅助作用。当自己的RESEARCH还不很成熟时，不要花太多精力去拉关系。这时候可以采用守株待兔的策略。可以积极接近系里的SEMINAR VISITOR 和其他短期VISITOR。如果有黑名单上的人作SEMINAR，一定要把论文提前认真读一遍，想一到两个SMART QUESTIONS。至于什么是SMART QUESTIONS，下面只是我个人看法。一句话，做人要厚道，尤其是刚踏入江湖的人。一定要牢记自己提问题的目的是帮助作者添砖加瓦，如何把论文作得更严谨，更完美，而不是去挖别人墙角。可以看看有没有相关的LITERATURE被作者漏掉了，文章逻辑是不是严谨，THEORY和EMPIRICAL部份是不是对应，有没有什么简单的ROBUSTNESS TEST作者可以考虑一下。总之，这种CONSTRUCTIVE的问题更容易引起作者的认真考虑，容易被采纳。
但是VISITOR不可能对你有什么印象如果你仅仅在SEMINAR上提个问题。要找机会和他们面谈一会儿。VISITOR往往会在系里呆一段时间。到他办公室去介绍一下自己的RESEARCH，自己的RESEARCH和VISITOR的有什么相关的地方。去之前要先作个RESEARCH，看看VISITOR以前作什么，现在正在作什么，这样话题更多一些。不要希望他们能记住你的名字。但一定要自报门户，让他知道你是谁的学生。让他知道你导师有个优秀的学生会在未来的MARKET上，方便导师以后推销你。
有了一篇像样的文章后，就可以加大NETWORKING的力度。把文章发给自己黑名单上的人。但发之前一定要认真考虑，可以征求一下导师的意见。文章要有一定的质量才能起到给自己作宣传的作用，不然会适得其反。尤其是在TOP SCHOOL 的学生，开始大家会很SERIOUS的对待你。如果发现你的论文也就是TERM PAPER的水平，下次你再发文章给他们，恐怕没人再看了。所以对外NETWORKING太早不但不能帮助你，反而可能把你BURN OUT。文章一定要认真修改之后在给大家传阅。找NATIVE SPEAKER纠正语法错误。
发给别人时，不要仅仅说我有一篇论文和你的研究相关，希望你看后给我提提意见。首先，如果自己引用了他的论文，要让他知道。其次，对自己的论文作一个简短的介绍。对于这种骚扰，大部份人不会有什么回应。NICE点的可能回个EMAIL说，感谢发论文给他，有什么COMMENTS会给你说。但能认真给你提建议的应该很少。但不要气馁，至少自己的名字让别人看到了。自己一二年级时对SEMINAR完全听不懂，但还是坚持去。不图别的，就是和老师混个脸熟。同样作为JUNIOR，不要怕热脸贴冷屁股，贴几次就热了。
有人问我读书期间去参加CONFERENCE有没有帮助。我个人感觉帮助不大。很多CONFERENCE有学生SESSION，去这些SESSION的往往是学生。接触的人很有限。但如果决定参加，就要好好利用。认真看看CONFERENCE的PROGRAM，有没有黑名单上的人参加。如果有，要参加他们的SESSION，SESSION结束后要留下来给他们聊几句再走。但这种大型CONFERENCE上大家都忙着SOCIAL，一般不愿意花太多时间和STUDENTS TALK。
真正的NETWORKING我觉得是在上JOB MARKET之后。有很多介绍JOB MARKET的文章里包括了怎么INTERVIEW和FLYOUT，我这里就不罗嗦了。这两个环节都是自己认识人的好机会。
工作后有什么资源可以利用么？第一是系里的SEMINAR，争取当系里的SEMINAR ORGANIZER。实在不行，每个学期争取请1到2个自己的朋友来讲座。这时的主动权就完全掌握在自己手里了。把黑名单上的人排个顺序。自己研究TOPIC的人排在前面，挨个请。以前不认识的也可以。一般这种邀请别人不会拒绝，除非是极牛的人。他们实在太忙。但给他们发个邀请，就算拒绝了他也会对你有个印象。人请来了自然要好好招待，安排旅馆，陪着吃饭自然免不了。吃饭时抓住时机给别人介绍自己的论文。而且要介绍自己正在或者正准备作的PROJECT，很多COAUTHORSHIP就是在饭桌上产生的。别以为这一套只有在中国行得通，其实是世界通用的。别人请来的SEMINAR SPEAKER如果有机会，吃饭也是要同去的。两杯酒一喝，不管中国人还是外国人，关系都感觉更近了一步。
有机会多参加CONFERENCE。在CONFERENCE上要PRESENT或作DISCUSSANT。这样才有暴光度。作DISCUSSANT时要肯花时间。一个好的DISCUSSANT很多时候比PRESENTER给人的印象还深。
刚毕业的JUNIOR一定要避免一个人单干。找导师合作一两篇文章。让他扶你上马后，再送你一程。如果本系有比较出名的SENIOR，想办法和他们合作效果可能更好。
毕业后REFEREE的工作会逐渐多起来。这时一个给EDITOR留个好印象的绝好机会。认真准时完成报告。写报告时要厚道，不要一味批评别人。当然有人写很MEAN的REPORT，这完全是个人选择。我一般即使决定要据某个文章，除了指出它不足的地方外，都列几个CONSTRUCTIVE的COMMENTS。REFEREE是匿名的，EDITOR可是署名的。虽然我们不应该TAKE IT PERSONALLY，但如果你从一个EDITOR手里收到一个很MEAN的REPORT，自然会多少有点迁怒于EDITOR。EDITOR还是希望有一篇中肯，NICE的REPORT。
在REPORT中不要让别人CITE自己的文章，尤其是自己要据的文章。除了给EDITOR留下不好印象外，还得罪了被审稿的。别人一下就可以猜出是你审的。你如果有什么仇人，可以害他一下。写一篇MEAN REPORT，然后让他CITE你仇人的文章。呵呵，开个玩笑而已。
如果文章不错，建议接受，写一篇很NICE的REPORT。写几句很明显的赞扬的话，让作者一看就知道你一定是建议REVISE&RESUBMIT。适当谈谈这篇文章和自己文章的关系。不要明显CITE自己的文章，除非是联系非常紧密。可以把自己文章的IDEA介绍一下，讨论一下这两篇文章的互补之处。作者回去作个LITERATURE SEARCH，十有八九能找到你。
以上只是我个人的一点儿体会，欢迎大家补充。--http://blog.renren.com/blog/220859777/461281742#nogo
（转载自MITBBS）
完全个人观点，不见得试用于所有人。
第一不要太迷恋TECHNICAL的东西。从自己和周围一些朋友的例子，我发现很多中国学生对TECHNICAL的东西特别感兴趣。什么新的东西都想学，不管究竟对自己的RESEARCH有没有帮助。所以很多中国学生的通病是，前两年上基础课的时候都很优秀，经常是全A。但到了三四年级时，进入RESEARCH很慢。很多人的毕业论文都是匆忙上阵，甚至迟迟不能毕业。当然我并不是说TECHNICAL的东西不重要。博士课前两年是积累一些GENERAL TECHNICAL SKILLS很重要。剩下的时间主要集中在开始RESEARCH和学习与自己RESEARCH相关的TECHNICAL SKILLS。
第二要在三年级就开始选定一到两个具体的TOPIC。我觉得从什么报纸，杂志或网站上找灵感都是瞎掰。如果自己不是JOHN NASH那样的奇才，老老实实从文献里找灵感。看看自己的导师在作什么，看看自己领域的大牛(如自己领域TOP JOURNAL的EDITOR)在作什么。作研究都是大牛挖坑，小牛灌水。对于JUNIOR RESEARCHERS，我感觉最有效的研究方法就是紧跟大牛挖坑的步伐。认准一个题目后，静下心好好清理一下LITERATURE的脉络。不要朝三暮四，这山望着那山高，整天试图去追逐所谓的HOT TOPIC。
整理文献时先作一个LITERATURE TREE：谁提出了这个TOPIC，LITERATURE里都从什么方向研究了这个题目，它们的关系是什么。对每个分支只包括最重要的1到两个文章。把大牛和中牛抓住就行了，剩下的小鱼小虾就算了。参阅一些LITERATURE REVIEW的文章，如果有的话。然后对经典的文章，如提出TOPIC的文章要进行复制。每个公式，每个结果都试图从新作一边。如果有问题可以向原作者请教。我感觉他们大部份还是很NICE的。复制的工作量其实很大，但也可以学到很多东西。很多东西不靠亲自作是无法体会的。看看自己的导师和领域的大牛最近的研究在LITERATURE中的定位。复制自己感兴趣的文章。
有了这些准备工作之后就可以进行自己的RESEARCH了。有没有什么办法把导师或大牛的文章与其他研究联系起来，有没有什么EMPIRICAL STUDY可以做来支持导师和大牛的论点，这些都是不错的研究方向。另外，一般文章中都会提出一些自己的不足和未来的研究方向。这些都是不错的研究题材。我这里一直强调要跟大牛走。说白了，学术界其实就是被这些人控制着。大家都说中国有学霸，学阀。其实什么地方都一样。论文就是观点之争，不党结派怎么在江湖上混啊。对刚出道的人，最好还是厚道点。多作CONSTRUCTIVE的工作，少批评。我前面给的都是这方面的例子。江湖险恶，只是很多人在作学生的时候不知道罢了。比如说JOURNAL EDITOR的权力其实很大。他们很清楚什么人持有什么观点。他们喜欢的东西就发给持相同观点的审稿人，不喜欢的就发给不同观点的审稿人。结果可想而知。以前的导师不久前让我审一篇稿子。作者声称发现数据支持我导师一篇很重要的JPE文章。看了看文章的统计方法没什么大问题，我当然举双手双脚赞成发表了。
当然也可以指出大牛文章的不足。但是不能为批评而批评。能找出改进方法解决问题的文章才是好文章。比如可以这样写，我复制了A的模型，发现有什么地方和数据不符，原因是什么。我对原模型作了一些改动后，现在模型和数据MATCH了。写作过程一定要注意，多POSITIVE，少NEGATIVE。如在指出A模型和数据的冲突时，不要过多强调这种冲突可能引起的问题。而应该强调解决问题后带来的好处。这样其实已经是对原作者的间接批评了。如果A是领域大牛或作EDITOR，这篇文章十有八九能通过。想跟上大牛步伐，看JOURNAL ARTICLES是不够的。这些JOURNAL上的东西至少是3-4年前的东西了。要多留意WORKING PAPER。列出自己领域20大牛人。经常看看他们在干什么，和自己目前的RESEARCH有什么联系。参加一些WORKING PAPER的EMAILING LIST，比如NBER等。常看看TOP10 DEPARTMENT本领域的SEMINAR LIST。我想再强调一次，这样作的目的并不是要去追逐本领域的HOT TOPIC，而是看看别人的研究和自己目前的RESEARCH有什么联系，能不能给自己点灵感。至少在自己CAREER的前3-4年把RESEARCH INTEREST
限定在两个方向，每个方向整出2篇像样的文章，再考虑换方向。少而精要比泛泛涉猎几个不同方向更容易引起别人注意。就先谈这么多，以后有时间了再补充。
另外，要专心作RESEARCH就要减少在MITBBS的灌水时间。每天减少一小时灌水时间一年能多读多少篇论文啊。没有BBS北美广大WSN能平均提前1年毕业。：-)
再好的RESEARCH IDEA，如果不能很好交流也是白搭。 口语重要，有机会就要多练习。当TA是很好的锻炼。中国人之间也可以说。只有多说才能有进步。坚持说一个学期，你会发现本质的进步。口语不好也不用气馁，除了多练之外，口语其实不象传说中的那么重要，当然想去TEACHING COLLEGE的例外。口语的最低标准是UNDERSTANDABLE。个人认为语言交流有两种不同境界。一种人是滔滔不绝型。想成为这种人除了要思维活跃外，口语一定要能跟的上。另外一种人说的虽然不多，但句句点题。一句废话也不说。这两种人都能给人很深的印象。口语不行的可以建议向这种类型发展。在开口说话之前，先把思路想清楚。无论如何说到底，多练是根本。
关于写作，我同意有人的说法，能写汉语就会写英语。如果总觉得意思没有表达出来，不要找自己英语的问题。一定是思路还没有理清楚。换了让你用汉语写，一样表达不清楚。论文写作，精炼是KING。MANKIW和COCHRANE都有关于这方面的短文，如果你还没看过，不妨从他们的网站上找出来读读。文章最重要的是摘要和简介部份。如果REFEREE看了这两部份之后感觉一头雾水，十之八九要据掉文章。至少我审稿时是这样。从AER，JPE上找几篇文章一看你就对什么是好的写作有个大概了解了。我觉得好的INTRODUCTION上来第一段就要说明你这篇文章研究什么问题，得出什么结论。然后开始介绍这个问题是怎么引起的，你的文章在LITERATURE中是出于什么地位，你研究的贡献在什么地方。接下来稍微详细介绍你怎么实现你的结果的，如你的MODEL SETUP有什么不同，通过什么渠道实现了你想要得到的结果。最后指出论文中不足的地方及未来的研究方向。当然关于写作仁者见仁，智者见智。只要达到有效沟通的目的，形式有多种。
怎么提高写作？同样，多练习。从和导师的沟通练起。多给导师写一些关于自己RESEARCH PROGRESS的NOTES。不要太依赖从导师那里获得IDEA，如果你的导师能每个星期花一个小时执导你的研究，你就很幸运了。当然比较小的经济系情况可能好些，老师也往往更NICE一点。就算NICE的导师，一般也是你要先显示你作研究的潜力，老师才肯花更多时间和精力辅导你。
不要和导师空谈IDEA。如果跑去给导师说，我有一个IDEA，INTUITIVELY，应该可行，你觉得怎么样。从我的经验，导师一定说，SOUNDS PROMISING，不过你要把模型作出来我才知道。他不可能告诉你具体该怎么作。但你弄个30页的PAPER给他看，他也一定不看。为什么，成本太高。他的成本是一小时80多美元，能花2-3个小时看你的文章么。
那怎么办？我的策略是化整为零，多给导师写一些简短的NOTES。一个NOTES大概3-4页左右(DOUBLE SPACE) ，20分钟左右能看完为好。这样作有几个好处。第一，给老师充份时间考虑，得到的指导质量更高。第二，在PROJECT进行过程当中，你能及时得到一些FEEDBACK。如果开始有什么问题，做得越多就错的越多。更重要的是，在写作工程中，你的思路也被组织起来，当然也锻炼写作。
把每个NOTES都当一篇小论文来看待。上来先来个概括，如我最近作了什么工作，得到什么结果，有什么问题需要解决。然后再展开谈。下面是我的一些教训，希望能对大家有所帮助。
1。不要以为导师比你更了解你的TOPIC。第一篇NOTE一定要给导师作一个背景介绍。例如你的研究是基于哪几篇文章，他们之间的关系是什么，你想从什么地方下手等。要有思想准备给他重复几遍之后，他才能开始记住你到底在作什么。
2。不要浪费时间在空谈。没有具体结果支持自己的ARGUMENT之前不要说什么I BELIEVE BLAH BLAH， I THINK BLAH BLAH。把有限的空间用在具体问题和结果上。看看自己以前的NOTES，发现很多NAIIVE的论断。太多这种东西让导师感觉你在浪费时间，而且会觉得你思维不严谨。我觉得和导师在交流的过程当中，很大一个目的就是要让他感到你作研究很严谨。
3。每个NOTE都包括读者所需要的所有信息。不要写什么SEE EQUATION (2) OF MY LASTNOTE。导师没时间去找你上一个NOTE。把信息从新列一遍。如果实在需要很多上次的信息，就把上次的NOTE附在后面。
4。把NOTE要反复阅读几遍再给导师。
5。多用公式或者一些简单的例子帮助导师理解你的结果。
6。措辞上一定要和LITERATURE保持一致，大牛用过的表达方法自己再用。不要自己发明新的术语如果LITERATURE中已经有现成的了。在写作上，多把自己写的东西和大牛写的比较比较，看看同样的意思，别人怎么表达的。
说了这么多废话，提高口语和写作，就两个字：多练。
今天就写到这罢。下次有空了给大家介绍一些NET WORKING的体会。
所谓NETWORKING就是建立自己的关系网。关系网越大，REFEREE是自己朋友的可能性就越高。评TENURE时还需要校外人员对你RESEARCH进行评估。朋友多了自然好办事。当然NETWORKING和自己的研究能力是相辅相成的。不拿出点干货光靠NETWORKING是行不通的。学经济的精着呢。
NETWORKING分内部资源和外部资源。内部指你导师和读博士所在系的其他老师及同学。剩下的就是外部资源了。今天先说说内部的。
NETWORKING的第一步，也是最关键一步就是找导师。导师是你在关系网中的入口。不夸张的说，选对导师你就成功了一半。如果有教父级人物，象SARGENT，LAR HANSEN这种人作你导师，你赚大了。到什么地方都有人罩着。大家都明白导师并不是越有名越好。那好导师的标准是什么呢。首先年纪不能太大，50岁左右最合适。很多系都有一些熊猫级的人物，如年纪偏大的NOBEL PRIZE WINNER。这些人对你的发展帮助不大。只能回中国忽悠国人。首先他们基本已经不在学术前沿了。而且应酬特多，经常被邀请到亚非拉国家去讲座，没时间指导你。没办法，发展中国家就认牌子。更关键的是，你和导师的关系不能到你毕业就终止了。一定要想办法让他把你扶上马再送一程。至少再罩你个3-4年。年纪太大的导师不现实。学术界就这样，人走茶凉，没办法。
其次，导师要PRODUCTIVE。每年有2-3篇TOP FIELD JOURNAL以上的论文。不少教授被称作DEAD WOOD。一看就知道什么意思了罢。找了个DEAD WOOD你毕业时就DEAD了。另一个很重要的标准就是导师要肯花时间指导学生。导师对学生是否CARE， PLACEMENT是检验真理的唯一标准。有些导师把自己以前学生的信息放在自己的网站甚至简历上。一般这样的导师对学生都很CARE学生。老师的人品不要只道听途说。同一个导师对不同的学生也不一样。我在选导师前听说他曾经当面把学生的论文扔进垃圾筒。不过看他学生的PLACEMENT都很好就选了。其实有时候导师显得很MEAN也是被逼的。如果自己是大牛，对学生又“滥爱” ，所有人都会找你作导师。你不被学生烦死才怪。我们系有几个NICE的FACULTY就是这样被BURNED OUT的。学术界本身就是一个JUNGLE，再牛的人如果2-3年没什么像样的文章也会很快FADE OUT。所以你一般开始和这些人接触时，往往他们有点带理不理的。特别是你去找他们空谈一些什么IDEA，他们恨不得一脚把你踹出去。对导师期望不要太高。如果他一星期花一个小时指导你，已经很好了。
但不要因为困难就找JUNIOR FACULTY作导师。除非你自信能毕业前在TOP FIELD JOURNAL以上的刊物发表独立作者的文章。等毕业时你就知道导师的NETWORKING有多重要了。从我去年RECRUITING的经验看，没人会花时间把所有3-400份申请认真看一边。我们直接到TOP 15的网站，看看大牛有什么弟子。只要和要招的方向沾边的，统统面试。就算你是TOP 15，但导师是个JUNIOR，又没有PUBLICATION，一样不睬你。然后从15到30的网站上看有没有什么中牛的弟子看起来PROMISING的。如果有，把导师的推荐信找出来读。如果导师强烈推荐，也面试。这样下来，至少有30多个CANDIDATES了。让秘书把在LIST上人的申请拿出来，其他直接存档了。然后再大家传阅这30多个申请，从里面挑出25-30个人面试。如果你导师没有一定知名度，你又没有论文发表，你的申请被看的概率基本为零。
早在JOB MARKET正式开始前，你的导师已经在给你作宣传了。比较明显的是他可能在自己的WORKING PAPER中CITE你的毕业论文。大牛的WORKING PAPER都是万人瞻仰的被他CITE后你的知名度一下就上去了。还有很多幕后工作你根本不知道。在9-12月之间的SEMINAR和CONFERENCE上，除了讨论RESEARCH之外，一个重要的话题就是推销学生。“老张，今年你们招宏观的人么？我有一学生很好，他的毕业论文研究BLAH BLAH ” 这种宣传对15-30名之间的系非常重要。建议你把自己申请学校的LIST给你的导师。如果你有什么特别想去的地方，让他知道。他会在适当场合有的放矢地给你宣传一下。
对大多数人讲，自己拿博士学位的系可能是自己呆过的最好的经济系了。所以要好好利用。除了自己的导师外，要和系上其他老师保持紧密联系。如果有两个自己方向的牛人在系上，让他们COCHAIR。JUNIOR FACULTY虽然不能作CHAIR，但也要和他们经常交流。这些人往往更NICE，可以成为你COAUTHOR的对象。同FIELD的学生也是很好的资源。不要把他们当作你的竞争对手。如果别人作的比自己好，不要嫉妒。自己当不成明星，就当明星的朋友。想想自己平时还要挖空心思去接近牛人。如果自己的朋友一天成为牛人，自己岂不近水楼台先得月？
内部指你导师和读博士所在系的其他老师及同学。剩下的就是外部资源了。今天我们继续说说外部资源。
建立关系网前，首先对自己FIELD有什么牛人做个大概了解。基本策略和找女朋友一样，要普遍撒网，重点培养。列一个黑名单，包括本FIELD在 TOP 5 JOURNAL 担任EDITORIAL 职务的大牛；在本FIELD TOP JOURNAL里担任EDITORIAL职务的；加上你导师，如果他还没在LIST上。这样一划拉，至少也有二三十个了。怎么和这些人拉上关系呢？还是要从导师入手。找找黑名单上谁和导师合作过，谁和导师的观点比较接近。这些人十有八九和导师是朋友，列为重点发展对象。学术界错综复杂的关系其实完全和中国的关系网有一拼。不少牛人之间大学是ROOMMATE，或者研究生同一个导师。如果你是这种朋友的弟子，自然对你会有所照顾。
另外自己研究TOPIC领域的几个牛人也是重点发展对象。即使和自己导师没什么直接联系，也要想办法接近。第二批发展对象是自己领域里的RISING STAR。每年看看本领域TOP 15 SCHOOL里有什么人在MARKET上，TOP 30 DEPARTMENTS 里哪些AP是和自己一个方向。这些人由于初露头脚，往往更容易接近一些。相对大牛而言，这些人更容易成为自己的REFEREE。大牛一般不屑作我等小虾的REFEREE。他们经常把JUNIOR的SUBMISSION PASS 给别的JUNIOR。在我REFEREE的文章中，JUNIOR FACULTY 占了2/3。
列好了发展对象，什么时候开始建立关系网，怎么建立呢？我前面说过，说到底RESEARCH是KING，NETWORKING只是辅助作用。当自己的RESEARCH还不很成熟时，不要花太多精力去拉关系。这时候可以采用守株待兔的策略。可以积极接近系里的SEMINAR VISITOR 和其他短期VISITOR。如果有黑名单上的人作SEMINAR，一定要把论文提前认真读一遍，想一到两个SMART QUESTIONS。至于什么是SMART QUESTIONS，下面只是我个人看法。一句话，做人要厚道，尤其是刚踏入江湖的人。一定要牢记自己提问题的目的是帮助作者添砖加瓦，如何把论文作得更严谨，更完美，而不是去挖别人墙角。可以看看有没有相关的LITERATURE被作者漏掉了，文章逻辑是不是严谨，THEORY和EMPIRICAL部份是不是对应，有没有什么简单的ROBUSTNESS TEST作者可以考虑一下。总之，这种CONSTRUCTIVE的问题更容易引起作者的认真考虑，容易被采纳。
但是VISITOR不可能对你有什么印象如果你仅仅在SEMINAR上提个问题。要找机会和他们面谈一会儿。VISITOR往往会在系里呆一段时间。到他办公室去介绍一下自己的RESEARCH，自己的RESEARCH和VISITOR的有什么相关的地方。去之前要先作个RESEARCH，看看VISITOR以前作什么，现在正在作什么，这样话题更多一些。不要希望他们能记住你的名字。但一定要自报门户，让他知道你是谁的学生。让他知道你导师有个优秀的学生会在未来的MARKET上，方便导师以后推销你。
有了一篇像样的文章后，就可以加大NETWORKING的力度。把文章发给自己黑名单上的人。但发之前一定要认真考虑，可以征求一下导师的意见。文章要有一定的质量才能起到给自己作宣传的作用，不然会适得其反。尤其是在TOP SCHOOL 的学生，开始大家会很SERIOUS的对待你。如果发现你的论文也就是TERM PAPER的水平，下次你再发文章给他们，恐怕没人再看了。所以对外NETWORKING太早不但不能帮助你，反而可能把你BURN OUT。文章一定要认真修改之后在给大家传阅。找NATIVE SPEAKER纠正语法错误。
发给别人时，不要仅仅说我有一篇论文和你的研究相关，希望你看后给我提提意见。首先，如果自己引用了他的论文，要让他知道。其次，对自己的论文作一个简短的介绍。对于这种骚扰，大部份人不会有什么回应。NICE点的可能回个EMAIL说，感谢发论文给他，有什么COMMENTS会给你说。但能认真给你提建议的应该很少。但不要气馁，至少自己的名字让别人看到了。自己一二年级时对SEMINAR完全听不懂，但还是坚持去。不图别的，就是和老师混个脸熟。同样作为JUNIOR，不要怕热脸贴冷屁股，贴几次就热了。
有人问我读书期间去参加CONFERENCE有没有帮助。我个人感觉帮助不大。很多CONFERENCE有学生SESSION，去这些SESSION的往往是学生。接触的人很有限。但如果决定参加，就要好好利用。认真看看CONFERENCE的PROGRAM，有没有黑名单上的人参加。如果有，要参加他们的SESSION，SESSION结束后要留下来给他们聊几句再走。但这种大型CONFERENCE上大家都忙着SOCIAL，一般不愿意花太多时间和STUDENTS TALK。
真正的NETWORKING我觉得是在上JOB MARKET之后。有很多介绍JOB MARKET的文章里包括了怎么INTERVIEW和FLYOUT，我这里就不罗嗦了。这两个环节都是自己认识人的好机会。
工作后有什么资源可以利用么？第一是系里的SEMINAR，争取当系里的SEMINAR ORGANIZER。实在不行，每个学期争取请1到2个自己的朋友来讲座。这时的主动权就完全掌握在自己手里了。把黑名单上的人排个顺序。自己研究TOPIC的人排在前面，挨个请。以前不认识的也可以。一般这种邀请别人不会拒绝，除非是极牛的人。他们实在太忙。但给他们发个邀请，就算拒绝了他也会对你有个印象。人请来了自然要好好招待，安排旅馆，陪着吃饭自然免不了。吃饭时抓住时机给别人介绍自己的论文。而且要介绍自己正在或者正准备作的PROJECT，很多COAUTHORSHIP就是在饭桌上产生的。别以为这一套只有在中国行得通，其实是世界通用的。别人请来的SEMINAR SPEAKER如果有机会，吃饭也是要同去的。两杯酒一喝，不管中国人还是外国人，关系都感觉更近了一步。
有机会多参加CONFERENCE。在CONFERENCE上要PRESENT或作DISCUSSANT。这样才有暴光度。作DISCUSSANT时要肯花时间。一个好的DISCUSSANT很多时候比PRESENTER给人的印象还深。
刚毕业的JUNIOR一定要避免一个人单干。找导师合作一两篇文章。让他扶你上马后，再送你一程。如果本系有比较出名的SENIOR，想办法和他们合作效果可能更好。
毕业后REFEREE的工作会逐渐多起来。这时一个给EDITOR留个好印象的绝好机会。认真准时完成报告。写报告时要厚道，不要一味批评别人。当然有人写很MEAN的REPORT，这完全是个人选择。我一般即使决定要据某个文章，除了指出它不足的地方外，都列几个CONSTRUCTIVE的COMMENTS。REFEREE是匿名的，EDITOR可是署名的。虽然我们不应该TAKE IT PERSONALLY，但如果你从一个EDITOR手里收到一个很MEAN的REPORT，自然会多少有点迁怒于EDITOR。EDITOR还是希望有一篇中肯，NICE的REPORT。
在REPORT中不要让别人CITE自己的文章，尤其是自己要据的文章。除了给EDITOR留下不好印象外，还得罪了被审稿的。别人一下就可以猜出是你审的。你如果有什么仇人，可以害他一下。写一篇MEAN REPORT，然后让他CITE你仇人的文章。呵呵，开个玩笑而已。
如果文章不错，建议接受，写一篇很NICE的REPORT。写几句很明显的赞扬的话，让作者一看就知道你一定是建议REVISE&RESUBMIT。适当谈谈这篇文章和自己文章的关系。不要明显CITE自己的文章，除非是联系非常紧密。可以把自己文章的IDEA介绍一下，讨论一下这两篇文章的互补之处。作者回去作个LITERATURE SEARCH，十有八九能找到你。
以上只是我个人的一点儿体会，欢迎大家补充。--http://blog.renren.com/blog/220859777/461281742#nogo
Excel使用技巧
快捷键之在工作表中移动和滚动向上、下、左或右移动单元格箭头键
移动到当前数据区域的边缘：CTRL+ 箭头键
移动到行首：HOME
移动到工作表的开头：CTRL+HOME
移动到工作表的最后一个单元格。：CTRL+END
向下移动一屏：PAGE DOWN
向上移动一屏：PAGE UP
向右移动一屏：ALT+PAGE DOWN
向左移动一屏：ALT+PAGE UP
移动到工作簿中下一个工作表：CTRL+PAGE DOWN
移动到工作簿中前一个工作表：CTRL+PAGE UP
移动到下一工作簿或窗口：CTRL+F6 或 CTRL+TAB
移动到前一工作簿或窗口：CTRL+SHIFT+F6
移动到已拆分工作簿中的下一个窗格：F6
移动到被拆分的工作簿中的上一个窗格：SHIFT+F6
滚动并显示活动单元格：CTRL+BACKSPACE
显示“定位”对话框：F5
显示“查找”对话框：SHIFT+F5
重复上一次“查找”操作：SHIFT+F4
在保护工作表中的非锁定单元格之间移动：TAB
2>Excel快捷键之处于END模式时在工作表中移动
打开或关闭 END 模式：END
在一行或列内以数据块为单位移动：END, 箭头键
移动到工作表的最后一个单元格.：END, HOME
在当前行中向右移动到最后一个非空白单元格。：END, ENTER
3>Excel快捷键之处于“滚动锁定”模式时在工作表中移动
打开或关闭滚动锁定：SCROLL LOCK
移动到窗口中左上角处的单元格：HOME
移动到窗口中右下角处的单元格：END
向上或向下滚动一行：上箭头键或下箭头键
向左或向右滚动一列：左箭头键或右箭头键
4>Excel快捷键之用于预览和打印文档
显示“打印”对话框：CTRL+P
在打印预览中时：
当放大显示时，在文档中移动：箭头键
当缩小显示时，在文档中每次滚动一页：PAGE UP
当缩小显示时，滚动到第一页：CTRL+上箭头键
当缩小显示时，滚动到最后一页：CTRL+下箭头键
5>Excel快捷键之用于工作表、图表和宏
插入新工作表：SHIFT+F11
创建使用当前区域的图表：F11 或 ALT+F1
显示“宏”对话框：ALT+F8
显示“Visual Basic 编辑器”：ALT+F11
插入 Microsoft Excel 4.0 宏工作表：CTRL+F11
移动到工作簿中的下一个工作表：CTRL+PAGE DOWN
移动到工作簿中的上一个工作表：CTRL+PAGE UP
选择工作簿中当前和下一个工作表：SHIFT+CTRL+PAGE DOWN
选择当前工作簿或上一个工作簿：SHIFT+CTRL+PAGE UP
6>Excel快捷键之选择图表工作表
选择工作簿中的下一张工作表：CTRL+PAGE DOWN
选择工作簿中的上一个工作表：CTRL+PAGE UP，END, SHIFT+ENTER
7>Excel快捷键之用于在工作表中输入数据
完成单元格输入并在选定区域中下移：ENTER
在单元格中折行：ALT+ENTER
用当前输入项填充选定的单元格区域：CTRL+ENTER
完成单元格输入并在选定区域中上移：SHIFT+ENTER
完成单元格输入并在选定区域中右移：TAB
完成单元格输入并在选定区域中左移：SHIFT+TAB
取消单元格输入：ESC
删除插入点左边的字符，或删除选定区域：BACKSPACE
删除插入点右边的字符，或删除选定区域：DELETE
删除插入点到行末的文本：CTRL+DELETE
向上下左右移动一个字符：箭头键
移到行首：HOME
重复最后一次操作：F4 或 CTRL+Y
编辑单元格批注：SHIFT+F2
由行或列标志创建名称：CTRL+SHIFT+F3
向下填充：CTRL+D
向右填充：CTRL+R
定义名称：CTRL+F3
8>Excel快捷键之设置数据格式
显示“样式”对话框：ALT+' （撇号）
显示“单元格格式”对话框：CTRL+1
应用“常规”数字格式：CTRL+SHIFT+~
应用带两个小数位的“贷币”格式：CTRL+SHIFT+$
应用不带小数位的“百分比”格式：CTRL+SHIFT+%
应用带两个小数位的“科学记数”数字格式：CTRL+SHIFT+^
应用年月日“日期”格式：CTRL+SHIFT+#
应用小时和分钟“时间”格式，并标明上午或下午：CTRL+SHIFT+@
应用具有千位分隔符且负数用负号 (-) 表示：CTRL+SHIFT+!
应用外边框：CTRL+SHIFT+&
删除外边框：CTRL+SHIFT+_
应用或取消字体加粗格式：CTRL+B
应用或取消字体倾斜格式：CTRL+I
应用或取消下划线格式：CTRL+U
应用或取消删除线格式：CTRL+5
隐藏行：CTRL+9
取消隐藏行：CTRL+SHIFT+( 左括号
隐藏列：CTRL+0（零）
取消隐藏列：CTRL+SHIFT+)右括号
9>Excel快捷键之编辑数据
编辑活动单元格并将插入点放置到线条末尾：F2
取消单元格或编辑栏中的输入项：ESC
编辑活动单元格并清除其中原有的内容：BACKSPACE
将定义的名称粘贴到公式中：F3
完成单元格输入：ENTER
将公式作为数组公式输入：CTRL+SHIFT+ENTER
在公式中键入函数名之后，显示公式选项板：CTRL+A
在公式中键入函数名后为该函数插入变量名和括号：CTRL+SHIFT+A
显示“拼写检查”对话框。：F7 键
10>Excel快捷键之插入、删除和复制选中区域
复制选定区域：CTRL+C
剪切选定区域：CTRL+X
粘贴选定区域：CTRL+V
清除选定区域的内容：DELETE
删除选定区域：CTRL+ 连字符
撤消最后一次操作：CTRL+Z
插入空白单元格：CTRL+SHIFT+ 加号
11>Excel快捷键之在选中区域内移动
在选定区域内由上往下移动：ENTER
在选定区域内由下往上移动：SHIFT+ENTER
在选定区域内由左往右移动：TAB
在选定区域内由右往左移动：SHIFT+TAB
按顺时针方向移动到选定区域的下一个角：CTRL+PERIOD
右移到非相邻的选定区域：CTRL+ALT+右箭头键
左移到非相邻的选定区域：CTRL+ALT+左箭头键
12>Excel快捷键之选择单元格、列或行
选定当前单元格周围的区域：CTRL+SHIFT+*（星号）
将选定区域扩展一个单元格宽度：SHIFT+ 箭头键
选定区域扩展到单元格同行同列的最后非空单元格：CTRL+SHIFT+ 箭头键
将选定区域扩展到行首：SHIFT+HOME
将选定区域扩展到工作表的开始：CTRL+SHIFT+HOME
将选定区域扩展到工作表的最后一个使用的单元格：CTRL+SHIFT+END
选定整列：CTRL+SPACEBAR
选定整行：SHIFT+SPACEBAR
选定整个工作表：CTRL+A
如果选定了多个单元格则只选定其中的单元格：SHIFT+BACKSPACE
将选定区域向下扩展一屏：SHIFT+PAGE DOWN
将选定区域向上扩展一屏：SHIFT+PAGE UP
选定了一个对象，选定工作表上的所有对象：CTRL+SHIFT+SPACEBAR
在隐藏对象、显示对象与对象占位符之间切换：CTRL+6
显示或隐藏“常用”工具栏：CTRL+7
使用箭头键启动扩展选中区域的功能：F8
将其他区域中的单元格添加到选中区域中：SHIFT+F8
将选定区域扩展到窗口左上角的单元格：SCROLLLOCK, SHIFT+HOME
将选定区域扩展到窗口右下角的单元格：SCROLLLOCK, SHIFT+END
13>Excel快捷键之处于End模式时展开选中区域
打开或关闭 END 模式：END
将选定区域扩展到单元格同列同行的最后非空单元格：END, SHIFT+ 箭头键
将选定区域扩展到工作表上包含数据的最后一个单元格：END, SHIFT+HOME
将选定区域扩展到当前行中的最后一个单元格：END, SHIFT+ENTER
14>Excel快捷键之选择含有特殊字符单元格
选中活动单元格周围的当前区域：CTRL+SHIFT+*（星号）
选中当前数组，此数组是活动单元格所属的数组：CTRL+/
选定所有带批注的单元格：CTRL+SHIFT+O (字母 O)
选择行中不与该行内活动单元格的值相匹配的单元格：CTRL+\
选中列中不与该列内活动单元格的值相匹配的单元格：CTRL+SHIFT+|
选定当前选定区域中公式的直接引用单元格：CTRL+[ （左方括号）
选定当前选定区域中公式直接或间接引用的所有单元格：CTRL+SHIFT+{ 左大括号
只选定直接引用当前单元格的公式所在的单元格：CTRL+] （右方括号）
选定所有带有公式的单元格，这些公式直接或间接引用当前单元格：CTRL+SHIFT+}右大括号--http://blog.renren.com/share/228687796/3843902696
1 编辑技巧
（1）分数的输入
如果直接输入“1/5”，系统会将其变为“1月5日”，解决办法是：先输入“0”，然后输入空格，再输入分数“1/5”。
（2）序列“001”的输入
如果直接输入“001”，系统会自动判断001为数据1，解决办法是：首先输入“'”（西文单引号），然后输入“001”。
（3）日期的输入
如果要输入“4月5日”，直接输入“4/5”，再敲回车就行了。如果要输入当前日期，按一下“Ctrl+；”键。
（4） 填充条纹
如果想在工作簿中加入漂亮的横条纹，可以利用对齐方式中的填充功能。先在一单元格内填入“*”或“~”等符号，然后单击此单元格，向右拖动鼠标，选中横向若干单元格，单击“格式”菜单，选中“单元格”命令，在弹出的“单元格格式”菜单中，选择“对齐”选项卡，在水平对齐下拉列表中选择“填充”，单击“确定”按钮。
（5）多张工作表中输入相同的内容
几个工作表中同一位置填入同一数据时，可以选中一张工作表，然后按住Ctrl键，再单击窗口左下角的Sheet1、Sheet2......来直接选择需要输入相同内容的多个工作表，接着在其中的任意一个工作表中输入这些相同的数据，此时这些数据会自动出现在选中的其它工作表之中。输入完毕之后，再次按下键盘上的Ctrl键，然后使用鼠标左键单击所选择的多个工作表，解除这些工作表的联系，否则在一张表单中输入的数据会接着出现在选中的其它工作表内。
（6）不连续单元格填充同一数据
选中一个单元格，按住Ctrl键，用鼠标单击其他单元格，就将这些单元格全部都选中了。在编辑区中输入数据，然后按住Ctrl键，同时敲一下回车，在所有选中的单元格中都出现了这一数据。
（7）在单元格中显示公式
如果工作表中的数据多数是由公式生成的，想要快速知道每个单元格中的公式形式，以便编辑修改，可以这样做：用鼠标左键单击“工具”菜单，选取“选项”命令，出现“选项”对话框，单击“视图”选项卡，接着设置“窗口选项”栏下的“公式”项有效，单击“确定”按钮。这时每个单元格中的分工就显示出来了。如果想恢复公式计算结果的显示，就再设置“窗口选项”栏下的“公式”项失效即可。
（8）利用Ctrl＋*选取文本
如果一个工作表中有很多数据表格时，可以通过选定表格中某个单元格，然后按下Ctrl＋*键可选定整个表格。Ctrl＋*选定的区域为：根据选定单元格向四周辐射所涉及到的有数据单元格的最大区域。这样我们可以方便准确地选取数据表格，并能有效避免使用拖动鼠标方法选取较大单元格区域时屏幕的乱滚现象。
（9）快速清除单元格的内容
如果要删除内容的单元格中的内容和它的格式和批注，就不能简单地应用选定该单元格，然后按Delete键的方法了。要彻底清除单元格,可用以下方法：选定想要清除的单元格或单元格范围；单击“编辑”菜单中“清除”项中的“全部”命令，这些单元格就恢复了本来面目。
2、单元格内容的合并
根据需要，有时想把B列与C列的内容进行合并，如果行数较少，可以直接用“剪切”和“粘贴”来完成操作，但如果有几万行，就不能这样办了。
解决办法是：在C行后插入一个空列（如果D列没有内容，就直接在D列操作），在Ｄ1中输入“=B1&C1”，D1列的内容就是B、C两列的和了。选中D1单元格，用鼠标指向单元格右下角的小方块“■”，当光标变成"＋"后，按住鼠标拖动光标向下拖到要合并的结尾行处，就完成了B列和C列的合并。这时先不要忙着把B列和C列删除，先要把D列的结果复制一下，再用“选择性粘贴”命令，将数据粘贴到一个空列上。这时再删掉B、C、D列的数据。
下面是一个“&”实际应用的例子。用AutoCAD绘图时，有人喜欢在EXCEL中存储坐标点，在绘制曲线时调用这些参数。存放数据格式为“x，y”的形式，首先在Excel中输入坐标值，将x坐标值放入A列，y坐标值放入到B列，然后利用“&”将A列和B列合并成C列，在C1中输入：=A1&"，"&B1，此时C1中的数据形式就符合要求了，再用鼠标向下拖动C1单元格，完成对A列和B列的所有内容的合并。
合并不同单元格的内容，还有一种方法是利用CONCATENATE函数，此函数的作用是将若干文字串合并到一个字串中，具体操作为“=CONCATENATE（B1,C1）”。比如，假设在某一河流生态调查工作表中，B2包含“物种”、B3包含“河鳟鱼”，B7包含总数45，那么：输入“=CONCATENATE（"本次河流生态调查结果："，B2，""，B3，"为"，B7，"条/公里。"）” 计算结果为：本次河流生态调查结果：河鳟鱼物种为45条/公里。
3、条件显示
我们知道，利用If函数，可以实现按照条件显示。一个常用的例子，就是教师在统计学生成绩时，希望输入60以下的分数时，能显示为“不及格”；输入60以上的分数时，显示为“及格"。这样的效果，利用IF函数可以很方便地实现。假设成绩在A2单元格中，判断结果在A3单元格中。那么在A3单元格中输入公式： =if（A2<60，“不及格”，“及格”）同时，在IF函数中还可以嵌套IF函数或其它函数。
例如，如果输入： =if（A2<60，“不及格”，if（A2<=90，“及格”，“优秀"））就把成绩分成了三个等级。
如果输入 =if（A2<60，“差"，if（A2<=70，“中”，if（A2<90，“良”，“优”）））就把成绩分为了四个等级。
再比如，公式： =if（SUM（A1：A5>0，SUM（A1：A5），0）此式就利用了嵌套函数，意思是，当A1至A5的和大于0时，返回这个值，如果小于0，那么就返回0。还有一点要提醒你注意：以上的符号均为半角，而且IF与括号之间也不能有空格。
4、自定义函数
虽然Excel中已有大量的内置函数，但有时可能还会碰到一些计算无函数可用的情况。假如某公司采用一个特殊的数学公式计算产品购买者的折扣，如果有一个函数来计算岂不更方便？下面就说一下如何创建这样的自定义函数。
自定义函数，也叫用户定义函数，是Excel最富有创意和吸引力的功能之一，下面我们在Visual Basic模块中创建一个函数。在下面的例子中，我们要给每个人的金额乘一个系数，如果是上班时的工作餐，就打六折；如果是加班时的工作餐，就打五折；如果是休息日来就餐，就打九折。首先打开“工具”菜单，单击“宏”命令中的“Visual Basic编辑器”，进入Visual Basic编辑环境，在“工程－VBAobject”栏中的当前表上单击鼠标右键，选择“插入”-“模块”，在右边栏创建下面的函数rrr，代码如下： Function rrr(tatol, rr) If rr = "上班" Then rrr = 0.6 * tatol ElseIf rr = "加班" Then rrr = 0.5 * tatol ElseIf rr = "休息日" Then rrr = 0.9 * tatol End If End Function。
这时关闭编辑器，只要我们在相应的列中输入rrr(F２，B２)，那么打完折后的金额就算出来了。
5、矩阵计算
Excel的强大计算功能，不但能够进行简单的四则运算，也可以进行数组、矩阵的计算。
（1）数组和矩阵的定义
矩阵不是一个数，而是一个数组。在Excel里，数组占用一片单元域，单元域用大括号表示，例如{A1：C3}，以便和普通单元域A1：C3相区别。设置时先选定单元域，同时按Shift＋Ctrl＋Enter键，大括弧即自动产生，数组域得以确认。
一个单元格就是一个变量，一片单元域也可以视为一组变量。为了计算上的方便，一组变量最好给一个数组名。例如A={A1：C3}、B={E1:G3}等。数组名的设置步骤是：选定数组域，单击“插入”菜单，选择“名称”项中的“定义”命令，输入数组名，单击“确定”按钮即可。更简单的命名办法为：选择数组域，单击名称框，直接输入名称就行了。
矩阵函数是Excel进行矩阵计算的专用模块。用“插入”－“函数”命令打开“粘贴函数”对话框，选中函数分类栏中的“数学与三角函数”，在右边栏常用的矩阵函数有： MDETERM——计算一个矩阵的行列式； MINVERSE——计算一个矩阵的逆矩阵； MMULT——计算两个矩阵的乘积； SUMPRODUCT——计算所有矩阵对应元素乘积之和。
（2）矩阵的基本计算
数组计算和矩阵计算有很大的区别，比如下面这个例子中，A和B都是定义好的数组，因为这两个数组都是3×3的，输出结果也是3×3个单元格。计算时先选定矩阵计算结果的输出域，为3×3的单元格区域，然后输入公式。如果输入“=A＋B”或“=A-B”，计算结果是数组对应项相加或相减，输入“=A*B”表示数组A和B相乘，输入“=A/B”表示数组A除数组B。如果要进行矩阵计算，就要用到相应的矩阵函数。矩阵相加、相减与数组的加减表达形式是一样的，也是“=A＋B”和“=A-B”，表示矩阵相乘可以输入“=MMULT(A，B)”，而矩阵相除是矩阵A乘B的逆矩阵，所以计算公式是“=MMULT(A，MINVERSE（B）)”。公式输入后，同时按Shift＋Ctrl＋Enter键得到计算结果。对于更复杂的矩阵计算，可以采用分步计算。
6、自动切换输入法
在一张工作表中，往往是既有数据，又有文字，这样在输入时就需要来回在中英文之间反复切换输入法，非常麻烦。如果你要输入的东西很有规律性，比如这一列全是单词，下一列全是汉语解释，你可以用以下方法实现自动切换。方法是：
（1）选中要输入英文的列，单击“数据”菜单，选择“有效性...”命令，在弹出的“数据有效性”对话框中，选中“输入法模式”选项卡，在“模式”框中选择“关闭（英文模式）”命令，单击“确定”按钮。
（2）选中要输入汉字的列，在“有效数据”对话框中，单击“IME模式”选项卡，在“模式”框中选择“打开”命令，单击“确定”按钮。这样，当光标在前一列时，可以输入英文，在下一列时，直接可以输入中文，从而实现了中英文输入方式之间的自动切换。
7、批量删除空行
有时我们需要删除Excel工作薄中的空行，一般做法是将空行一一找出，然后删除。如果工作表的行数很多，这样做就非常不方便。我们可以利用“自动筛选”功能，把空行全部找到，然后一次性删除。做法：先在表中插入新的一个空行，然后按下Ctrl+A键，选择整个工作表，用鼠标单击“数据”菜单，选择“筛选”项中的“自动筛选”命令。这时在每一列的顶部，都出现一个下拉列表框，在典型列的下拉列表框中选择“空白”，直到页面内已看不到数据为止。
在所有数据都被选中的情况下，单击“编辑”菜单，选择“删除行”命令，然后按“确定”按钮。这时所有的空行都已被删去，再单击“数据”菜单，选取“筛选”项中的“自动筛选”命令，工作表中的数据就全恢复了。插入一个空行是为了避免删除第一行数据。
如果想只删除某一列中的空白单元格，而其它列的数据和空白单元格都不受影响，可以先复制此列，把它粘贴到空白工作表上，按上面的方法将空行全部删掉，然后再将此列复制，粘贴到原工作表的相应位置上。
8、宏的应用
宏是一个指令集，用来告诉EXCEL来完成用户指定的动作。宏类似于计算机程序，但是它是完全运行于EXCEL之中的，我们可以使用宏来完成枯燥的、频繁的重复性工作。宏完成动作的速度比用户自己做要快得多。例如，我们可以创建一个宏，用来在工作表的每一行上输入一组日期，并在每一单元格内居中对齐日期，然后对此行应用边框格式。我们还可以创建一个宏，在“页面设置”对话框中指定打印设置并打印文档。
由于宏病毒的影响和对编程的畏惧心理，使很多人不敢用“宏”，或是不知道什么时候可以找宏来帮忙。其实你尽管放心大胆地去用，如果只是用“录制宏”的方法，根本就没有什么难的，只是把一些操作象用录音机一样录下来，到用的时候，只要执行这个宏，系统就会把那操作再执行一遍。
下面给出了宏的应用场合，只要用“录制宏”就可以帮你完成任务，而不需要编程。如果想对所录制的宏再进行编辑，就要有一定的VBA知识了。
* 设定一个每个工作表中都需要的固定形式的表头；
* 将单元格设置成一种有自己风格的形式；
* 每次打印都固定的页面设置；
* 频繁地或是重复地输入某些固定的内容，比如排好格式的公司地址、人员名单等；
* 创建格式化表格；
* 插入工作表或工作薄等。
需要指出的是，EXCEL中的宏与WORD中的宏有些不同之处，对于录制的操作，它会记住单元格的坐标（即所有的引用都是绝对的），所以在涉及到与位置有关的操作时，要格外注意。如果相用相对引用，可以借助于Offset方法，比如下面的语句： ActiveCell.Offset(1,0). range("A1").select 宏的应用是很广的，上面提到的只是一点点，如果真的用起来，你会发现它有更丰富的内容和更灵活的应用方法。
9.函数的使用
这一章,我们来学习在Excel中使用公式和函数。这是相当重要的一部分，在Excel中实现数据计算功能全靠它们了。
我们在Excel中计算一下公式y=（3x+1）/2在x从1变化到20时y的值：先在第一列中输入好1到20这些数，然后在B1单元格中输入“=（3*A1+1）/2”，将其填充到下面的单元格中，就可以得到直观的结果了；可以很容易看出，这里“*”表示的是乘，“/”表示的就是除，括号的作用和平时是相同的。
创建公式是很容易的，关键在于你要想好怎么去创建这个公式，以及合理的使用单元格的引用。
最常用的函数功能就是求和，Excel中求和功能有很多的用法，最简单的就是自动求和功能了。
我们来看一个表格，现在我们需要把这个货物表的总值部分的全部款项汇总一下，看看到底有多少：选中这些单元格和下面的“总计”单元格，然后单击工具栏上的“自动求和”按钮，在“总计”栏中就出现了上面单元格的数字的和。
这个自动求和功能可以自动在行或列中求和，对行中数据的求和同对列中数据的求和方法基本一致；但是象下面这个表，要加和的单元格并不是在同一个行或者列上，这时自动求和功能就没有办法了。
这时我们就要用到Excel提供的函数功能来实现了：单击要填入分数和的单元格，单击工具栏上的“输入公式”按钮，现在左边的名称框变成了一个函数的选择列表框，单击这个列标框的下拉箭头，从中选择“SUM”项。在编辑栏中就出现了函数SUM，单击“SUM”栏的Number1输入框的拾取按钮，从工作表中选择要将数值相加的单元格，单击输入框中的“返回”按钮回到刚才的对话框，单击“确定”按钮就可以了。(如下图)如果要求和单元格不连续的话，你也可以用Ctrl键来配合鼠标进行选取。Excel也有求平均数的函数：选中要放置平均数的单元格，单击“输入公式”按钮，单击左边的函数选择下拉列表框的下拉箭头，选择平均数函数“AVERAGE”项，然后选择取值的单元格，单击“确定”按钮就可以了。
10、选择性粘贴
Excel为我们提供了一些自动功能。先来看看选择性粘贴：这里的选择性粘贴是指把剪贴板中的内容按照一定的规则粘贴到工作表中，而不是像前面那样简单地拷贝。就拿这个表来说吧。
这里的“利润”一栏是我们使用公式计算得到的，选择这一栏，复制到Sheet2中，可以看到数值并没有跟着复制过来；这时就可以使用选择性粘贴了：打开“编辑”菜单，单击“选择性粘贴”命令，打开“选择性粘贴”对话框，在“粘贴”一栏中选择“数值”，单击“确定”按钮，数值就可以粘贴过来了。这种情况不仅是在几个工作表之间复制时会发生，在同一个工作表中进行复制时也会遇到，到时可要注意。
选择性粘贴还有一个很常用的功能就是转置功能。简单地理解就是把一个横排的表变成竖排的或把一个竖排的表变成横排的：选择这个表格，复制一下，切换到另一个工作表中，打开“选择性粘贴”对话框，选中“转置”前的复选框，单击“确定”按钮，可以看到行和列的位置相互转换了过来。
另外一些简单的计算也可以用选择性粘贴来完成：选中这些单元格，复制一下，然后打开“选择性粘贴”对话框，在“运算”一栏选择“加”，单击“确定”按钮，单元格的数值就是原来的两倍了。此外你还可以粘贴全部格式或部分格式，或只粘贴公式等等。
11、拼写检查
Excel还提供了拼写检查的功能，打开“工具”菜单，单击“拼写”命令，Excel就会自动对当前工作表中的内容进行拼写检查，在错误的地方会弹出“拼写检查”对话框，第一行中显示的是Excel认为有错误的单词，下面的“更改为”输入框中显示的是Excel默认的应该替换为的单词，再下面的“建议”列表框中显示的是在词典中与错误的单词比较接近的词。
单击右边的“更改”按钮可以把当前的词替换为“更改为”输入框中的词；然后Excel就会自动搜寻下一个错误的单词，从“建议”列表中选择要替换为的单词，单击“更改”按钮，就可以把单词替换为所选择的词；而选择“忽略”按钮可以忽略此处错误。
12、自动更正
现在我们在单元格中输入（c）然后按一下回车，可以看到输入的字符变了。这是Excel的自动更正功能，我们再输入(r)，回车；同样可以看到输入的字符又变了。其实这些都是可以设置的：打开“工具”菜单，单击“自动更正”命令，打开“自动更正”对话框，这里列出了所有自动更正的选择，在“键入时自动替换”列表中的头两个就是我们刚才看到的，输入(c)则替换为(c)，输入(r)则替换为(r)。
我们还可以把自己容易犯错的词做一个自动更正的词条，以后再输入起来就很方便了：在“替换”输入框中写入“制做”，在“替换为”输入框中填上“制作”，单击“添加”按钮将其添加到列表中，单击“确定”按钮；在单元格中输入“制做”，回车，可以看到“制做”就被替换成了“制作”。
如果你不想使用哪个自动更正的选项了，就在自动更正对话框中把这个选项去掉就行了。
13、 宏的使用
另外还有一个最重要的自动功能，那就是“宏”。我们每次听到“宏”总是和病毒在一块儿，一般自己做的宏是不会对自己有害的。合理地使用宏可以大幅度地提高工作效率，而且有些操作不使用宏的话会很麻烦。最简单的宏可以通过录制来做。
比如我们写一个宏，让它删除A3单元格的内容：打开“工具”菜单，单击“宏”项，从子菜单中选择“录制新宏”命令，弹出“录制新宏”对话框，在“宏名”输入框中输入宏的名字，单击“确定”按钮，在界面中出现了“停止录制”工具栏，我们就可以进行宏的录制了，在状态栏的最左边可以看到目前的状态是“就绪录制”；单击A3单元格，按一下Delete键，这个宏的操作就算完成了，单击工具栏上的“停止录制”按钮，工具栏自动消失了。
现在在A3单元格中随便填上数值，选择其它的单元格，打开“工具”菜单中的“宏”子菜单，选择“宏”命令，打开“宏”对话框，选择我们刚才录制的宏，单击“执行”按钮，A3单元格的内容就没有了。现在我们打开一个带有宏的工作簿，Excel会提醒我们打开的文件中带有宏，如果你不能确定宏是否带有恶意的成分就选择“禁用宏”，否则可以选择“启用宏”；在禁用之后即使宏中有恶意成份也不会对你的机器起作用了。
14.补充部分
记忆式键入
在Excel的单元格中键入文本时，Excel会将扫描同一列中的所有条目并将列中与所输入的文字相匹配的条目显示在单元格中，这就是记忆式键入功能；此时直接按回车键就可以接受所匹配的条目。
“记忆式键入”仅匹配完整的单元格条目，而不是单元格中单个的词。当编辑公式时，“记忆式键入”不工作。选择“工具”菜单的“选项”命令，打开“选项”对话框，单击“编辑”选项卡，清除“记忆式键入”复选框就可以禁用“记忆式键入”功能。
选择列表
在单元格上单击右键，可以看到“选择列表”命令，这个命令在“记忆式键入”功能打开时是可见的，单击它就可以显示同一列上邻近单元格中的所有唯一条目的列表。选择列表中的某个条目就可以把它插入所选的单元格中。
默认文件夹
在使用打开或保存命令时会发现Excel自动把“我的文档”作为默认的保存和打开文件夹，如果我们平时的工作成果并不在这个文件夹中，这样是很不方便的，不过我们可以设置这个默认的文件夹：打开“工具”菜单，选择“选项”命令，打开“选项”对话框；单击“常规”选项卡；在“默认工作目录”输入框中输入文件夹的路径名，然后单击“确定”按钮就可以了。
默认字体
在默认情况下，Excel 工作表使用 10 磅的 Arial 字体；我们也可以将这个默认的设置改变：选择“工具”菜单的“选项”命令，打开“选项”对话框，从“常规”选项卡的“标准字体”下拉列表框中选择一种字体，从“大小”下拉列表框中选择字体的大小，单击“确定”按钮；Excel会弹出对话框提示我们要重新启动 Excel，重新启动Excel后Excel就会以设置的字体显示了。
单变量求解（数据分析）
用Excel可以进行比较复杂的数值计算，比如算式z=3x+4y+1，我们要求当z=20、y=2时x的值，就可以使用单变量求解功能：首先按一般的样子将公式建立起来，然后打开“工具”菜单，单击“单变量求解”命令，打开“单变量求解”对话框，拾取“目标”为公式所在的单元格，在“目标值”输入框中输入期望的值20，然后将“可变单元格”定位为x的数值所在单元格，单击“确定”按钮，在单元格中可以看到计算的结果；同时界面中出现了“单元格求解状态”对话框，此时单击“确定”可以接受通过计算导致单元格数值的改变，而单击“取消”按钮就可以撤消改变了。
模拟运算表（数据分析）
Excel作为一个电子表格其作用不仅仅是数据的电子化存储及排序和检索，它还有另外一项很重要的功能，那就是数据分析功能，这里用得最多的就是模拟运算表：用一个简单的算式z=3x+4y+1来看：要求当x等于从1到4间的所有整数，而y为1到7间所有整数时所有z的值，用模拟运算表做：首先排好x与y的位置，然后在下面的单元格中建立一个公式，在公式所在行的右边和下面分别输入两个变量的变化值，这里我们在行上为x，列上为y，然后选中这个方形的区域，选择“数据”菜单中的“模拟运算表”命令，打开“模拟运算表”对话框，将“输入引用行的单元格”选择为公式中x的数值所在单元格，“输入引用列的单元格”选择为公式中y的数值所在的单元格。
单击“确定”按钮，就可以看到运算的结果了。如果公式发生了改变，只要修改公式单元格中的公式就可以了。
补充部分
批注的使用
对于已经插入的批注，我们可以把它们都显示出来以方便查看和编辑：打开“视图”菜单，单击“批注”命令，就可以将工作表中的所有批注都显示出来；将鼠标移动到批注所在的位置，鼠标变成了“I”形，在批注的区域内单击，可以看到批注区域内出现了闪动的光标，此时就可以对批注进行编辑了；单击工作表的任意其它位置，可以取消对批注的编辑；打开“视图”菜单，单击“批注”命令，在视图中就看不到批注了。
我们还可以使用“审阅”工具栏来进行对批注的操作：用右键单击工具栏，单击快捷菜单中的“审阅”命令，界面中就出现了“审阅”工具栏，单击工具栏中的“显示所有批注”按钮，可以显示工作表中的所有批注，再单击这个按钮，工作表中的批注就隐藏了起来。
选中一个有批注的单元格，单击“显示批注”按钮，选中单元格的批注就显示出来了；同“显示所有批注”按钮一样，再单击，就可以将这个批注隐藏起来；单击工具栏中的左边第一个按钮：“编辑批注按钮”，可以编辑选中的单元格的批注；单击一个没有批注的单元格，刚才的“编辑批注”按钮变成了“插入批注”按钮，单击它就可以在选中的单元格中插入新的批注了；单击工作表的其它部分，取消编辑批注的状态，单击工具栏上的“下一批注”按钮，Excel会自动显示下一个批注；“前一批注”按钮的用法和这个后一批注基本相同；选中带有批注的单元格后单击“删除批注”按钮，可以删除单元格中的批注。使用右键菜单，一样可以进行批注的插入、编辑和删除。
与Web的互通
在Office 2000中，Html格式已经成为其组件内置的文件格式，因此在与Web的互通上Office 2000做得比以前所有版本都要好。在Excel 2000中，我们可以选择把工作簿保存为 Web 页，甚至把工作簿或所选工作簿的点发布到 Web 服务器，这样其他人也可以使用该工作簿。
把工作簿或所选工作簿保存为 Web 页：选择“文件”菜单的“另存为Web 页”命令，打开“另存为” 对话框，选择保存的位置，指定保存的文件名，单击“保存”按钮就可以将工作簿保存成Web页了。
在保存Web页面时可以选择保存整个工作簿或选定的工作表：打开“另存为”对话框，在这里有一个选项，可以选择整个工作簿或选择的工作表；另外单击“更改标题”按钮可以自己确定保存的Web页的标题。
单击“发布”按钮，可以选择发布工作表的一部分。
加载宏和报告管理器
Excel提供了很多现成的宏可以供我们调用，这里我们来看看比较常用的“报告管理器”：打开“工具”菜单，单击“加载宏”命令，打开“加载宏”对话框；选中“当前加载宏”列表框中“报告管理器”前面的复选框，单击“确定”按钮，我们就将“报告管理器”加载到了Excel中。
打开“视图”菜单，这里就多了一个“报告管理器”命令，单击它，打开“报告管理器”对话框，就可以使用“报告管理器”了。
电子邮件
选择“文件”菜单的“发送”命令，然后选择子菜单中的“邮件收件人（以附件形式）”命令，您就可以将活动的 Excel 工作簿用电子邮件发送给其他人。当您选择该命令时，Windows 会启动电子邮件程序并将当前编辑的工作簿作为附件添加到邮件中；然后像发送普通的邮件那样发送邮件就可以了。
15、如何避免错误信息
在Excel中输入公式后，有时不能正确地计算出结果，并在单元格内显示一个错误信息，这些错误的产生，有的是因公式本身产生的，有的不是。下面就介绍一下几种常见的错误信息，并提出避免出错的办法。
１）错误值：＃＃＃＃
含义：输入到单元格中的数据太长或单元格公式所产生的结果太大，使结果在单元格中显示不下。或是日期和时间格式的单元格做减法，出现了负值。
解决办法：增加列的宽度，使结果能够完全显示。如果是由日期或时间相减产生了负值引起的，可以改变单元格的格式，比如改为文本格式，结果为负的时间量。 ２）错误值：＃DIV/0!
含义：试图除以0。这个错误的产生通常有下面几种情况：除数为0、在公式中除数使用了空单元格或是包含零值单元格的单元格引用。
解决办法：修改单元格引用，或者在用作除数的单元格中输入不为零的值。
３）错误值：＃VALUE!
含义：输入引用文本项的数学公式。如果使用了不正确的参数或运算符，或者当执行自动更正公式功能时不能更正公式，都将产生错误信息＃VALUE!。
解决办法：这时应确认公式或函数所需的运算符或参数正确，并且公式引用的单元格中包含有效的数值。例如，单元格C4中有一个数字或逻辑值，而单元格D4包含文本，则在计算公式=C4＋D4时，系统不能将文本转换为正确的数据类型，因而返回错误值＃VALUE!。
４）错误值：＃REF!
含义：删除了被公式引用的单元格范围。
解决办法：恢复被引用的单元格范围，或是重新设定引用范围。
５）错误值：＃N/A
含义：无信息可用于所要执行的计算。在建立模型时，用户可以在单元格中输入#N/A，以表明正在等待数据。任何引用含有#N/A值的单元格都将返回#N/A。
解决办法：在等待数据的单元格内填充上数据。
６）错误值：＃NAME?
含义：在公式中使用了Excel所不能识别的文本，比如可能是输错了名称，或是输入了一个已删除的名称，如果没有将文字串括在双引号中，也会产生此错误值
解决办法：如果是使用了不存在的名称而产生这类错误，应确认使用的名称确实存在；如果是名称，函数名拼写错误应就改正过来；将文字串括在双引号中；确认公式中使用的所有区域引用都使用了冒号（：）。例如：SUM（C1：C10）。 注意将公式中的文本括在双引号中。
７）错误值：＃NUM!
含义：提供了无效的参数给工作表函数，或是公式的结果太大或太小而无法在工作表中表示。
解决办法：确认函数中使用的参数类型正确。如果是公式结果太大或太小，就要修改公式，使其结果在-1×10307和1×10307之间。
８）错误值：＃NULL！
含义：在公式中的两个范围之间插入一个空格以表示交叉点，但这两个范围没有公共单元格。比如输入：“=SUM(A1:A10 C1:C10)”，就会产生这种情况。
解决办法：取消两个范围之间的空格。上式可改为“=SUM(A1:A10 ,C1:C10)”--http://www.xici.net/u15568717/d83887823.htm
移动到当前数据区域的边缘：CTRL+ 箭头键
移动到行首：HOME
移动到工作表的开头：CTRL+HOME
移动到工作表的最后一个单元格。：CTRL+END
向下移动一屏：PAGE DOWN
向上移动一屏：PAGE UP
向右移动一屏：ALT+PAGE DOWN
向左移动一屏：ALT+PAGE UP
移动到工作簿中下一个工作表：CTRL+PAGE DOWN
移动到工作簿中前一个工作表：CTRL+PAGE UP
移动到下一工作簿或窗口：CTRL+F6 或 CTRL+TAB
移动到前一工作簿或窗口：CTRL+SHIFT+F6
移动到已拆分工作簿中的下一个窗格：F6
移动到被拆分的工作簿中的上一个窗格：SHIFT+F6
滚动并显示活动单元格：CTRL+BACKSPACE
显示“定位”对话框：F5
显示“查找”对话框：SHIFT+F5
重复上一次“查找”操作：SHIFT+F4
在保护工作表中的非锁定单元格之间移动：TAB
2>Excel快捷键之处于END模式时在工作表中移动
打开或关闭 END 模式：END
在一行或列内以数据块为单位移动：END, 箭头键
移动到工作表的最后一个单元格.：END, HOME
在当前行中向右移动到最后一个非空白单元格。：END, ENTER
3>Excel快捷键之处于“滚动锁定”模式时在工作表中移动
打开或关闭滚动锁定：SCROLL LOCK
移动到窗口中左上角处的单元格：HOME
移动到窗口中右下角处的单元格：END
向上或向下滚动一行：上箭头键或下箭头键
向左或向右滚动一列：左箭头键或右箭头键
4>Excel快捷键之用于预览和打印文档
显示“打印”对话框：CTRL+P
在打印预览中时：
当放大显示时，在文档中移动：箭头键
当缩小显示时，在文档中每次滚动一页：PAGE UP
当缩小显示时，滚动到第一页：CTRL+上箭头键
当缩小显示时，滚动到最后一页：CTRL+下箭头键
5>Excel快捷键之用于工作表、图表和宏
插入新工作表：SHIFT+F11
创建使用当前区域的图表：F11 或 ALT+F1
显示“宏”对话框：ALT+F8
显示“Visual Basic 编辑器”：ALT+F11
插入 Microsoft Excel 4.0 宏工作表：CTRL+F11
移动到工作簿中的下一个工作表：CTRL+PAGE DOWN
移动到工作簿中的上一个工作表：CTRL+PAGE UP
选择工作簿中当前和下一个工作表：SHIFT+CTRL+PAGE DOWN
选择当前工作簿或上一个工作簿：SHIFT+CTRL+PAGE UP
6>Excel快捷键之选择图表工作表
选择工作簿中的下一张工作表：CTRL+PAGE DOWN
选择工作簿中的上一个工作表：CTRL+PAGE UP，END, SHIFT+ENTER
7>Excel快捷键之用于在工作表中输入数据
完成单元格输入并在选定区域中下移：ENTER
在单元格中折行：ALT+ENTER
用当前输入项填充选定的单元格区域：CTRL+ENTER
完成单元格输入并在选定区域中上移：SHIFT+ENTER
完成单元格输入并在选定区域中右移：TAB
完成单元格输入并在选定区域中左移：SHIFT+TAB
取消单元格输入：ESC
删除插入点左边的字符，或删除选定区域：BACKSPACE
删除插入点右边的字符，或删除选定区域：DELETE
删除插入点到行末的文本：CTRL+DELETE
向上下左右移动一个字符：箭头键
移到行首：HOME
重复最后一次操作：F4 或 CTRL+Y
编辑单元格批注：SHIFT+F2
由行或列标志创建名称：CTRL+SHIFT+F3
向下填充：CTRL+D
向右填充：CTRL+R
定义名称：CTRL+F3
8>Excel快捷键之设置数据格式
显示“样式”对话框：ALT+' （撇号）
显示“单元格格式”对话框：CTRL+1
应用“常规”数字格式：CTRL+SHIFT+~
应用带两个小数位的“贷币”格式：CTRL+SHIFT+$
应用不带小数位的“百分比”格式：CTRL+SHIFT+%
应用带两个小数位的“科学记数”数字格式：CTRL+SHIFT+^
应用年月日“日期”格式：CTRL+SHIFT+#
应用小时和分钟“时间”格式，并标明上午或下午：CTRL+SHIFT+@
应用具有千位分隔符且负数用负号 (-) 表示：CTRL+SHIFT+!
应用外边框：CTRL+SHIFT+&
删除外边框：CTRL+SHIFT+_
应用或取消字体加粗格式：CTRL+B
应用或取消字体倾斜格式：CTRL+I
应用或取消下划线格式：CTRL+U
应用或取消删除线格式：CTRL+5
隐藏行：CTRL+9
取消隐藏行：CTRL+SHIFT+( 左括号
隐藏列：CTRL+0（零）
取消隐藏列：CTRL+SHIFT+)右括号
9>Excel快捷键之编辑数据
编辑活动单元格并将插入点放置到线条末尾：F2
取消单元格或编辑栏中的输入项：ESC
编辑活动单元格并清除其中原有的内容：BACKSPACE
将定义的名称粘贴到公式中：F3
完成单元格输入：ENTER
将公式作为数组公式输入：CTRL+SHIFT+ENTER
在公式中键入函数名之后，显示公式选项板：CTRL+A
在公式中键入函数名后为该函数插入变量名和括号：CTRL+SHIFT+A
显示“拼写检查”对话框。：F7 键
10>Excel快捷键之插入、删除和复制选中区域
复制选定区域：CTRL+C
剪切选定区域：CTRL+X
粘贴选定区域：CTRL+V
清除选定区域的内容：DELETE
删除选定区域：CTRL+ 连字符
撤消最后一次操作：CTRL+Z
插入空白单元格：CTRL+SHIFT+ 加号
11>Excel快捷键之在选中区域内移动
在选定区域内由上往下移动：ENTER
在选定区域内由下往上移动：SHIFT+ENTER
在选定区域内由左往右移动：TAB
在选定区域内由右往左移动：SHIFT+TAB
按顺时针方向移动到选定区域的下一个角：CTRL+PERIOD
右移到非相邻的选定区域：CTRL+ALT+右箭头键
左移到非相邻的选定区域：CTRL+ALT+左箭头键
12>Excel快捷键之选择单元格、列或行
选定当前单元格周围的区域：CTRL+SHIFT+*（星号）
将选定区域扩展一个单元格宽度：SHIFT+ 箭头键
选定区域扩展到单元格同行同列的最后非空单元格：CTRL+SHIFT+ 箭头键
将选定区域扩展到行首：SHIFT+HOME
将选定区域扩展到工作表的开始：CTRL+SHIFT+HOME
将选定区域扩展到工作表的最后一个使用的单元格：CTRL+SHIFT+END
选定整列：CTRL+SPACEBAR
选定整行：SHIFT+SPACEBAR
选定整个工作表：CTRL+A
如果选定了多个单元格则只选定其中的单元格：SHIFT+BACKSPACE
将选定区域向下扩展一屏：SHIFT+PAGE DOWN
将选定区域向上扩展一屏：SHIFT+PAGE UP
选定了一个对象，选定工作表上的所有对象：CTRL+SHIFT+SPACEBAR
在隐藏对象、显示对象与对象占位符之间切换：CTRL+6
显示或隐藏“常用”工具栏：CTRL+7
使用箭头键启动扩展选中区域的功能：F8
将其他区域中的单元格添加到选中区域中：SHIFT+F8
将选定区域扩展到窗口左上角的单元格：SCROLLLOCK, SHIFT+HOME
将选定区域扩展到窗口右下角的单元格：SCROLLLOCK, SHIFT+END
13>Excel快捷键之处于End模式时展开选中区域
打开或关闭 END 模式：END
将选定区域扩展到单元格同列同行的最后非空单元格：END, SHIFT+ 箭头键
将选定区域扩展到工作表上包含数据的最后一个单元格：END, SHIFT+HOME
将选定区域扩展到当前行中的最后一个单元格：END, SHIFT+ENTER
14>Excel快捷键之选择含有特殊字符单元格
选中活动单元格周围的当前区域：CTRL+SHIFT+*（星号）
选中当前数组，此数组是活动单元格所属的数组：CTRL+/
选定所有带批注的单元格：CTRL+SHIFT+O (字母 O)
选择行中不与该行内活动单元格的值相匹配的单元格：CTRL+\
选中列中不与该列内活动单元格的值相匹配的单元格：CTRL+SHIFT+|
选定当前选定区域中公式的直接引用单元格：CTRL+[ （左方括号）
选定当前选定区域中公式直接或间接引用的所有单元格：CTRL+SHIFT+{ 左大括号
只选定直接引用当前单元格的公式所在的单元格：CTRL+] （右方括号）
选定所有带有公式的单元格，这些公式直接或间接引用当前单元格：CTRL+SHIFT+}右大括号--http://blog.renren.com/share/228687796/3843902696
1 编辑技巧
（1）分数的输入
如果直接输入“1/5”，系统会将其变为“1月5日”，解决办法是：先输入“0”，然后输入空格，再输入分数“1/5”。
（2）序列“001”的输入
如果直接输入“001”，系统会自动判断001为数据1，解决办法是：首先输入“'”（西文单引号），然后输入“001”。
（3）日期的输入
如果要输入“4月5日”，直接输入“4/5”，再敲回车就行了。如果要输入当前日期，按一下“Ctrl+；”键。
（4） 填充条纹
如果想在工作簿中加入漂亮的横条纹，可以利用对齐方式中的填充功能。先在一单元格内填入“*”或“~”等符号，然后单击此单元格，向右拖动鼠标，选中横向若干单元格，单击“格式”菜单，选中“单元格”命令，在弹出的“单元格格式”菜单中，选择“对齐”选项卡，在水平对齐下拉列表中选择“填充”，单击“确定”按钮。
（5）多张工作表中输入相同的内容
几个工作表中同一位置填入同一数据时，可以选中一张工作表，然后按住Ctrl键，再单击窗口左下角的Sheet1、Sheet2......来直接选择需要输入相同内容的多个工作表，接着在其中的任意一个工作表中输入这些相同的数据，此时这些数据会自动出现在选中的其它工作表之中。输入完毕之后，再次按下键盘上的Ctrl键，然后使用鼠标左键单击所选择的多个工作表，解除这些工作表的联系，否则在一张表单中输入的数据会接着出现在选中的其它工作表内。
（6）不连续单元格填充同一数据
选中一个单元格，按住Ctrl键，用鼠标单击其他单元格，就将这些单元格全部都选中了。在编辑区中输入数据，然后按住Ctrl键，同时敲一下回车，在所有选中的单元格中都出现了这一数据。
（7）在单元格中显示公式
如果工作表中的数据多数是由公式生成的，想要快速知道每个单元格中的公式形式，以便编辑修改，可以这样做：用鼠标左键单击“工具”菜单，选取“选项”命令，出现“选项”对话框，单击“视图”选项卡，接着设置“窗口选项”栏下的“公式”项有效，单击“确定”按钮。这时每个单元格中的分工就显示出来了。如果想恢复公式计算结果的显示，就再设置“窗口选项”栏下的“公式”项失效即可。
（8）利用Ctrl＋*选取文本
如果一个工作表中有很多数据表格时，可以通过选定表格中某个单元格，然后按下Ctrl＋*键可选定整个表格。Ctrl＋*选定的区域为：根据选定单元格向四周辐射所涉及到的有数据单元格的最大区域。这样我们可以方便准确地选取数据表格，并能有效避免使用拖动鼠标方法选取较大单元格区域时屏幕的乱滚现象。
（9）快速清除单元格的内容
如果要删除内容的单元格中的内容和它的格式和批注，就不能简单地应用选定该单元格，然后按Delete键的方法了。要彻底清除单元格,可用以下方法：选定想要清除的单元格或单元格范围；单击“编辑”菜单中“清除”项中的“全部”命令，这些单元格就恢复了本来面目。
2、单元格内容的合并
根据需要，有时想把B列与C列的内容进行合并，如果行数较少，可以直接用“剪切”和“粘贴”来完成操作，但如果有几万行，就不能这样办了。
解决办法是：在C行后插入一个空列（如果D列没有内容，就直接在D列操作），在Ｄ1中输入“=B1&C1”，D1列的内容就是B、C两列的和了。选中D1单元格，用鼠标指向单元格右下角的小方块“■”，当光标变成"＋"后，按住鼠标拖动光标向下拖到要合并的结尾行处，就完成了B列和C列的合并。这时先不要忙着把B列和C列删除，先要把D列的结果复制一下，再用“选择性粘贴”命令，将数据粘贴到一个空列上。这时再删掉B、C、D列的数据。
下面是一个“&”实际应用的例子。用AutoCAD绘图时，有人喜欢在EXCEL中存储坐标点，在绘制曲线时调用这些参数。存放数据格式为“x，y”的形式，首先在Excel中输入坐标值，将x坐标值放入A列，y坐标值放入到B列，然后利用“&”将A列和B列合并成C列，在C1中输入：=A1&"，"&B1，此时C1中的数据形式就符合要求了，再用鼠标向下拖动C1单元格，完成对A列和B列的所有内容的合并。
合并不同单元格的内容，还有一种方法是利用CONCATENATE函数，此函数的作用是将若干文字串合并到一个字串中，具体操作为“=CONCATENATE（B1,C1）”。比如，假设在某一河流生态调查工作表中，B2包含“物种”、B3包含“河鳟鱼”，B7包含总数45，那么：输入“=CONCATENATE（"本次河流生态调查结果："，B2，""，B3，"为"，B7，"条/公里。"）” 计算结果为：本次河流生态调查结果：河鳟鱼物种为45条/公里。
3、条件显示
我们知道，利用If函数，可以实现按照条件显示。一个常用的例子，就是教师在统计学生成绩时，希望输入60以下的分数时，能显示为“不及格”；输入60以上的分数时，显示为“及格"。这样的效果，利用IF函数可以很方便地实现。假设成绩在A2单元格中，判断结果在A3单元格中。那么在A3单元格中输入公式： =if（A2<60，“不及格”，“及格”）同时，在IF函数中还可以嵌套IF函数或其它函数。
例如，如果输入： =if（A2<60，“不及格”，if（A2<=90，“及格”，“优秀"））就把成绩分成了三个等级。
如果输入 =if（A2<60，“差"，if（A2<=70，“中”，if（A2<90，“良”，“优”）））就把成绩分为了四个等级。
再比如，公式： =if（SUM（A1：A5>0，SUM（A1：A5），0）此式就利用了嵌套函数，意思是，当A1至A5的和大于0时，返回这个值，如果小于0，那么就返回0。还有一点要提醒你注意：以上的符号均为半角，而且IF与括号之间也不能有空格。
4、自定义函数
虽然Excel中已有大量的内置函数，但有时可能还会碰到一些计算无函数可用的情况。假如某公司采用一个特殊的数学公式计算产品购买者的折扣，如果有一个函数来计算岂不更方便？下面就说一下如何创建这样的自定义函数。
自定义函数，也叫用户定义函数，是Excel最富有创意和吸引力的功能之一，下面我们在Visual Basic模块中创建一个函数。在下面的例子中，我们要给每个人的金额乘一个系数，如果是上班时的工作餐，就打六折；如果是加班时的工作餐，就打五折；如果是休息日来就餐，就打九折。首先打开“工具”菜单，单击“宏”命令中的“Visual Basic编辑器”，进入Visual Basic编辑环境，在“工程－VBAobject”栏中的当前表上单击鼠标右键，选择“插入”-“模块”，在右边栏创建下面的函数rrr，代码如下： Function rrr(tatol, rr) If rr = "上班" Then rrr = 0.6 * tatol ElseIf rr = "加班" Then rrr = 0.5 * tatol ElseIf rr = "休息日" Then rrr = 0.9 * tatol End If End Function。
这时关闭编辑器，只要我们在相应的列中输入rrr(F２，B２)，那么打完折后的金额就算出来了。
5、矩阵计算
Excel的强大计算功能，不但能够进行简单的四则运算，也可以进行数组、矩阵的计算。
（1）数组和矩阵的定义
矩阵不是一个数，而是一个数组。在Excel里，数组占用一片单元域，单元域用大括号表示，例如{A1：C3}，以便和普通单元域A1：C3相区别。设置时先选定单元域，同时按Shift＋Ctrl＋Enter键，大括弧即自动产生，数组域得以确认。
一个单元格就是一个变量，一片单元域也可以视为一组变量。为了计算上的方便，一组变量最好给一个数组名。例如A={A1：C3}、B={E1:G3}等。数组名的设置步骤是：选定数组域，单击“插入”菜单，选择“名称”项中的“定义”命令，输入数组名，单击“确定”按钮即可。更简单的命名办法为：选择数组域，单击名称框，直接输入名称就行了。
矩阵函数是Excel进行矩阵计算的专用模块。用“插入”－“函数”命令打开“粘贴函数”对话框，选中函数分类栏中的“数学与三角函数”，在右边栏常用的矩阵函数有： MDETERM——计算一个矩阵的行列式； MINVERSE——计算一个矩阵的逆矩阵； MMULT——计算两个矩阵的乘积； SUMPRODUCT——计算所有矩阵对应元素乘积之和。
（2）矩阵的基本计算
数组计算和矩阵计算有很大的区别，比如下面这个例子中，A和B都是定义好的数组，因为这两个数组都是3×3的，输出结果也是3×3个单元格。计算时先选定矩阵计算结果的输出域，为3×3的单元格区域，然后输入公式。如果输入“=A＋B”或“=A-B”，计算结果是数组对应项相加或相减，输入“=A*B”表示数组A和B相乘，输入“=A/B”表示数组A除数组B。如果要进行矩阵计算，就要用到相应的矩阵函数。矩阵相加、相减与数组的加减表达形式是一样的，也是“=A＋B”和“=A-B”，表示矩阵相乘可以输入“=MMULT(A，B)”，而矩阵相除是矩阵A乘B的逆矩阵，所以计算公式是“=MMULT(A，MINVERSE（B）)”。公式输入后，同时按Shift＋Ctrl＋Enter键得到计算结果。对于更复杂的矩阵计算，可以采用分步计算。
6、自动切换输入法
在一张工作表中，往往是既有数据，又有文字，这样在输入时就需要来回在中英文之间反复切换输入法，非常麻烦。如果你要输入的东西很有规律性，比如这一列全是单词，下一列全是汉语解释，你可以用以下方法实现自动切换。方法是：
（1）选中要输入英文的列，单击“数据”菜单，选择“有效性...”命令，在弹出的“数据有效性”对话框中，选中“输入法模式”选项卡，在“模式”框中选择“关闭（英文模式）”命令，单击“确定”按钮。
（2）选中要输入汉字的列，在“有效数据”对话框中，单击“IME模式”选项卡，在“模式”框中选择“打开”命令，单击“确定”按钮。这样，当光标在前一列时，可以输入英文，在下一列时，直接可以输入中文，从而实现了中英文输入方式之间的自动切换。
7、批量删除空行
有时我们需要删除Excel工作薄中的空行，一般做法是将空行一一找出，然后删除。如果工作表的行数很多，这样做就非常不方便。我们可以利用“自动筛选”功能，把空行全部找到，然后一次性删除。做法：先在表中插入新的一个空行，然后按下Ctrl+A键，选择整个工作表，用鼠标单击“数据”菜单，选择“筛选”项中的“自动筛选”命令。这时在每一列的顶部，都出现一个下拉列表框，在典型列的下拉列表框中选择“空白”，直到页面内已看不到数据为止。
在所有数据都被选中的情况下，单击“编辑”菜单，选择“删除行”命令，然后按“确定”按钮。这时所有的空行都已被删去，再单击“数据”菜单，选取“筛选”项中的“自动筛选”命令，工作表中的数据就全恢复了。插入一个空行是为了避免删除第一行数据。
如果想只删除某一列中的空白单元格，而其它列的数据和空白单元格都不受影响，可以先复制此列，把它粘贴到空白工作表上，按上面的方法将空行全部删掉，然后再将此列复制，粘贴到原工作表的相应位置上。
8、宏的应用
宏是一个指令集，用来告诉EXCEL来完成用户指定的动作。宏类似于计算机程序，但是它是完全运行于EXCEL之中的，我们可以使用宏来完成枯燥的、频繁的重复性工作。宏完成动作的速度比用户自己做要快得多。例如，我们可以创建一个宏，用来在工作表的每一行上输入一组日期，并在每一单元格内居中对齐日期，然后对此行应用边框格式。我们还可以创建一个宏，在“页面设置”对话框中指定打印设置并打印文档。
由于宏病毒的影响和对编程的畏惧心理，使很多人不敢用“宏”，或是不知道什么时候可以找宏来帮忙。其实你尽管放心大胆地去用，如果只是用“录制宏”的方法，根本就没有什么难的，只是把一些操作象用录音机一样录下来，到用的时候，只要执行这个宏，系统就会把那操作再执行一遍。
下面给出了宏的应用场合，只要用“录制宏”就可以帮你完成任务，而不需要编程。如果想对所录制的宏再进行编辑，就要有一定的VBA知识了。
* 设定一个每个工作表中都需要的固定形式的表头；
* 将单元格设置成一种有自己风格的形式；
* 每次打印都固定的页面设置；
* 频繁地或是重复地输入某些固定的内容，比如排好格式的公司地址、人员名单等；
* 创建格式化表格；
* 插入工作表或工作薄等。
需要指出的是，EXCEL中的宏与WORD中的宏有些不同之处，对于录制的操作，它会记住单元格的坐标（即所有的引用都是绝对的），所以在涉及到与位置有关的操作时，要格外注意。如果相用相对引用，可以借助于Offset方法，比如下面的语句： ActiveCell.Offset(1,0). range("A1").select 宏的应用是很广的，上面提到的只是一点点，如果真的用起来，你会发现它有更丰富的内容和更灵活的应用方法。
9.函数的使用
这一章,我们来学习在Excel中使用公式和函数。这是相当重要的一部分，在Excel中实现数据计算功能全靠它们了。
我们在Excel中计算一下公式y=（3x+1）/2在x从1变化到20时y的值：先在第一列中输入好1到20这些数，然后在B1单元格中输入“=（3*A1+1）/2”，将其填充到下面的单元格中，就可以得到直观的结果了；可以很容易看出，这里“*”表示的是乘，“/”表示的就是除，括号的作用和平时是相同的。
创建公式是很容易的，关键在于你要想好怎么去创建这个公式，以及合理的使用单元格的引用。
最常用的函数功能就是求和，Excel中求和功能有很多的用法，最简单的就是自动求和功能了。
我们来看一个表格，现在我们需要把这个货物表的总值部分的全部款项汇总一下，看看到底有多少：选中这些单元格和下面的“总计”单元格，然后单击工具栏上的“自动求和”按钮，在“总计”栏中就出现了上面单元格的数字的和。
这个自动求和功能可以自动在行或列中求和，对行中数据的求和同对列中数据的求和方法基本一致；但是象下面这个表，要加和的单元格并不是在同一个行或者列上，这时自动求和功能就没有办法了。
这时我们就要用到Excel提供的函数功能来实现了：单击要填入分数和的单元格，单击工具栏上的“输入公式”按钮，现在左边的名称框变成了一个函数的选择列表框，单击这个列标框的下拉箭头，从中选择“SUM”项。在编辑栏中就出现了函数SUM，单击“SUM”栏的Number1输入框的拾取按钮，从工作表中选择要将数值相加的单元格，单击输入框中的“返回”按钮回到刚才的对话框，单击“确定”按钮就可以了。(如下图)如果要求和单元格不连续的话，你也可以用Ctrl键来配合鼠标进行选取。Excel也有求平均数的函数：选中要放置平均数的单元格，单击“输入公式”按钮，单击左边的函数选择下拉列表框的下拉箭头，选择平均数函数“AVERAGE”项，然后选择取值的单元格，单击“确定”按钮就可以了。
10、选择性粘贴
Excel为我们提供了一些自动功能。先来看看选择性粘贴：这里的选择性粘贴是指把剪贴板中的内容按照一定的规则粘贴到工作表中，而不是像前面那样简单地拷贝。就拿这个表来说吧。
这里的“利润”一栏是我们使用公式计算得到的，选择这一栏，复制到Sheet2中，可以看到数值并没有跟着复制过来；这时就可以使用选择性粘贴了：打开“编辑”菜单，单击“选择性粘贴”命令，打开“选择性粘贴”对话框，在“粘贴”一栏中选择“数值”，单击“确定”按钮，数值就可以粘贴过来了。这种情况不仅是在几个工作表之间复制时会发生，在同一个工作表中进行复制时也会遇到，到时可要注意。
选择性粘贴还有一个很常用的功能就是转置功能。简单地理解就是把一个横排的表变成竖排的或把一个竖排的表变成横排的：选择这个表格，复制一下，切换到另一个工作表中，打开“选择性粘贴”对话框，选中“转置”前的复选框，单击“确定”按钮，可以看到行和列的位置相互转换了过来。
另外一些简单的计算也可以用选择性粘贴来完成：选中这些单元格，复制一下，然后打开“选择性粘贴”对话框，在“运算”一栏选择“加”，单击“确定”按钮，单元格的数值就是原来的两倍了。此外你还可以粘贴全部格式或部分格式，或只粘贴公式等等。
11、拼写检查
Excel还提供了拼写检查的功能，打开“工具”菜单，单击“拼写”命令，Excel就会自动对当前工作表中的内容进行拼写检查，在错误的地方会弹出“拼写检查”对话框，第一行中显示的是Excel认为有错误的单词，下面的“更改为”输入框中显示的是Excel默认的应该替换为的单词，再下面的“建议”列表框中显示的是在词典中与错误的单词比较接近的词。
单击右边的“更改”按钮可以把当前的词替换为“更改为”输入框中的词；然后Excel就会自动搜寻下一个错误的单词，从“建议”列表中选择要替换为的单词，单击“更改”按钮，就可以把单词替换为所选择的词；而选择“忽略”按钮可以忽略此处错误。
12、自动更正
现在我们在单元格中输入（c）然后按一下回车，可以看到输入的字符变了。这是Excel的自动更正功能，我们再输入(r)，回车；同样可以看到输入的字符又变了。其实这些都是可以设置的：打开“工具”菜单，单击“自动更正”命令，打开“自动更正”对话框，这里列出了所有自动更正的选择，在“键入时自动替换”列表中的头两个就是我们刚才看到的，输入(c)则替换为(c)，输入(r)则替换为(r)。
我们还可以把自己容易犯错的词做一个自动更正的词条，以后再输入起来就很方便了：在“替换”输入框中写入“制做”，在“替换为”输入框中填上“制作”，单击“添加”按钮将其添加到列表中，单击“确定”按钮；在单元格中输入“制做”，回车，可以看到“制做”就被替换成了“制作”。
如果你不想使用哪个自动更正的选项了，就在自动更正对话框中把这个选项去掉就行了。
13、 宏的使用
另外还有一个最重要的自动功能，那就是“宏”。我们每次听到“宏”总是和病毒在一块儿，一般自己做的宏是不会对自己有害的。合理地使用宏可以大幅度地提高工作效率，而且有些操作不使用宏的话会很麻烦。最简单的宏可以通过录制来做。
比如我们写一个宏，让它删除A3单元格的内容：打开“工具”菜单，单击“宏”项，从子菜单中选择“录制新宏”命令，弹出“录制新宏”对话框，在“宏名”输入框中输入宏的名字，单击“确定”按钮，在界面中出现了“停止录制”工具栏，我们就可以进行宏的录制了，在状态栏的最左边可以看到目前的状态是“就绪录制”；单击A3单元格，按一下Delete键，这个宏的操作就算完成了，单击工具栏上的“停止录制”按钮，工具栏自动消失了。
现在在A3单元格中随便填上数值，选择其它的单元格，打开“工具”菜单中的“宏”子菜单，选择“宏”命令，打开“宏”对话框，选择我们刚才录制的宏，单击“执行”按钮，A3单元格的内容就没有了。现在我们打开一个带有宏的工作簿，Excel会提醒我们打开的文件中带有宏，如果你不能确定宏是否带有恶意的成分就选择“禁用宏”，否则可以选择“启用宏”；在禁用之后即使宏中有恶意成份也不会对你的机器起作用了。
14.补充部分
记忆式键入
在Excel的单元格中键入文本时，Excel会将扫描同一列中的所有条目并将列中与所输入的文字相匹配的条目显示在单元格中，这就是记忆式键入功能；此时直接按回车键就可以接受所匹配的条目。
“记忆式键入”仅匹配完整的单元格条目，而不是单元格中单个的词。当编辑公式时，“记忆式键入”不工作。选择“工具”菜单的“选项”命令，打开“选项”对话框，单击“编辑”选项卡，清除“记忆式键入”复选框就可以禁用“记忆式键入”功能。
选择列表
在单元格上单击右键，可以看到“选择列表”命令，这个命令在“记忆式键入”功能打开时是可见的，单击它就可以显示同一列上邻近单元格中的所有唯一条目的列表。选择列表中的某个条目就可以把它插入所选的单元格中。
默认文件夹
在使用打开或保存命令时会发现Excel自动把“我的文档”作为默认的保存和打开文件夹，如果我们平时的工作成果并不在这个文件夹中，这样是很不方便的，不过我们可以设置这个默认的文件夹：打开“工具”菜单，选择“选项”命令，打开“选项”对话框；单击“常规”选项卡；在“默认工作目录”输入框中输入文件夹的路径名，然后单击“确定”按钮就可以了。
默认字体
在默认情况下，Excel 工作表使用 10 磅的 Arial 字体；我们也可以将这个默认的设置改变：选择“工具”菜单的“选项”命令，打开“选项”对话框，从“常规”选项卡的“标准字体”下拉列表框中选择一种字体，从“大小”下拉列表框中选择字体的大小，单击“确定”按钮；Excel会弹出对话框提示我们要重新启动 Excel，重新启动Excel后Excel就会以设置的字体显示了。
单变量求解（数据分析）
用Excel可以进行比较复杂的数值计算，比如算式z=3x+4y+1，我们要求当z=20、y=2时x的值，就可以使用单变量求解功能：首先按一般的样子将公式建立起来，然后打开“工具”菜单，单击“单变量求解”命令，打开“单变量求解”对话框，拾取“目标”为公式所在的单元格，在“目标值”输入框中输入期望的值20，然后将“可变单元格”定位为x的数值所在单元格，单击“确定”按钮，在单元格中可以看到计算的结果；同时界面中出现了“单元格求解状态”对话框，此时单击“确定”可以接受通过计算导致单元格数值的改变，而单击“取消”按钮就可以撤消改变了。
模拟运算表（数据分析）
Excel作为一个电子表格其作用不仅仅是数据的电子化存储及排序和检索，它还有另外一项很重要的功能，那就是数据分析功能，这里用得最多的就是模拟运算表：用一个简单的算式z=3x+4y+1来看：要求当x等于从1到4间的所有整数，而y为1到7间所有整数时所有z的值，用模拟运算表做：首先排好x与y的位置，然后在下面的单元格中建立一个公式，在公式所在行的右边和下面分别输入两个变量的变化值，这里我们在行上为x，列上为y，然后选中这个方形的区域，选择“数据”菜单中的“模拟运算表”命令，打开“模拟运算表”对话框，将“输入引用行的单元格”选择为公式中x的数值所在单元格，“输入引用列的单元格”选择为公式中y的数值所在的单元格。
单击“确定”按钮，就可以看到运算的结果了。如果公式发生了改变，只要修改公式单元格中的公式就可以了。
补充部分
批注的使用
对于已经插入的批注，我们可以把它们都显示出来以方便查看和编辑：打开“视图”菜单，单击“批注”命令，就可以将工作表中的所有批注都显示出来；将鼠标移动到批注所在的位置，鼠标变成了“I”形，在批注的区域内单击，可以看到批注区域内出现了闪动的光标，此时就可以对批注进行编辑了；单击工作表的任意其它位置，可以取消对批注的编辑；打开“视图”菜单，单击“批注”命令，在视图中就看不到批注了。
我们还可以使用“审阅”工具栏来进行对批注的操作：用右键单击工具栏，单击快捷菜单中的“审阅”命令，界面中就出现了“审阅”工具栏，单击工具栏中的“显示所有批注”按钮，可以显示工作表中的所有批注，再单击这个按钮，工作表中的批注就隐藏了起来。
选中一个有批注的单元格，单击“显示批注”按钮，选中单元格的批注就显示出来了；同“显示所有批注”按钮一样，再单击，就可以将这个批注隐藏起来；单击工具栏中的左边第一个按钮：“编辑批注按钮”，可以编辑选中的单元格的批注；单击一个没有批注的单元格，刚才的“编辑批注”按钮变成了“插入批注”按钮，单击它就可以在选中的单元格中插入新的批注了；单击工作表的其它部分，取消编辑批注的状态，单击工具栏上的“下一批注”按钮，Excel会自动显示下一个批注；“前一批注”按钮的用法和这个后一批注基本相同；选中带有批注的单元格后单击“删除批注”按钮，可以删除单元格中的批注。使用右键菜单，一样可以进行批注的插入、编辑和删除。
与Web的互通
在Office 2000中，Html格式已经成为其组件内置的文件格式，因此在与Web的互通上Office 2000做得比以前所有版本都要好。在Excel 2000中，我们可以选择把工作簿保存为 Web 页，甚至把工作簿或所选工作簿的点发布到 Web 服务器，这样其他人也可以使用该工作簿。
把工作簿或所选工作簿保存为 Web 页：选择“文件”菜单的“另存为Web 页”命令，打开“另存为” 对话框，选择保存的位置，指定保存的文件名，单击“保存”按钮就可以将工作簿保存成Web页了。
在保存Web页面时可以选择保存整个工作簿或选定的工作表：打开“另存为”对话框，在这里有一个选项，可以选择整个工作簿或选择的工作表；另外单击“更改标题”按钮可以自己确定保存的Web页的标题。
单击“发布”按钮，可以选择发布工作表的一部分。
加载宏和报告管理器
Excel提供了很多现成的宏可以供我们调用，这里我们来看看比较常用的“报告管理器”：打开“工具”菜单，单击“加载宏”命令，打开“加载宏”对话框；选中“当前加载宏”列表框中“报告管理器”前面的复选框，单击“确定”按钮，我们就将“报告管理器”加载到了Excel中。
打开“视图”菜单，这里就多了一个“报告管理器”命令，单击它，打开“报告管理器”对话框，就可以使用“报告管理器”了。
电子邮件
选择“文件”菜单的“发送”命令，然后选择子菜单中的“邮件收件人（以附件形式）”命令，您就可以将活动的 Excel 工作簿用电子邮件发送给其他人。当您选择该命令时，Windows 会启动电子邮件程序并将当前编辑的工作簿作为附件添加到邮件中；然后像发送普通的邮件那样发送邮件就可以了。
15、如何避免错误信息
在Excel中输入公式后，有时不能正确地计算出结果，并在单元格内显示一个错误信息，这些错误的产生，有的是因公式本身产生的，有的不是。下面就介绍一下几种常见的错误信息，并提出避免出错的办法。
１）错误值：＃＃＃＃
含义：输入到单元格中的数据太长或单元格公式所产生的结果太大，使结果在单元格中显示不下。或是日期和时间格式的单元格做减法，出现了负值。
解决办法：增加列的宽度，使结果能够完全显示。如果是由日期或时间相减产生了负值引起的，可以改变单元格的格式，比如改为文本格式，结果为负的时间量。 ２）错误值：＃DIV/0!
含义：试图除以0。这个错误的产生通常有下面几种情况：除数为0、在公式中除数使用了空单元格或是包含零值单元格的单元格引用。
解决办法：修改单元格引用，或者在用作除数的单元格中输入不为零的值。
３）错误值：＃VALUE!
含义：输入引用文本项的数学公式。如果使用了不正确的参数或运算符，或者当执行自动更正公式功能时不能更正公式，都将产生错误信息＃VALUE!。
解决办法：这时应确认公式或函数所需的运算符或参数正确，并且公式引用的单元格中包含有效的数值。例如，单元格C4中有一个数字或逻辑值，而单元格D4包含文本，则在计算公式=C4＋D4时，系统不能将文本转换为正确的数据类型，因而返回错误值＃VALUE!。
４）错误值：＃REF!
含义：删除了被公式引用的单元格范围。
解决办法：恢复被引用的单元格范围，或是重新设定引用范围。
５）错误值：＃N/A
含义：无信息可用于所要执行的计算。在建立模型时，用户可以在单元格中输入#N/A，以表明正在等待数据。任何引用含有#N/A值的单元格都将返回#N/A。
解决办法：在等待数据的单元格内填充上数据。
６）错误值：＃NAME?
含义：在公式中使用了Excel所不能识别的文本，比如可能是输错了名称，或是输入了一个已删除的名称，如果没有将文字串括在双引号中，也会产生此错误值
解决办法：如果是使用了不存在的名称而产生这类错误，应确认使用的名称确实存在；如果是名称，函数名拼写错误应就改正过来；将文字串括在双引号中；确认公式中使用的所有区域引用都使用了冒号（：）。例如：SUM（C1：C10）。 注意将公式中的文本括在双引号中。
７）错误值：＃NUM!
含义：提供了无效的参数给工作表函数，或是公式的结果太大或太小而无法在工作表中表示。
解决办法：确认函数中使用的参数类型正确。如果是公式结果太大或太小，就要修改公式，使其结果在-1×10307和1×10307之间。
８）错误值：＃NULL！
含义：在公式中的两个范围之间插入一个空格以表示交叉点，但这两个范围没有公共单元格。比如输入：“=SUM(A1:A10 C1:C10)”，就会产生这种情况。
解决办法：取消两个范围之间的空格。上式可改为“=SUM(A1:A10 ,C1:C10)”--http://www.xici.net/u15568717/d83887823.htm
word排版技巧
排版是让许多人头疼的问题，尤其是论文需要多次修改时更加令人头疼。本文将给你提供一些用Microsoft Word 2003进行论文排版的技巧，使你的论文排版更加方便和轻松，以便把更多的精力放在论文的内容上而不是文字的编排上。这些技巧不只在论文写作中可以使用，在写其他文档时也可以使用。本文将分五个专题来讲解论文排版过程中共存问题的解决方法，第六部分是一些小技巧。
一.图表和公式的自动编号
二.制表位的使用
三.目录的制作4
四.参考文献的编号和引用5
五.页眉页脚的制作6
六.其他技巧 ：分页符(Ctrl+ Enter）换行符(Shift+Enter) 双击图标 居中和右对齐
一、图表和公式的自动编号
在论文中，图表和公式要求按在章节中出现的顺序分章编号，例如图1－1，表2－1，公式3－4等。在插入或删除图、表、公式时编号的维护就成为一个大问题，比如若在第二章的第一张图（图2－1）前插入一张图，则原来的图2－1变为2－2，2－2变为2－3，…，更糟糕的是，文档中还有很多对这些编号的引用，比如“流程图见图2－1”。如果图很多，引用也很多，想象一下，手工修改这些编号是一件多么费劲的事情，而且还容易遗漏！表格和公式存在同样的问题。
能不能让Word对图表公式自动编号，在编号改变时自动更新文档中的相应引用？答案是肯定的！下面以图的编号为例说明具体的作法。
自动编号可以通过Word的“题注”功能来实现。按论文格式要求，第一章的图编号格式为“图1－×”。将图插入文档中后，选中新插入的图，在“插入”菜单选“题注”，新建一个标签“图1－”，编号格式为阿拉伯数字（如果不是点击“编号”修改），位置为所选项目下方，单击“确定”后Word就插入了一个文本框在图的下方，并插入标签文字和序号，此时可以在序号后键入说明，比如“形态学膨胀运算示例”，还可以移动文本框的位置，改动文字的对齐方式等。再次插入图时题注的添加方法相同，不同的是不用新建标签了，直接选择就可以了。Word会自动按图在文档中出现的顺序进行编号。
在文档中引用这些编号时，比如“如图1－1所示”，分两步做。插入题注之后，选中题注中的文字“图1－1”，在“插入”菜单选“书签”，键入书签名，点“添加”。这样就把题注文字“图1－1”做成了一个书签。在需要引用它的地方，将光标放在插入的地方（上例中是“如”字的后面），在“插入”菜单选“交叉引用”，弹出对话框中引用类型选“书签”，“引用内容”为“书签文字”，选择刚才键入的书签名后点“插入”，Word就将文字“图1－1”插入到光标所在的地方。在其他地方需要再次引用时直接插入相应书签的交叉引用就可以了，不用再做书签。
至此我们就实现了图的编号的自动维护，当在第一张图前再插入一张图后，Word会自动把第一张图的题注“图1－1”改为“图1－2”，文档中的“图1－1”也会自动变为“图1－2”。
表格编号的作法与图相同，唯一不同的是表格的题注在表格上方，且要求左对齐。公式的编号略有不同，插入公式后，将公式单独放在一个段落，版式为“嵌入式”（Word默认），光标放在公式之后，不要（注意是“不要”）选中公式，在“插入”菜单选“题注”，由于没有选中项目，所以“位置”一项为灰色，新建标签“公式1－”，点击“插入”，Word就将标签文字和自动产生的序号插入到光标所在位置。在文档中引用公式编号的方法与图相同，此处不在赘述。公式的编号要求在右边行末，具体的方法在“制表位的使用”一节详细说明。
这里顺便说一下，交叉引用、书签和题注都是Word的域。域是文档中可能发生变化的内容，Word使用域来进行文档自动化。多个域的联合使用可以实现更复杂的功能，各个域的具体使用方法请参考Word的帮助。
注：
题注中新建标签时，Word会自动在标签文字和序号之间加一个空格，看起来不那么舒服，可以在插入题注后将空格删除，然后再将文字做成书签。²
书签名最好用图（表、公式）的说明文字，尽量做到见名知“图”。²
图（表、公式）的编号改变时，文档中的引用有时不会自动更新，可以鼠标右击引用文字，在弹出的菜单中选“更新域”。关闭文档再打开Word会更新所有的域。²
二、制表位的使用
制表位是指水平标尺上的位置，它指定了文字缩进的距离或一栏文字开始的位置，使用户能够向左、向右或居中对齐文本行；或者将文本与小数字符或竖线字符对齐。用户可以在制表符前自动插入特定字符，如句号或划线等。默认情况下，按一次Tab键，Word将在文档中插入一个制表符，其间隔为0.74厘米。
制表位的类型包括：左对齐，居中对齐，右对齐，小数点对齐和竖线对齐等，这些制表位的使用方法大致相同，这里仅根据论文中公式排版的要求和目录的制作为例说明制表位的使用方法和效果，更详细的说明请参阅Word的帮助文档。
论文里的公式要求单独放在一个段落，公式居中；按章节进行编号，编号用小括号括起来放在右边行末。首先输入公式和编号，公式的版式选择“嵌入式”，编号用小括号括起来。然后把光标放在公式所在的段落里，点击页面左上角的制表位图标，切换到居中制表位，用鼠标在水平标尺上大约中间的位置点一下，这样就放置了一个居中制表位在点击的地方，如果位置不合适还可以用鼠标拖动进行调节。再把左上角的制表位图标切换到右对齐制表位，用放置居中制表位相同的方法放置一个右对齐制表位在行末。
设置好制表位后，把光标放在公式的前面，按一下Tab键，这样就在公式的前面插入了一个制表符，此时公式以居中制表位为中心居中对齐，再把光标移到公式和左括号之间，再按Tab键插入一个制表符，编号就跑到行末了。
用制表位的方法来处理公式的排版，很简单也很方便，不用去敲很多空格去把公式挪到中间，编号推到行末。还有一个好处，若公式或编号的长度发生变化时，Word会自动调节以使公式始终在页面的中间，编号始终在行末，不会因为公式或编号变长而换行。更简单的作法是把公式段落的设置保存为样式，所有的公式段落应用此样式，即简单又方便，而且可以保持所有的公式段落制表位的一致。手工设置制表位，你能保证每次居中制表位的位置都一样吗？！
涉及到制表位还有一个概念：前导符。前导符是填充制表符所产生的空位的符号，一般有实线、虚线、点划线等，在目录中经常见到（就是标题和页码之间的圆点）。制作目录时，敲入标题和页码后，在行末设置一个右对齐制表位。点击“格式｜制表位”，制表位对话框显示了光标所在段落的制表位信息。选择右对齐制表位，前导符选择圆点（Word默认无前导符），确定后在标题和页码之间插入一个制表符，可以看到页码跑到行末了，而且页码和标题之间用圆点进行了填充。当页码或标题长度变化时，Word会自动增加或删除圆点。这里用目录做例子只是想说明前导符的使用方法，其实制作目录还有更好的方法，下文详述。
注：
1)按一次Tab键插入的是一个制表符，因此不要在文档中用制表符代替空格来产生空白间隔。不然若把这段文字粘贴到其他存在不同制表位的段落，或文档的制表符默认设置变化时，版面就会混乱。
2)有时候按Tab键后Word会产生一个灰色箭头，这实际上是Word的制表符格式标记，格式标记还有段落标记（拐弯的箭头）、空格（灰色圆点）等。这些格式标记在打印文档时是不会打印出来的，格式标记是否显示以及显示哪些可以在“工具|选项”的“视图”选项卡里进行设置。
三、目录的制作
目录是用来列出文档中的各级标题及标题在文档中相对应的页码。首先介绍Word的一个概念：大纲级别。Word使用层次结构来组织文档，大纲级别就是段落所处层次的级别编号，Word提供9级大纲级别，对一般的文档来说足够使用了。Word的目录提取是基于大纲级别和段落样式的，在Normal模板中已经提供了内置的标题样式，命名为“标题1”、“标题2”，…，“标题9”，分别对应大纲级别的1－9。我们也可以不使用内置的标题样式而采用自定义样式，但有点麻烦。下文中的目录制作方法直接使用Word的内置标题样式，关于自定义样式的方法请参阅Word的帮助文档。
目录的制作分三步进行。
1)修改标题样式的格式。通常Word内置的标题样式不符合论文格式要求，需要手动修改。在菜单栏上点“格式｜样式”，列表下拉框中选“所有样式”，点击相应的标题样式，然后点“更改”。可修改的内容包括字体、段落、制表位和编号等，按论文格式的要求分别修改标题1－3的格式。
2)在各个章节的标题段落应用相应的格式。章的标题使用“标题1”样式，节标题使用“标题2”，第三层次标题使用“标题3”。使用样式来设置标题的格式还有一个优点，就是更改标题的格式非常方便。假如要把所有一级标题的字号改为小三，只需更改“标题1”样式的格式设置，然后自动更新，所有章的标题字号都变为小三号，不用手工去一一修改，即麻烦又容易出错。关于如何应用样式和自动更新样式，请参考Word帮助。
3)提取目录。按论文格式要求，目录放在正文的前面。在正文前插入一新页（在第一章的标题前插入一个分页符），光标移到新页的开始，添加“目录”二字，并设置好格式。新起一段落，菜单栏选“插入｜索引和目录”，点“目录”选项卡，“显示级别”为3级，其他不用改，确定后Word就自动生成目录。若有章节标题不在目录中，肯定是没有使用标题样式或使用不当，不是Word的目录生成有问题，请去相应章节检查。此后若章节标题改变，或页码发生变化，只需更新目录即可。
注：
目录生成后有时目录文字会有灰色的底纹，这是Word的域底纹，打印时是不会打印出来的（如果你愿意浪费一张纸可以试着打印一下目录）。在“工具｜选项”的“视图”选项卡可以设置域底纹的显示方式。²
四、参考文献的编号和引用
参考文献的标注本不是一件麻烦的事情，但是对参考文献编号后就成了一件麻烦的事情，产生的问题和图表公式编号的问题是一样的。手工维护这些编号是一件费力而且容易出错的事情，我们的目的是让Word自动维护这些编号。很幸运，它可以做到，方法跟图表公式的作法相似。光标放在引用参考文献的地方，在菜单栏上选“插入｜脚注和尾注”，弹出的对话框中选择“尾注”，点击“选项”按钮修改编号格式为阿拉伯数字，位置为“文档结尾”，确定后Word就在光标的地方插入了参考文献的编号，并自动跳到文档尾部相应编号处请你键入参考文献的说明，在这里按参考文献著录表的格式添加相应文献。参考文献标注要求用中括号把编号括起来，至今我也没找到让Word自动加中括号的方法，需要手动添加中括号。
在文档中需要多次引用同一文献时，在第一次引用此文献时需要制作尾注，再次引用此文献时点“插入｜交叉引用”，“引用类型”选“尾注”，引用内容为“尾注编号（带格式）”，然后选择相应的文献，插入即可。不要以为已经搞定了，我们离成功还差一步。论文格式要求参考文献在正文之后，参考文献后还有发表论文情况说明、附录和致谢，而Word的尾注要么在文档的结尾，要么在“节”的结尾，这两种都不符合我们的要求。
解决的方法似乎有点笨拙。首先删除尾注文本中所有的编号（我们不需要它，因为它的格式不对），然后选中所有尾注文本（参考文献说明文本），点“插入｜书签”，命名为“参考文献文本”，添加到书签中。这样就把所有的参考文献文本做成了书签。在正文后新建一页，标题为“参考文献”，并设置好格式。光标移到标题下，选“插入｜交叉引用”，“引用类型”为“书签”，点“参考文献文本”后插入，这样就把参考文献文本复制了一份。选中刚刚插入的文本，按格式要求修改字体字号等，并用项目编号进行自动编号。
到这里，我们离完美还差一点点。打印文档时，尾注页同样会打印出来，而这几页是我们不需要的。当然，可以通过设置打印页码范围的方法不打印最后几页。这里有另外一种方法，如果你想多学一点东西，请接着往下看。
选中所有的尾注文本，点“格式｜字体”，改为“隐藏文字”，切换到普通视图，选择“视图｜脚注”，此时所有的尾注出现在窗口的下端，在“尾注”下拉列表框中选择“尾注分割符”，将默认的横线删除。同样的方法删除“尾注延续分割符”和“尾注延续标记”。删除页眉和页脚（包括分隔线），选择“视图｜页眉和页脚”，首先删除文字，然后点击页眉页脚工具栏的“页面设置”按钮，在弹出的对话框上点“边框”，在“页面边框”选项卡，边框设置为“无”，应用范围为“本节”；“边框”选项卡的边框设置为“无”，应用范围为“段落”。切换到“页脚”，删除页码。选择“工具｜选项”，在“打印”选项卡里确认不打印隐藏文字（Word默认）。
好了，试着打印一下尾注所在的页，是不是白纸？！
五、页眉页脚的制作
首先介绍一个概念：节。这里的“节”不同于论文里的章节，但概念上是相似的。节是一段连续的文档块，同节的页面拥有同样的边距、纸型或方向、打印机纸张来源、页面边框、垂直对齐方式、页眉和页脚、分栏、页码编排、行号及脚注和尾注。如果没有插入分节符，Word默认一个文档只有一个节，所有页面都属于这个节。若想对页面设置不同的页眉页脚，必须将文档分为多个节。
论文里同一章的页面采用章标题作为页眉，不同章的页面页眉不同，这可以通过每一章作为一个节，每节独立设置页眉页脚的方法来实现。首先介绍页眉的制作方法。
在各个章节的文字都排好后，设置第一章的页眉（若连页眉都不知怎么加，请参考Word帮助）。然后跳到第一章的末尾，菜单栏上选“插入｜分隔符”，分节符类型选“下一页”，不要选“连续”（除非你想第二章的标题放在第一章的文字后面而不是另起一页），若是奇偶页排版根据情况选“奇数页”或“偶数页”。这样就在光标所在的地方插入了一个分节符，分节符下面的文字属于另外一节了。光标移到第二章，这时可以看到第二章的页眉和第一章是相同的，鼠标双击页眉Word会弹出页眉页脚工具栏，工具栏上有一个“同前”按钮（图像按钮，不是文字），这个按钮按下表示本节的页眉与前一节相同，我们需要的是各章的页眉互相独立，因此把这个按钮调整为“弹起”状态，然后修改页眉为第二章的标题，完成后关闭工具栏。如法炮制制作其余各章的页眉。
页脚的制作方法相对比较简单。论文页面的页脚只有页码，要求从正文开始进行编号，但是，在正文前还有扉页、授权声明、中英文摘要和目录，这些页面是不需要编页码的，页码从正文第一章开始编号。首先，确认正文的第一章和目录不属于同一节。然后，光标移到第一章，点击“视图｜页眉和页脚”弹出页眉页脚工具栏，切换到页脚，确保“同前”按钮处于弹起状态，插入页码，这样正文前的页面都没有页码，页码从第一章开始编号。
注：
页眉段落默认使用内置样式“页眉”，页脚使用“页脚”样式，页码使用内置字符样式“页码”。如页眉页脚的字体字号不符合要求，修改这些样式并自动更新即可，不用手动修改各章的页眉页脚。²论文里页眉使用章标题，可以采用章标题做成书签，然后在页眉交叉引用的方法来维护两者的一致。²
六、其他技巧
分页符(Ctrl+Enter）
顾名思义，分页符是用来分页的，分页符后的文字将另起一页。论文中各章的标题要求新起一页，放在新页的第一行，这时就可以使用分页符。在前一章的最后放置一个分页符，这样不管前一章的版面有什么变化，后一章的标题总是出现在新的一页上。
肯定还有人用敲多个回车的方法来把章标题推到新页！这样做的缺点是显而易见的。若前一章的版面发生了变化，比如删掉了一行，这时后一章的标题就跑到前一章的最后一页的末尾；若增加一行，则后一章标题前又多了一个空行。快抛弃这种费力不讨好的作法吧！
换行符(Shift+Enter)u
这里又涉及Word的一个概念：段落。段落是独立的信息单位，具有自身的格式特征，如对齐方式、间距和样式。每个段落的结尾处都有段落标记（一个灰色的拐弯箭头）。敲Enter键有两个作用，一是在光标位置插入一个段落标记，表示一个段落的结束；二是另起一行。换行符和敲Enter键不同，它只有第二个作用，没有第一个，即换行符的前一行和后一行仍然属于同一个段落，共享相同的段落格式。
双击图标
以一个例子作为说明。你可能需要在论文里画一个简单的流程图，你先插入了需要的文本框并加入了相应的文字，排好位置，这时你需要用箭头把这些文本框连起来，你用鼠标在绘图工具栏上点了一下箭头图标，然后画了一个箭头，再点一下图标，又画一个箭头，第三次点图标，画了第三个箭头，…有点麻烦是不是？要是可以连续画该多好！事实上可以做到！用鼠标在箭头图标上双击，然后在需要的地方画箭头，看到了吗？当画完一个箭头时，图标依然保持为嵌入状态，表示可以连续作图。当所有箭头都画完后，再在嵌入的图标上点一下，嵌入的图标弹起，Word又回到了文字输入状态。
不只箭头图标具有这样的功能，其他许多图标都可以如此。格式刷就是一个。当需要把一段特殊的文字格式多次应用时，双击格式刷，连续刷需要的文字，很方便。
居中和右对齐
你还在用插入空格的方法来把章节标题推到页面中间吗？太土了吧！用格式工具栏上的居中按钮吧。右对齐按钮会从行末开始排列文字。--http://blog.renren.com/blog/239219075/390196190
一.图表和公式的自动编号
二.制表位的使用
三.目录的制作4
四.参考文献的编号和引用5
五.页眉页脚的制作6
六.其他技巧 ：分页符(Ctrl+ Enter）换行符(Shift+Enter) 双击图标 居中和右对齐
一、图表和公式的自动编号
在论文中，图表和公式要求按在章节中出现的顺序分章编号，例如图1－1，表2－1，公式3－4等。在插入或删除图、表、公式时编号的维护就成为一个大问题，比如若在第二章的第一张图（图2－1）前插入一张图，则原来的图2－1变为2－2，2－2变为2－3，…，更糟糕的是，文档中还有很多对这些编号的引用，比如“流程图见图2－1”。如果图很多，引用也很多，想象一下，手工修改这些编号是一件多么费劲的事情，而且还容易遗漏！表格和公式存在同样的问题。
能不能让Word对图表公式自动编号，在编号改变时自动更新文档中的相应引用？答案是肯定的！下面以图的编号为例说明具体的作法。
自动编号可以通过Word的“题注”功能来实现。按论文格式要求，第一章的图编号格式为“图1－×”。将图插入文档中后，选中新插入的图，在“插入”菜单选“题注”，新建一个标签“图1－”，编号格式为阿拉伯数字（如果不是点击“编号”修改），位置为所选项目下方，单击“确定”后Word就插入了一个文本框在图的下方，并插入标签文字和序号，此时可以在序号后键入说明，比如“形态学膨胀运算示例”，还可以移动文本框的位置，改动文字的对齐方式等。再次插入图时题注的添加方法相同，不同的是不用新建标签了，直接选择就可以了。Word会自动按图在文档中出现的顺序进行编号。
在文档中引用这些编号时，比如“如图1－1所示”，分两步做。插入题注之后，选中题注中的文字“图1－1”，在“插入”菜单选“书签”，键入书签名，点“添加”。这样就把题注文字“图1－1”做成了一个书签。在需要引用它的地方，将光标放在插入的地方（上例中是“如”字的后面），在“插入”菜单选“交叉引用”，弹出对话框中引用类型选“书签”，“引用内容”为“书签文字”，选择刚才键入的书签名后点“插入”，Word就将文字“图1－1”插入到光标所在的地方。在其他地方需要再次引用时直接插入相应书签的交叉引用就可以了，不用再做书签。
至此我们就实现了图的编号的自动维护，当在第一张图前再插入一张图后，Word会自动把第一张图的题注“图1－1”改为“图1－2”，文档中的“图1－1”也会自动变为“图1－2”。
表格编号的作法与图相同，唯一不同的是表格的题注在表格上方，且要求左对齐。公式的编号略有不同，插入公式后，将公式单独放在一个段落，版式为“嵌入式”（Word默认），光标放在公式之后，不要（注意是“不要”）选中公式，在“插入”菜单选“题注”，由于没有选中项目，所以“位置”一项为灰色，新建标签“公式1－”，点击“插入”，Word就将标签文字和自动产生的序号插入到光标所在位置。在文档中引用公式编号的方法与图相同，此处不在赘述。公式的编号要求在右边行末，具体的方法在“制表位的使用”一节详细说明。
这里顺便说一下，交叉引用、书签和题注都是Word的域。域是文档中可能发生变化的内容，Word使用域来进行文档自动化。多个域的联合使用可以实现更复杂的功能，各个域的具体使用方法请参考Word的帮助。
注：
题注中新建标签时，Word会自动在标签文字和序号之间加一个空格，看起来不那么舒服，可以在插入题注后将空格删除，然后再将文字做成书签。²
书签名最好用图（表、公式）的说明文字，尽量做到见名知“图”。²
图（表、公式）的编号改变时，文档中的引用有时不会自动更新，可以鼠标右击引用文字，在弹出的菜单中选“更新域”。关闭文档再打开Word会更新所有的域。²
二、制表位的使用
制表位是指水平标尺上的位置，它指定了文字缩进的距离或一栏文字开始的位置，使用户能够向左、向右或居中对齐文本行；或者将文本与小数字符或竖线字符对齐。用户可以在制表符前自动插入特定字符，如句号或划线等。默认情况下，按一次Tab键，Word将在文档中插入一个制表符，其间隔为0.74厘米。
制表位的类型包括：左对齐，居中对齐，右对齐，小数点对齐和竖线对齐等，这些制表位的使用方法大致相同，这里仅根据论文中公式排版的要求和目录的制作为例说明制表位的使用方法和效果，更详细的说明请参阅Word的帮助文档。
论文里的公式要求单独放在一个段落，公式居中；按章节进行编号，编号用小括号括起来放在右边行末。首先输入公式和编号，公式的版式选择“嵌入式”，编号用小括号括起来。然后把光标放在公式所在的段落里，点击页面左上角的制表位图标，切换到居中制表位，用鼠标在水平标尺上大约中间的位置点一下，这样就放置了一个居中制表位在点击的地方，如果位置不合适还可以用鼠标拖动进行调节。再把左上角的制表位图标切换到右对齐制表位，用放置居中制表位相同的方法放置一个右对齐制表位在行末。
设置好制表位后，把光标放在公式的前面，按一下Tab键，这样就在公式的前面插入了一个制表符，此时公式以居中制表位为中心居中对齐，再把光标移到公式和左括号之间，再按Tab键插入一个制表符，编号就跑到行末了。
用制表位的方法来处理公式的排版，很简单也很方便，不用去敲很多空格去把公式挪到中间，编号推到行末。还有一个好处，若公式或编号的长度发生变化时，Word会自动调节以使公式始终在页面的中间，编号始终在行末，不会因为公式或编号变长而换行。更简单的作法是把公式段落的设置保存为样式，所有的公式段落应用此样式，即简单又方便，而且可以保持所有的公式段落制表位的一致。手工设置制表位，你能保证每次居中制表位的位置都一样吗？！
涉及到制表位还有一个概念：前导符。前导符是填充制表符所产生的空位的符号，一般有实线、虚线、点划线等，在目录中经常见到（就是标题和页码之间的圆点）。制作目录时，敲入标题和页码后，在行末设置一个右对齐制表位。点击“格式｜制表位”，制表位对话框显示了光标所在段落的制表位信息。选择右对齐制表位，前导符选择圆点（Word默认无前导符），确定后在标题和页码之间插入一个制表符，可以看到页码跑到行末了，而且页码和标题之间用圆点进行了填充。当页码或标题长度变化时，Word会自动增加或删除圆点。这里用目录做例子只是想说明前导符的使用方法，其实制作目录还有更好的方法，下文详述。
注：
1)按一次Tab键插入的是一个制表符，因此不要在文档中用制表符代替空格来产生空白间隔。不然若把这段文字粘贴到其他存在不同制表位的段落，或文档的制表符默认设置变化时，版面就会混乱。
2)有时候按Tab键后Word会产生一个灰色箭头，这实际上是Word的制表符格式标记，格式标记还有段落标记（拐弯的箭头）、空格（灰色圆点）等。这些格式标记在打印文档时是不会打印出来的，格式标记是否显示以及显示哪些可以在“工具|选项”的“视图”选项卡里进行设置。
三、目录的制作
目录是用来列出文档中的各级标题及标题在文档中相对应的页码。首先介绍Word的一个概念：大纲级别。Word使用层次结构来组织文档，大纲级别就是段落所处层次的级别编号，Word提供9级大纲级别，对一般的文档来说足够使用了。Word的目录提取是基于大纲级别和段落样式的，在Normal模板中已经提供了内置的标题样式，命名为“标题1”、“标题2”，…，“标题9”，分别对应大纲级别的1－9。我们也可以不使用内置的标题样式而采用自定义样式，但有点麻烦。下文中的目录制作方法直接使用Word的内置标题样式，关于自定义样式的方法请参阅Word的帮助文档。
目录的制作分三步进行。
1)修改标题样式的格式。通常Word内置的标题样式不符合论文格式要求，需要手动修改。在菜单栏上点“格式｜样式”，列表下拉框中选“所有样式”，点击相应的标题样式，然后点“更改”。可修改的内容包括字体、段落、制表位和编号等，按论文格式的要求分别修改标题1－3的格式。
2)在各个章节的标题段落应用相应的格式。章的标题使用“标题1”样式，节标题使用“标题2”，第三层次标题使用“标题3”。使用样式来设置标题的格式还有一个优点，就是更改标题的格式非常方便。假如要把所有一级标题的字号改为小三，只需更改“标题1”样式的格式设置，然后自动更新，所有章的标题字号都变为小三号，不用手工去一一修改，即麻烦又容易出错。关于如何应用样式和自动更新样式，请参考Word帮助。
3)提取目录。按论文格式要求，目录放在正文的前面。在正文前插入一新页（在第一章的标题前插入一个分页符），光标移到新页的开始，添加“目录”二字，并设置好格式。新起一段落，菜单栏选“插入｜索引和目录”，点“目录”选项卡，“显示级别”为3级，其他不用改，确定后Word就自动生成目录。若有章节标题不在目录中，肯定是没有使用标题样式或使用不当，不是Word的目录生成有问题，请去相应章节检查。此后若章节标题改变，或页码发生变化，只需更新目录即可。
注：
目录生成后有时目录文字会有灰色的底纹，这是Word的域底纹，打印时是不会打印出来的（如果你愿意浪费一张纸可以试着打印一下目录）。在“工具｜选项”的“视图”选项卡可以设置域底纹的显示方式。²
四、参考文献的编号和引用
参考文献的标注本不是一件麻烦的事情，但是对参考文献编号后就成了一件麻烦的事情，产生的问题和图表公式编号的问题是一样的。手工维护这些编号是一件费力而且容易出错的事情，我们的目的是让Word自动维护这些编号。很幸运，它可以做到，方法跟图表公式的作法相似。光标放在引用参考文献的地方，在菜单栏上选“插入｜脚注和尾注”，弹出的对话框中选择“尾注”，点击“选项”按钮修改编号格式为阿拉伯数字，位置为“文档结尾”，确定后Word就在光标的地方插入了参考文献的编号，并自动跳到文档尾部相应编号处请你键入参考文献的说明，在这里按参考文献著录表的格式添加相应文献。参考文献标注要求用中括号把编号括起来，至今我也没找到让Word自动加中括号的方法，需要手动添加中括号。
在文档中需要多次引用同一文献时，在第一次引用此文献时需要制作尾注，再次引用此文献时点“插入｜交叉引用”，“引用类型”选“尾注”，引用内容为“尾注编号（带格式）”，然后选择相应的文献，插入即可。不要以为已经搞定了，我们离成功还差一步。论文格式要求参考文献在正文之后，参考文献后还有发表论文情况说明、附录和致谢，而Word的尾注要么在文档的结尾，要么在“节”的结尾，这两种都不符合我们的要求。
解决的方法似乎有点笨拙。首先删除尾注文本中所有的编号（我们不需要它，因为它的格式不对），然后选中所有尾注文本（参考文献说明文本），点“插入｜书签”，命名为“参考文献文本”，添加到书签中。这样就把所有的参考文献文本做成了书签。在正文后新建一页，标题为“参考文献”，并设置好格式。光标移到标题下，选“插入｜交叉引用”，“引用类型”为“书签”，点“参考文献文本”后插入，这样就把参考文献文本复制了一份。选中刚刚插入的文本，按格式要求修改字体字号等，并用项目编号进行自动编号。
到这里，我们离完美还差一点点。打印文档时，尾注页同样会打印出来，而这几页是我们不需要的。当然，可以通过设置打印页码范围的方法不打印最后几页。这里有另外一种方法，如果你想多学一点东西，请接着往下看。
选中所有的尾注文本，点“格式｜字体”，改为“隐藏文字”，切换到普通视图，选择“视图｜脚注”，此时所有的尾注出现在窗口的下端，在“尾注”下拉列表框中选择“尾注分割符”，将默认的横线删除。同样的方法删除“尾注延续分割符”和“尾注延续标记”。删除页眉和页脚（包括分隔线），选择“视图｜页眉和页脚”，首先删除文字，然后点击页眉页脚工具栏的“页面设置”按钮，在弹出的对话框上点“边框”，在“页面边框”选项卡，边框设置为“无”，应用范围为“本节”；“边框”选项卡的边框设置为“无”，应用范围为“段落”。切换到“页脚”，删除页码。选择“工具｜选项”，在“打印”选项卡里确认不打印隐藏文字（Word默认）。
好了，试着打印一下尾注所在的页，是不是白纸？！
五、页眉页脚的制作
首先介绍一个概念：节。这里的“节”不同于论文里的章节，但概念上是相似的。节是一段连续的文档块，同节的页面拥有同样的边距、纸型或方向、打印机纸张来源、页面边框、垂直对齐方式、页眉和页脚、分栏、页码编排、行号及脚注和尾注。如果没有插入分节符，Word默认一个文档只有一个节，所有页面都属于这个节。若想对页面设置不同的页眉页脚，必须将文档分为多个节。
论文里同一章的页面采用章标题作为页眉，不同章的页面页眉不同，这可以通过每一章作为一个节，每节独立设置页眉页脚的方法来实现。首先介绍页眉的制作方法。
在各个章节的文字都排好后，设置第一章的页眉（若连页眉都不知怎么加，请参考Word帮助）。然后跳到第一章的末尾，菜单栏上选“插入｜分隔符”，分节符类型选“下一页”，不要选“连续”（除非你想第二章的标题放在第一章的文字后面而不是另起一页），若是奇偶页排版根据情况选“奇数页”或“偶数页”。这样就在光标所在的地方插入了一个分节符，分节符下面的文字属于另外一节了。光标移到第二章，这时可以看到第二章的页眉和第一章是相同的，鼠标双击页眉Word会弹出页眉页脚工具栏，工具栏上有一个“同前”按钮（图像按钮，不是文字），这个按钮按下表示本节的页眉与前一节相同，我们需要的是各章的页眉互相独立，因此把这个按钮调整为“弹起”状态，然后修改页眉为第二章的标题，完成后关闭工具栏。如法炮制制作其余各章的页眉。
页脚的制作方法相对比较简单。论文页面的页脚只有页码，要求从正文开始进行编号，但是，在正文前还有扉页、授权声明、中英文摘要和目录，这些页面是不需要编页码的，页码从正文第一章开始编号。首先，确认正文的第一章和目录不属于同一节。然后，光标移到第一章，点击“视图｜页眉和页脚”弹出页眉页脚工具栏，切换到页脚，确保“同前”按钮处于弹起状态，插入页码，这样正文前的页面都没有页码，页码从第一章开始编号。
注：
页眉段落默认使用内置样式“页眉”，页脚使用“页脚”样式，页码使用内置字符样式“页码”。如页眉页脚的字体字号不符合要求，修改这些样式并自动更新即可，不用手动修改各章的页眉页脚。²论文里页眉使用章标题，可以采用章标题做成书签，然后在页眉交叉引用的方法来维护两者的一致。²
六、其他技巧
分页符(Ctrl+Enter）
顾名思义，分页符是用来分页的，分页符后的文字将另起一页。论文中各章的标题要求新起一页，放在新页的第一行，这时就可以使用分页符。在前一章的最后放置一个分页符，这样不管前一章的版面有什么变化，后一章的标题总是出现在新的一页上。
肯定还有人用敲多个回车的方法来把章标题推到新页！这样做的缺点是显而易见的。若前一章的版面发生了变化，比如删掉了一行，这时后一章的标题就跑到前一章的最后一页的末尾；若增加一行，则后一章标题前又多了一个空行。快抛弃这种费力不讨好的作法吧！
换行符(Shift+Enter)u
这里又涉及Word的一个概念：段落。段落是独立的信息单位，具有自身的格式特征，如对齐方式、间距和样式。每个段落的结尾处都有段落标记（一个灰色的拐弯箭头）。敲Enter键有两个作用，一是在光标位置插入一个段落标记，表示一个段落的结束；二是另起一行。换行符和敲Enter键不同，它只有第二个作用，没有第一个，即换行符的前一行和后一行仍然属于同一个段落，共享相同的段落格式。
双击图标
以一个例子作为说明。你可能需要在论文里画一个简单的流程图，你先插入了需要的文本框并加入了相应的文字，排好位置，这时你需要用箭头把这些文本框连起来，你用鼠标在绘图工具栏上点了一下箭头图标，然后画了一个箭头，再点一下图标，又画一个箭头，第三次点图标，画了第三个箭头，…有点麻烦是不是？要是可以连续画该多好！事实上可以做到！用鼠标在箭头图标上双击，然后在需要的地方画箭头，看到了吗？当画完一个箭头时，图标依然保持为嵌入状态，表示可以连续作图。当所有箭头都画完后，再在嵌入的图标上点一下，嵌入的图标弹起，Word又回到了文字输入状态。
不只箭头图标具有这样的功能，其他许多图标都可以如此。格式刷就是一个。当需要把一段特殊的文字格式多次应用时，双击格式刷，连续刷需要的文字，很方便。
居中和右对齐
你还在用插入空格的方法来把章节标题推到页面中间吗？太土了吧！用格式工具栏上的居中按钮吧。右对齐按钮会从行末开始排列文字。--http://blog.renren.com/blog/239219075/390196190
Wednesday, April 21, 2010
快速掌握一个语言最常用的50%
http://blog.csdn.net/myan/archive/2008/10/25/3144661.aspx
现在的开发工作要求我们能够快速掌握一门语言。一般来说应对这种挑战有两种态度：其一，粗粗看看语法，就撸起袖子开干，边查Google边学习；其二是花很多时间完整地把整个语言学习一遍，做到胸有成竹，然后再开始做实际工作。然而这两种方法都有弊病。第二种方法的问题当然很明显，不仅浪费了时间，偏离了目标，而且学习效率不高。因为没有实际问题驱动的语言学习通常是不牢固不深入的。有的人学着学着成了语言专家，反而忘了自己原本是要解决问题来的。第一种路子也有问题，在对于这种语言的脾气秉性还没有了解的情况下大刀阔斧地拼凑代码，写出来的东西肯定不入流。说穿新鞋走老路，新瓶装旧酒，那都是小问题，真正严重的是这样的程序员可以在短时间内堆积大量充满缺陷的垃圾代码。由于通常开发阶段的测试完备程度有限，这些垃圾代码往往能通过这个阶段，从而潜伏下来，在后期成为整个项目的毒瘤，反反复复让后来的维护者陷入西西弗斯困境。
实际上语言学习有一定规律可循，对于已经掌握一门语言的开发者来说，对于一般的语言，完全可以以最快的速度，在几天至一周之内掌握其最常用的50%，而且保证路子基本正宗，没有出偏的弊病。其实真正写程序不怕完全不会，最怕一知半解的去攒解决方案。因为你完全不会，就自然会去认真查书学习，如果学习能力好的话，写出来的代码质量不会差。而一知半解，自己动手土法炼钢，那搞出来的基本上都是废铜烂铁。比如错误处理和序列化，很多人不去了解“正路子”，而是凭借自己的一知半解去攒野路子，这是最危险的。因此，即使时间再紧张，这些内容也是必须首先完整了解一遍的。掌握这些内容之后进入实际开发，即使有问题，也基本不会伤及项目大体。而开发者本人则可以安步当车，慢慢在实践中提高自己。
以下列出一个学习提纲，主要针对的是有经验的人，初学者不合适。这个提纲只能用于一般的庸俗编程语言学习，目前在流行编程语言排行榜上排前20的基本上都是庸俗语言。如果你要学的是LISP之类非庸俗语言，或是某个软件中的二次开发语言，这里的建议未必合适。还是那句话，仅供参考。
1. 首先了解该语言的基本数据类型，基本语法和主要语言构造，主要数学运算符和print函数的使用，达到能够写谭浩强程序设计书课后数学习题的程度；
2. 其次掌握数组和其他集合类的使用，有基础的话可以理解一下泛型，如果理解不了也问题不大，后面可以补；
3. 简单字符串处理。所谓简单，就是Regex和Parser以下的内容，什么查找替换，截断去字串之类的。不过这个阶段有一个难点，就是字符编码问题。如果理解不了，可以先跳过，否则的话最好在这时候把这个问题搞定，免留后患；
4. 基本面向对象或者函数式编程的特征，无非是什么继承、多态、Lambda函数之类的，如果有经验的话很快就明白了；
5. 异常、错误处理、断言、日志和调试支持，对单元测试的支持。你不一定要用TDD，但是在这个时候应该掌握在这个语言里做TDD的基本技能；
6. 程序代码和可执行代码的组织机制，运行时模块加载、符号查找机制，这是初学时的一个难点，因为大部分书都不太注意介绍这个极为重要的内容；
7. 基本输入输出和文件处理，输入输出流类的组织，这通常是比较繁琐的一部分，可以提纲挈领学一下，搞清楚概念，用到的时候查就是了。到这个阶段可以写大部分控制台应用了；
8. 该语言如何进行callback方法调用，如何支持事件驱动编程模型。在现代编程环境下，这个问题是涉及开发思想的一个核心问题，几乎每种语言在这里都会用足功夫，.NET的delegate，Java的anonymous inner class，Java 7的closure，C++OX的 tr1::function/bind，五花八门。如果能彻底理解这个问题，不但程序就不至于写得太走样，而且对该语言的设计思路也能有比较好的认识；
9. 如果有必要，可在这时研究regex和XML处理问题，如无必要可跳过；
10. 序列化和反序列化，掌握一下缺省的机制就可以了；
11. 如果必要，可了解一下线程、并发和异步调用机制，主要是为了读懂别人的代码，如果自己要写这类代码，必须专门花时间严肃认真系统地学习，严禁半桶水上阵；
12. 动态编程，反射和元数据编程，数据和程序之间的相互转化机制，运行时编译和执行的机制，有抱负的开发者在这块可以多下些功夫，能够使你对语言的认识高出一个层面；
13. 如果有必要，可研究一下该语言对于泛型的支持，不必花太多时间，只要能使用现成的泛型集合和泛型函数就可以了，可在以后闲暇时抽时间系统学习。需要注意的是，泛型技术跟多线程技术一样，用不好就成为万恶之源，必须系统学习，谨慎使用，否则不如不学不用；
14. 如果还有时间，最好咨询一下有经验的人，看看这个语言较常用的特色features是什么，如果之前没学过，应当补一下。比如Ruby的block interator, Java的dynamic proxy，C# 3的LINQ和extension method。没时间的话，我认为也可以边做边学，没有大问题。
15. 有必要的话，在工作的闲暇时间，可以着重考察两个问题，第一，这个语言有哪些惯用法和模式，第二，这个语言的编译/解释执行机制。
至此语言的基本部分就可以说掌握了，之后是做数据库、网络还是做图形，可以根据具体需求去搞，找相应的成熟框架或库，边做边学，加深理解。对于一个庸俗语言，我自己把上面的内容走一遍大概要花2-3周时间，不能算很快，但也耽误不了太多事情，毕竟不是每个月都学新语言。掌握了以上的内容，就给练武术打好了基本功，虽然不见得有多优秀，但是肯定是根正苗红，将来不必绕大弯子。就算是临时使用的语言，把上面这个提纲精简一下，只看蓝色重体字的部分，大致能在几天到一周内搞定，不算是太耗时，而且写出来的代码不会太不靠谱。
以上提纲未设及内存模型。对于C/C++，这个问题很重要，要放在显著位置来考虑，但对于其他语言，这个问题被透明化了，除非你要做hardcore项目，否则不必太关注。
现在的开发工作要求我们能够快速掌握一门语言。一般来说应对这种挑战有两种态度：其一，粗粗看看语法，就撸起袖子开干，边查Google边学习；其二是花很多时间完整地把整个语言学习一遍，做到胸有成竹，然后再开始做实际工作。然而这两种方法都有弊病。第二种方法的问题当然很明显，不仅浪费了时间，偏离了目标，而且学习效率不高。因为没有实际问题驱动的语言学习通常是不牢固不深入的。有的人学着学着成了语言专家，反而忘了自己原本是要解决问题来的。第一种路子也有问题，在对于这种语言的脾气秉性还没有了解的情况下大刀阔斧地拼凑代码，写出来的东西肯定不入流。说穿新鞋走老路，新瓶装旧酒，那都是小问题，真正严重的是这样的程序员可以在短时间内堆积大量充满缺陷的垃圾代码。由于通常开发阶段的测试完备程度有限，这些垃圾代码往往能通过这个阶段，从而潜伏下来，在后期成为整个项目的毒瘤，反反复复让后来的维护者陷入西西弗斯困境。
实际上语言学习有一定规律可循，对于已经掌握一门语言的开发者来说，对于一般的语言，完全可以以最快的速度，在几天至一周之内掌握其最常用的50%，而且保证路子基本正宗，没有出偏的弊病。其实真正写程序不怕完全不会，最怕一知半解的去攒解决方案。因为你完全不会，就自然会去认真查书学习，如果学习能力好的话，写出来的代码质量不会差。而一知半解，自己动手土法炼钢，那搞出来的基本上都是废铜烂铁。比如错误处理和序列化，很多人不去了解“正路子”，而是凭借自己的一知半解去攒野路子，这是最危险的。因此，即使时间再紧张，这些内容也是必须首先完整了解一遍的。掌握这些内容之后进入实际开发，即使有问题，也基本不会伤及项目大体。而开发者本人则可以安步当车，慢慢在实践中提高自己。
以下列出一个学习提纲，主要针对的是有经验的人，初学者不合适。这个提纲只能用于一般的庸俗编程语言学习，目前在流行编程语言排行榜上排前20的基本上都是庸俗语言。如果你要学的是LISP之类非庸俗语言，或是某个软件中的二次开发语言，这里的建议未必合适。还是那句话，仅供参考。
1. 首先了解该语言的基本数据类型，基本语法和主要语言构造，主要数学运算符和print函数的使用，达到能够写谭浩强程序设计书课后数学习题的程度；
2. 其次掌握数组和其他集合类的使用，有基础的话可以理解一下泛型，如果理解不了也问题不大，后面可以补；
3. 简单字符串处理。所谓简单，就是Regex和Parser以下的内容，什么查找替换，截断去字串之类的。不过这个阶段有一个难点，就是字符编码问题。如果理解不了，可以先跳过，否则的话最好在这时候把这个问题搞定，免留后患；
4. 基本面向对象或者函数式编程的特征，无非是什么继承、多态、Lambda函数之类的，如果有经验的话很快就明白了；
5. 异常、错误处理、断言、日志和调试支持，对单元测试的支持。你不一定要用TDD，但是在这个时候应该掌握在这个语言里做TDD的基本技能；
6. 程序代码和可执行代码的组织机制，运行时模块加载、符号查找机制，这是初学时的一个难点，因为大部分书都不太注意介绍这个极为重要的内容；
7. 基本输入输出和文件处理，输入输出流类的组织，这通常是比较繁琐的一部分，可以提纲挈领学一下，搞清楚概念，用到的时候查就是了。到这个阶段可以写大部分控制台应用了；
8. 该语言如何进行callback方法调用，如何支持事件驱动编程模型。在现代编程环境下，这个问题是涉及开发思想的一个核心问题，几乎每种语言在这里都会用足功夫，.NET的delegate，Java的anonymous inner class，Java 7的closure，C++OX的 tr1::function/bind，五花八门。如果能彻底理解这个问题，不但程序就不至于写得太走样，而且对该语言的设计思路也能有比较好的认识；
9. 如果有必要，可在这时研究regex和XML处理问题，如无必要可跳过；
10. 序列化和反序列化，掌握一下缺省的机制就可以了；
11. 如果必要，可了解一下线程、并发和异步调用机制，主要是为了读懂别人的代码，如果自己要写这类代码，必须专门花时间严肃认真系统地学习，严禁半桶水上阵；
12. 动态编程，反射和元数据编程，数据和程序之间的相互转化机制，运行时编译和执行的机制，有抱负的开发者在这块可以多下些功夫，能够使你对语言的认识高出一个层面；
13. 如果有必要，可研究一下该语言对于泛型的支持，不必花太多时间，只要能使用现成的泛型集合和泛型函数就可以了，可在以后闲暇时抽时间系统学习。需要注意的是，泛型技术跟多线程技术一样，用不好就成为万恶之源，必须系统学习，谨慎使用，否则不如不学不用；
14. 如果还有时间，最好咨询一下有经验的人，看看这个语言较常用的特色features是什么，如果之前没学过，应当补一下。比如Ruby的block interator, Java的dynamic proxy，C# 3的LINQ和extension method。没时间的话，我认为也可以边做边学，没有大问题。
15. 有必要的话，在工作的闲暇时间，可以着重考察两个问题，第一，这个语言有哪些惯用法和模式，第二，这个语言的编译/解释执行机制。
至此语言的基本部分就可以说掌握了，之后是做数据库、网络还是做图形，可以根据具体需求去搞，找相应的成熟框架或库，边做边学，加深理解。对于一个庸俗语言，我自己把上面的内容走一遍大概要花2-3周时间，不能算很快，但也耽误不了太多事情，毕竟不是每个月都学新语言。掌握了以上的内容，就给练武术打好了基本功，虽然不见得有多优秀，但是肯定是根正苗红，将来不必绕大弯子。就算是临时使用的语言，把上面这个提纲精简一下，只看蓝色重体字的部分，大致能在几天到一周内搞定，不算是太耗时，而且写出来的代码不会太不靠谱。
以上提纲未设及内存模型。对于C/C++，这个问题很重要，要放在显著位置来考虑，但对于其他语言，这个问题被透明化了，除非你要做hardcore项目，否则不必太关注。
转载一些金融书单
Hidden Gems Reading List
(注：中文名我已尽量用从网上找到的中文版译名)
Elementary School （小学)
- One Up on Wall Street,（彼得·林奇的成功投资）by Peter Lynch（彼得·林奇）
- Buffett: The Making of an American Capitalist（一个美国资本家的成长-巴菲特传）, by Roger Lowenstein
- value Investing With the Masters（跟大师学价值投资), by Kirk Kazanjian (0735203210)
- The Davis Dynasty(戴维斯王朝——五十年华尔街成功投资历程), by John Rothchild
- valuegrowth Investing(价值成长型投资), by Glen Arnold
Junior High (初中)
- The 5 Keys to value Investing(价值投资五大关键), by J. Dennis Jean-Jacques
- Beating the Street(战胜华尔街), by Peter Lynch(彼得·林奇)
- Investment Fables(打破神话的投资十诫), by Aswath Damodaran
- The Vest Pocket Guide to value Investing(价值投资手册), by C. Thomas Howard
- Common Stocks and Uncommon Profits(怎样选择成长股), by Philip Fisher (菲利普.费雪)
High School （高中）
- Made in America（美国制造）, by Sam Walton (萨姆.沃尔顿)
- Forbes' Greatest Investing Stories( 福布斯最大投资传奇), by Richard Phalon
- John Neff on Investing(约翰.聂夫谈投资), by John Neff (约翰.聂夫)
- The Intelligent Investor(聪明的投资者), by Benjamin Graham (本杰明.格雷厄姆)
- The Money Masters(金融大师), by John Train
University （大学）
- Stocks for the Long Run(股史风云话投资(第3版散户投资正典)), by Jeremy Siegel (西格尔)
- Quality of Earnings（盈利的质量), by Thornton Oglove (0029226309)
- Investing in Small-Cap Stocks(投资小盘股）, by Christopher Graja and Elizabeth Ungar
- The Book of Investing Wisdom（投资智慧书), by Peter Krass
- You Can Be a Stock Market Genius(你能成为股市天才), by Joel Greenblatt
Grad School （研究院）
- Break Up!(分裂), by Campbell, Koch & Sadtler
- Investment Gurus(投资大师), by Peter Tanous
- value Investing: A Balanced Approach(《价值投资：平稳途径》）, by Martin Whitman
- value Investing: From Graham to Buffett and Beyond(价值投资：从格雷厄姆到巴菲特及其他), by Bruce Greenwald
- The Road to Serfdom(通往奴役之路), by F.A. Hayek (哈谢克)
Post-Doc 1: （博士后1）
- It's Earnings that Count(起作用的是盈利), Heiserman
- The Five Rules for Successful Stock Investing(股市真规则), Dorsey
- Inside Intuit(Intuit公司内幕), Taylor & Scroeder
- Pour Your Heart Into It(星巴克咖啡王国传奇), Schultz & Yang
- Investment Philosophies(投资哲学), Damodaran
Post-Doc 2: （博士后2）
- Damodaran on Valuation(价值评估,另一个译本译名:论价值:投资与公司财务安全性分析), Damodaran
- Contrarian Investment Strategies: The Next Generation(反向投资策略：升级版), Dreman
- Moneyball(钱与球: 在不公平比赛中获胜的艺术), Lewis
- Investment Intelligence From Insider Trading (从内线交易中获得的投资情报)
- Financial Shenanigans(财务诡计), Schilit
Post-Doc 3: （博士后3）
- Bull! A History of the Boom, 1982-1999,(牛市！1982-1999的市场繁荣历史) Mahir
- Wall Street: A History,（华尔街史) Geisst
- The Effective Executive(有效的管理者), Drucker (彼得.德鲁克)
- The Essential Drucker(管理大师德鲁克精华), Drucker (彼得.德鲁克)
- The Essays of Warren Buffet（巴菲特致股东的信：股份公司教程）, Buffet
Post-Doc 4: （博士后4）
- Letters to Shareholders: Warren Buffet （巴菲特致股东的信)
- Letters to Shareholders: Charlie Munger (芒格致股东的信)
- Bershire Hathaway Owners Manual（伯克夏所有者手册）, Buffet （以上三个见伯克夏网站)
- The Dark Side of Valuation(深入价值评估), Damodaran
入门书籍：
1.Futures, Options and other derivatives--by John Hull.（买）
聪聪推荐：这本书不用多说了，买就是了。不管是找工作还是 senior quant都会用到。
John Hull 也是非常厉害的，各个方面都有开创性的成果。现在Toronto Uni.
本人看法：经典中的经典，涉猎还算广泛，不过不够数学----人称华尔街的圣经，自然不算很难。
2.Arbitrage theory in continuous time--by Tomas Bjork.（借）
聪聪推荐：这本书非常适合数学/物理背景的人读，注重数学理论的培养。本来我觉得也没什么，但是被公司老板大加赞扬后就 改变看法了。。。Bjork现在瑞典SSE。
本人看法：没看过。 -.-b 已在国大图书馆搜到，准备借阅。
3.Financial Calculus--Martin Baxter& Rennie（借）
聪聪推荐：非常薄但是elegant的一本书，1996年，算是比较早了，但是和 Hull的那本书齐名。也是聪聪的first book。作者1现在野村证券伦敦（nomura)，作者2在美林伦敦(ml)，都是fixed income。
本人看法：没看过。图书馆有，但是holder之多不知道我在毕业前是否轮的到。鉴于是入门书籍，如果借不到就算了，以后有机会再补。
4.Financial calculus for finance II--Shreve（印）
聪聪推荐：Shreve的新书，非常elegant， 非常仔细，非常数学完备，适合数学背景， 但是比较厚，对于入门来说还是3好。作者现在CMU纽约。教授。顶尖人物。
本人看法：和 I 一起印了，因为无数人推荐。I是讲离散模型，II讲连续模型。QJ美女一直对Shreve赞赏有加，害得我也充满了对此人的幻想。
4.5 Martingale methods in Financial modelling--Musiela & Rutkovski（借）
聪聪推荐：也很好的，作者现在BNP(巴黎银行）和华沙理工？都是顶尖人物。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
数学背景
5. Brownian motion and stochastic calculus--Shreve& Karasatz
聪聪推荐：如果想在这一行发paper或者搞研究的话，或者读phd, 这是必须的。但是书比较难，要有心理准备。作者2是哥大教授。他们俩还有一本书我正在读，1998年写的，但是很难，不推荐。
本人看法：借不到。~~~><~~~~ 不过好在我不搞研究，暂时不考虑这本。
6.Stochastic differential equations：....--Oksendal（印）
聪聪推荐：如果你觉得5比较难，就读这一本，会少很多东西，但是更实用！作者在挪威什么学校。。。忘记了。
本人看法：stochastic calculus for financial math的课本，的确比较精简实用。但有些问题还是讲的不够透彻。
7.Stochastic integration and differential equations--Protter（借）
聪聪推荐：如果觉得5比 较不难，就读这一本。我的导师的入门书。。。作者原来在普渡，现在康纳尔。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
8.Numerical analysis---任何作者
聪聪推荐：当然作为Phd学生，葱葱还拥有 Mathematics of Arbitrage & Malliavin calculus 等一些 advanced 书籍，我就不推荐了，因为对绝大多数人来说（包括我自己。。。）都太难了。。。
本人看法：还好我不是phd，挖哈哈哈。
Junior quant：
9.Concepts and practice of Mathematical Finance--Mark Joshi（借）
聪聪推荐：非常适合刚入行的quant，对于学生不推荐。非常实用，作者非常聪明。写书的时候在 RBS伦敦。
本人看法：hold乐，可以借来看看。
10. C++ design patterns and derivatives pricing--Mark Joshi
聪 聪推荐：对于懂得C++基础的人来说很重要，更重要的是教你学会Monte Carlo。
本人看法：图书馆没有，暂时不考虑。
11. Modeling derivatives in C++ --Justin London（印）
聪聪推荐：其实这一本就够了，各种model如 何编程都有写，虽然这些model比较老呵呵。最实用的一本书！！作者现在美国，具体干什么不清楚，拿了无数个学位。
本人看法：很厚的一本书，model覆盖全面。聪聪记错了书名，卡卡。
Senior quant:(我不够格！大家看看 当作搞笑吧）
12&13&14: Effective C++/More effective C++/effective STL--Scott Meyer
聪聪推荐：C++太重要了！我现在最愁的就是我的编程了！作者在美国，C++的顶尖人物。
15. Numerical recipes in C++--William, Saul（电子版）
聪聪推荐：计算方法，非常重要的一本书！作者都在美国各个 实验室？
本人看法：暂时都不考虑，有空再看。btw, 免费下载地址：www.nr.com
各 个专门方面：（这个大家就别信我了，看看再说）
Interest rate
16.Interest rate models and practice --Mecurio& Fabio
聪聪推 荐：rates非常好的一本书，适合quant读，比较数学。作者都在Banc IMI，意大利的一家bank。
本人看法：借不到。~~~><~~~
17.Modern Pricing of interest rate derivatives--Rebonato（印）
聪聪推荐：当当当当！我的偶像登场了！这本书我现在看，主要是 Libor market model，作者在RBS伦敦，顶尖人物。
再次说一遍，我是他的fans!
本人看法：很实用的一本书，给出了calibration的方法。
equity
18&19: Option pricing formulas / Exotic options--Haug/Zhang
聪聪推荐：没看过，也就不说了。（shy。。。）作者都在纽约
creidt
20： Credit risk--Lando
聪聪推荐：作者在丹麦一家商学院，我是 买的这一本。
21： Credit derivatives pricing models--Schonbucher（印）
聪聪推荐：作者是传奇人物！非常 年轻非常厉害，现在ETH-Zurich，ETH有很多顶尖专家。。。
本人看法：credit pricing的启蒙书，还是非常不错的，就是对概率的要求比较高。
stochastic volatility
22. Option valuation in stochastic vol--Alan lewis
聪聪推荐：非常厉害的一 本书！也很难，适合物理背景。作者在加州
本人看法：适合物理背景的，那么我就跳过了。
23.Volatility and correlation : the perfect hedger and the fox --Rebonato（借）
聪聪推荐：正在看，比较偏向rates， 我的偶像的书当然要捧啦
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
24. Stochastic implied vol--忘记作者了
聪聪推荐：买了，但是觉得不值-。。=
本人看法：那么当然跳过了。
FX
25.Mathematical methods for foreign exchange--Alex Lipton（借）
聪聪推荐：很详细的一本书，quant必读，作者在纽约 Citigroup?
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
Credit risk
26. Copula methods in Finance --Umberto Cherubini.（借）
聪聪推荐： Copula 是用来求联合分布的，其实用一般理论也能求，但是copula直观很多，简化很多，据说最初提出人之一是个中国人， David Li,现在 Citigroup 还是 BarCap 忘记了。这里要提一下 Barclay Capital，成立才没几年，现在很多方面都是世界顶尖的了，连去年的 quant of the year 都是他家的。
本 人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
Numerical Methods;
27. Monte Carlo methods in fianncial engineering.-- Paul Glasserman(印)
聪聪推荐：作者在纽约哥大，算是顶尖人物之一了，最近在研究Levy process。这本书很好，但由于是academic 写的，有点太学术了。quant一般会买另外一本书-----
本人看法：原来印了这本，还没时间看。
28. Monte Carlo in finance.--Peter Jackel
聪聪推荐：作者原来在RBS 伦敦，现在在ABN Amro伦敦。这本书太实用了！用MC的都应该有一本。
29.Financial Engineering with Finite Element-- 作者忘记了
聪聪推荐：这本书是用有限元方法，其实和 finite diferece 很像，书里面自称会更好。当初头脑发热买了一本，之后没看过。。。。罪过啊罪过！作者现在在德国。
本人看法：跳过。
Financial Markets
以下这些书呢，是我每天睡觉前看的。。。。（什么？你们怎么也知道 Penthouse？？难道被发现了？。。。其实 Penthouse这样的杂志只买过一本，好贵啊，之后就没买了。。。）
30.Dynamic Hedging-- Nassim |Taleb（借）
聪聪推荐：作者是很有经 验的quant trader，现在纽约，同时在麻省教书。是我现在精读的一本书，因为比较不数学，所以放在睡觉之前看，非常实用，但毕竟是给trader看的，太过实用 了。。。。大家不要急着买！第二版就快出来了。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
31.Fooled by randomness--Nassim Taleb（借）
聪聪推荐：看过这本书 就知道如何用random的眼光看这个世界了。。。。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
32. Misbehaviour of financial markets-- Mandebrot
聪聪推荐：作者是 研究数学经济的得过Wolf奖的超级数学家！现在耶鲁。对金融市场有特别的看法。这本书一定要看啊！
本人看法：又一本借不到的书。~~~><~~~
33. Liar's poker--Lewis（电子版）
聪聪推荐：讲以前Solomon brothers的Arb team的，当时是世界最厉害的 quant trader。这本书搞trading的人都会看。
本人看法：我有电子版，呵呵，娱乐用书。顺便提一句，去investment banking interview时，千万别说这是你喜欢的书，这是一个bad answer.(具体参见beat the street P122)
34&35. Market wizards I II---Schwager（借）
聪聪推 荐：教你怎么做trader，这些是老一代 trader了，现在科技发展了，更加依靠Model了，但是好的trader会有共同点的！
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
36。 stochastic volatility--Nielsen?
聪聪推荐：这是一个论文集，关于stochastic vol的研究很多论文收入在内，但是买来之后觉得很亏！因为都是econometrics背景的论文，和我的研究并不怎么相关。大家不要买。。。
本人看法：跳过。
Levy process
37。 Financial modelling with jump process---Rama Cont（印）
聪聪推荐：作者是巴黎高科（Ecole polytechnique)的教授，这个学校的学生。。。。。donimate伦敦金融城quant领域！如果你要找quant职位，练好法语先。。。
法 国人的金融数学绝对最厉害，不仅仅金融数学起源于法国，现在一些最新的数学研究都是一群法国数学家在做。这本书非常好，数学绝对全面，也够深入，太喜欢 了。
这里得要提一下法国的银行，BNP（巴黎银行）， SG（兴业银行），Calyon（农业信贷银行）都是市场的佼佼者。特别是前两个，在衍生品领域领先其他bank，不要提GS，ML，MS，在 derivatives研究方面，SG的equity， BNP的fixed income领先他们很多。如果你听说一个 equity deri. quant 来自SG, 他肯定经常受到猎头骚扰。
本人看法：内容的确很全，甚至还有beyond levy processes,恐怖。
38。 Levy processes in finance--Wim shouten（印）
聪 聪推荐：作者是比利时鲁汶大学的数学教授，最近很红，因为 Levy process很火。这本书很贵，只有193页，没怎么看过，因为我还舍不得买。。。。
本人看法：终于接触到levy process了，否则就像只学过牛顿经典力学一样。
general
39。 My life as a quant---E.Derman
聪聪推荐：作者是第一代quant，以前是 GS的quant 研究部门head，现在哥大。是stochastic vol领域顶尖人物。其实也是很多其他领域顶尖人物。书不错，但也不是那么好。主要还是作为一个物理学家的角度来写。
本人看法：物理，跳过。
40 & 41。Infectious greed & FIASCO--Frank Partnoy（借）
聪聪推荐：作者最初在 First Boston，后来在Morgan Stanley做衍生品的sales。书里讲了很多衍生品市场如何骗客户，如何赚取dirty money的事情。
本 人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
数量金融基本书目(Classic Books for Quantitative Finance Available in China)
一些有志于数量金融的朋友感叹国内资源不足，花大量时间泡网找电子书。其实这个领域的基本参考书就那么几本，全世界的学者都在用。据我多年泡图书馆和逛书店的经验，不妨给大伙数数国内公开出版的数量金融经典教材，影印版或者中译本，挂一漏万，欢迎随时添加指正（mailto:jiangtanghu(at)gmail(dot)com）。这些书应该都可以从网上书店如china-pub订到，而且单本不会超过一百块。说，材料都容易得到，稀缺的是钻研的耐心。
数量金融的基本书目，无非包括三类，金融、数学和编程(C++)。在金融这块，入门多用John Hull的那本所谓华尔街圣经，Options, Futures, and Other Derivatives（《期权、期货和其他衍生品》），现在都出到第七版了（可怜我手头那本6版还没有看完）。清华大学出版社有这本书的影印版（见过5 版，不知道有没有更新的），中译本就比较落后，华夏出版社有3版——那就看影印5版喽。Hull还有一本《期货与期权市场导论》 (第5版)，北大出版社的中译本（这个本子较新），数学处理上比前面的“圣经”简单，但对了解领域知识一样有用。
金融数学这块，最好的书国内都引进了（除了Paul Wilmott on Quantitative Finance，北大图书馆跟国图有藏，最新2版三卷本）：
Steven Shreve的两卷Stochastic Calculus for Finance，卷一The Binomial Asset Pricing Model和卷二Continuous-Time Models，世界图书出版公司都有影印本，叫做《金融随机分析》。世界图书还有他另外两本名气稍小的影印本子，Methods of Mathematical Finance（《金融数学方法》）和Brownian Motion and Stochastic Calculus（《布朗运动和随机计算》）。都是Springer的精装黄皮本子，比较精致，还便宜。
Salih Neftci的几本，武大出版社也有影印本，不过都是平装的本子，纸张看着不舒服，Principles of Financial Engineering（《金融工程原理》），以及An Introduction to the Mathematics of Financial Derivatives（《金融衍生工具数学导论》）。最后一本西南财经大学出版社也有影印本，叫做《金融衍生工具中的数学》。今年西南财经也引进了几本看着不错的书。
Baxter和Rennie合著的Financial Calculus: An Introduction to Derivative Pricing (Cambridge) ，图灵图书在人民邮电出版社有影印本和中译本，唤作《金融数学—衍生产品定价引论》。图灵做的书都比较漂亮。
最基本的金融数学（随机微积分）参考书，以上已经足够了。其他数学科目，如偏微分、数值分析之类，在数学系的书目里，能选择的就更多了。国内甚至还能找到Paul Glasserman的那本Monte Carlo Methods in Financial Engineering（《金融工程中的蒙特卡罗方法》），高教出版社刚出了一个影印版。
最后一组是编程。一些朋友还在犹豫，是用C好呢，还是Java好？或者，Excel VBA、Matlab似乎也不赖，最近C#也好像挺流行，Python也出了个数值计算的库，R也有金融计算的包rMetrics，S-Plus的 FinMetrics看着也不错，——都错！如果你不是学有余力精力过剩的话，C++应该是你唯一的选择。C++是数量金融界的标准语言，而且，即使你工作中不用C++，它也会是企业检验你水平的门槛。C++，全世界的程序员和Quant推荐得最多的就是这三本书，而且国内都有最新的影印本和中译本：Lippman的C++ Primer（人民邮电）、Eckel的Thinking in C++（机械工业）和Bjarne Stroustrup的The C++ Programming Language（《C++程序设计语言》，高教）。
http://johnthu.spaces.live.com/blog/cns!2053CD511E6D5B1E!583.entry?wa=wsignin1.0&sa=987638549
(注：中文名我已尽量用从网上找到的中文版译名)
Elementary School （小学)
- One Up on Wall Street,（彼得·林奇的成功投资）by Peter Lynch（彼得·林奇）
- Buffett: The Making of an American Capitalist（一个美国资本家的成长-巴菲特传）, by Roger Lowenstein
- value Investing With the Masters（跟大师学价值投资), by Kirk Kazanjian (0735203210)
- The Davis Dynasty(戴维斯王朝——五十年华尔街成功投资历程), by John Rothchild
- valuegrowth Investing(价值成长型投资), by Glen Arnold
Junior High (初中)
- The 5 Keys to value Investing(价值投资五大关键), by J. Dennis Jean-Jacques
- Beating the Street(战胜华尔街), by Peter Lynch(彼得·林奇)
- Investment Fables(打破神话的投资十诫), by Aswath Damodaran
- The Vest Pocket Guide to value Investing(价值投资手册), by C. Thomas Howard
- Common Stocks and Uncommon Profits(怎样选择成长股), by Philip Fisher (菲利普.费雪)
High School （高中）
- Made in America（美国制造）, by Sam Walton (萨姆.沃尔顿)
- Forbes' Greatest Investing Stories( 福布斯最大投资传奇), by Richard Phalon
- John Neff on Investing(约翰.聂夫谈投资), by John Neff (约翰.聂夫)
- The Intelligent Investor(聪明的投资者), by Benjamin Graham (本杰明.格雷厄姆)
- The Money Masters(金融大师), by John Train
University （大学）
- Stocks for the Long Run(股史风云话投资(第3版散户投资正典)), by Jeremy Siegel (西格尔)
- Quality of Earnings（盈利的质量), by Thornton Oglove (0029226309)
- Investing in Small-Cap Stocks(投资小盘股）, by Christopher Graja and Elizabeth Ungar
- The Book of Investing Wisdom（投资智慧书), by Peter Krass
- You Can Be a Stock Market Genius(你能成为股市天才), by Joel Greenblatt
Grad School （研究院）
- Break Up!(分裂), by Campbell, Koch & Sadtler
- Investment Gurus(投资大师), by Peter Tanous
- value Investing: A Balanced Approach(《价值投资：平稳途径》）, by Martin Whitman
- value Investing: From Graham to Buffett and Beyond(价值投资：从格雷厄姆到巴菲特及其他), by Bruce Greenwald
- The Road to Serfdom(通往奴役之路), by F.A. Hayek (哈谢克)
Post-Doc 1: （博士后1）
- It's Earnings that Count(起作用的是盈利), Heiserman
- The Five Rules for Successful Stock Investing(股市真规则), Dorsey
- Inside Intuit(Intuit公司内幕), Taylor & Scroeder
- Pour Your Heart Into It(星巴克咖啡王国传奇), Schultz & Yang
- Investment Philosophies(投资哲学), Damodaran
Post-Doc 2: （博士后2）
- Damodaran on Valuation(价值评估,另一个译本译名:论价值:投资与公司财务安全性分析), Damodaran
- Contrarian Investment Strategies: The Next Generation(反向投资策略：升级版), Dreman
- Moneyball(钱与球: 在不公平比赛中获胜的艺术), Lewis
- Investment Intelligence From Insider Trading (从内线交易中获得的投资情报)
- Financial Shenanigans(财务诡计), Schilit
Post-Doc 3: （博士后3）
- Bull! A History of the Boom, 1982-1999,(牛市！1982-1999的市场繁荣历史) Mahir
- Wall Street: A History,（华尔街史) Geisst
- The Effective Executive(有效的管理者), Drucker (彼得.德鲁克)
- The Essential Drucker(管理大师德鲁克精华), Drucker (彼得.德鲁克)
- The Essays of Warren Buffet（巴菲特致股东的信：股份公司教程）, Buffet
Post-Doc 4: （博士后4）
- Letters to Shareholders: Warren Buffet （巴菲特致股东的信)
- Letters to Shareholders: Charlie Munger (芒格致股东的信)
- Bershire Hathaway Owners Manual（伯克夏所有者手册）, Buffet （以上三个见伯克夏网站)
- The Dark Side of Valuation(深入价值评估), Damodaran
入门书籍：
1.Futures, Options and other derivatives--by John Hull.（买）
聪聪推荐：这本书不用多说了，买就是了。不管是找工作还是 senior quant都会用到。
John Hull 也是非常厉害的，各个方面都有开创性的成果。现在Toronto Uni.
本人看法：经典中的经典，涉猎还算广泛，不过不够数学----人称华尔街的圣经，自然不算很难。
2.Arbitrage theory in continuous time--by Tomas Bjork.（借）
聪聪推荐：这本书非常适合数学/物理背景的人读，注重数学理论的培养。本来我觉得也没什么，但是被公司老板大加赞扬后就 改变看法了。。。Bjork现在瑞典SSE。
本人看法：没看过。 -.-b 已在国大图书馆搜到，准备借阅。
3.Financial Calculus--Martin Baxter& Rennie（借）
聪聪推荐：非常薄但是elegant的一本书，1996年，算是比较早了，但是和 Hull的那本书齐名。也是聪聪的first book。作者1现在野村证券伦敦（nomura)，作者2在美林伦敦(ml)，都是fixed income。
本人看法：没看过。图书馆有，但是holder之多不知道我在毕业前是否轮的到。鉴于是入门书籍，如果借不到就算了，以后有机会再补。
4.Financial calculus for finance II--Shreve（印）
聪聪推荐：Shreve的新书，非常elegant， 非常仔细，非常数学完备，适合数学背景， 但是比较厚，对于入门来说还是3好。作者现在CMU纽约。教授。顶尖人物。
本人看法：和 I 一起印了，因为无数人推荐。I是讲离散模型，II讲连续模型。QJ美女一直对Shreve赞赏有加，害得我也充满了对此人的幻想。
4.5 Martingale methods in Financial modelling--Musiela & Rutkovski（借）
聪聪推荐：也很好的，作者现在BNP(巴黎银行）和华沙理工？都是顶尖人物。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
数学背景
5. Brownian motion and stochastic calculus--Shreve& Karasatz
聪聪推荐：如果想在这一行发paper或者搞研究的话，或者读phd, 这是必须的。但是书比较难，要有心理准备。作者2是哥大教授。他们俩还有一本书我正在读，1998年写的，但是很难，不推荐。
本人看法：借不到。~~~><~~~~ 不过好在我不搞研究，暂时不考虑这本。
6.Stochastic differential equations：....--Oksendal（印）
聪聪推荐：如果你觉得5比较难，就读这一本，会少很多东西，但是更实用！作者在挪威什么学校。。。忘记了。
本人看法：stochastic calculus for financial math的课本，的确比较精简实用。但有些问题还是讲的不够透彻。
7.Stochastic integration and differential equations--Protter（借）
聪聪推荐：如果觉得5比 较不难，就读这一本。我的导师的入门书。。。作者原来在普渡，现在康纳尔。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
8.Numerical analysis---任何作者
聪聪推荐：当然作为Phd学生，葱葱还拥有 Mathematics of Arbitrage & Malliavin calculus 等一些 advanced 书籍，我就不推荐了，因为对绝大多数人来说（包括我自己。。。）都太难了。。。
本人看法：还好我不是phd，挖哈哈哈。
Junior quant：
9.Concepts and practice of Mathematical Finance--Mark Joshi（借）
聪聪推荐：非常适合刚入行的quant，对于学生不推荐。非常实用，作者非常聪明。写书的时候在 RBS伦敦。
本人看法：hold乐，可以借来看看。
10. C++ design patterns and derivatives pricing--Mark Joshi
聪 聪推荐：对于懂得C++基础的人来说很重要，更重要的是教你学会Monte Carlo。
本人看法：图书馆没有，暂时不考虑。
11. Modeling derivatives in C++ --Justin London（印）
聪聪推荐：其实这一本就够了，各种model如 何编程都有写，虽然这些model比较老呵呵。最实用的一本书！！作者现在美国，具体干什么不清楚，拿了无数个学位。
本人看法：很厚的一本书，model覆盖全面。聪聪记错了书名，卡卡。
Senior quant:(我不够格！大家看看 当作搞笑吧）
12&13&14: Effective C++/More effective C++/effective STL--Scott Meyer
聪聪推荐：C++太重要了！我现在最愁的就是我的编程了！作者在美国，C++的顶尖人物。
15. Numerical recipes in C++--William, Saul（电子版）
聪聪推荐：计算方法，非常重要的一本书！作者都在美国各个 实验室？
本人看法：暂时都不考虑，有空再看。btw, 免费下载地址：www.nr.com
各 个专门方面：（这个大家就别信我了，看看再说）
Interest rate
16.Interest rate models and practice --Mecurio& Fabio
聪聪推 荐：rates非常好的一本书，适合quant读，比较数学。作者都在Banc IMI，意大利的一家bank。
本人看法：借不到。~~~><~~~
17.Modern Pricing of interest rate derivatives--Rebonato（印）
聪聪推荐：当当当当！我的偶像登场了！这本书我现在看，主要是 Libor market model，作者在RBS伦敦，顶尖人物。
再次说一遍，我是他的fans!
本人看法：很实用的一本书，给出了calibration的方法。
equity
18&19: Option pricing formulas / Exotic options--Haug/Zhang
聪聪推荐：没看过，也就不说了。（shy。。。）作者都在纽约
creidt
20： Credit risk--Lando
聪聪推荐：作者在丹麦一家商学院，我是 买的这一本。
21： Credit derivatives pricing models--Schonbucher（印）
聪聪推荐：作者是传奇人物！非常 年轻非常厉害，现在ETH-Zurich，ETH有很多顶尖专家。。。
本人看法：credit pricing的启蒙书，还是非常不错的，就是对概率的要求比较高。
stochastic volatility
22. Option valuation in stochastic vol--Alan lewis
聪聪推荐：非常厉害的一 本书！也很难，适合物理背景。作者在加州
本人看法：适合物理背景的，那么我就跳过了。
23.Volatility and correlation : the perfect hedger and the fox --Rebonato（借）
聪聪推荐：正在看，比较偏向rates， 我的偶像的书当然要捧啦
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
24. Stochastic implied vol--忘记作者了
聪聪推荐：买了，但是觉得不值-。。=
本人看法：那么当然跳过了。
FX
25.Mathematical methods for foreign exchange--Alex Lipton（借）
聪聪推荐：很详细的一本书，quant必读，作者在纽约 Citigroup?
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
Credit risk
26. Copula methods in Finance --Umberto Cherubini.（借）
聪聪推荐： Copula 是用来求联合分布的，其实用一般理论也能求，但是copula直观很多，简化很多，据说最初提出人之一是个中国人， David Li,现在 Citigroup 还是 BarCap 忘记了。这里要提一下 Barclay Capital，成立才没几年，现在很多方面都是世界顶尖的了，连去年的 quant of the year 都是他家的。
本 人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
Numerical Methods;
27. Monte Carlo methods in fianncial engineering.-- Paul Glasserman(印)
聪聪推荐：作者在纽约哥大，算是顶尖人物之一了，最近在研究Levy process。这本书很好，但由于是academic 写的，有点太学术了。quant一般会买另外一本书-----
本人看法：原来印了这本，还没时间看。
28. Monte Carlo in finance.--Peter Jackel
聪聪推荐：作者原来在RBS 伦敦，现在在ABN Amro伦敦。这本书太实用了！用MC的都应该有一本。
29.Financial Engineering with Finite Element-- 作者忘记了
聪聪推荐：这本书是用有限元方法，其实和 finite diferece 很像，书里面自称会更好。当初头脑发热买了一本，之后没看过。。。。罪过啊罪过！作者现在在德国。
本人看法：跳过。
Financial Markets
以下这些书呢，是我每天睡觉前看的。。。。（什么？你们怎么也知道 Penthouse？？难道被发现了？。。。其实 Penthouse这样的杂志只买过一本，好贵啊，之后就没买了。。。）
30.Dynamic Hedging-- Nassim |Taleb（借）
聪聪推荐：作者是很有经 验的quant trader，现在纽约，同时在麻省教书。是我现在精读的一本书，因为比较不数学，所以放在睡觉之前看，非常实用，但毕竟是给trader看的，太过实用 了。。。。大家不要急着买！第二版就快出来了。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
31.Fooled by randomness--Nassim Taleb（借）
聪聪推荐：看过这本书 就知道如何用random的眼光看这个世界了。。。。
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
32. Misbehaviour of financial markets-- Mandebrot
聪聪推荐：作者是 研究数学经济的得过Wolf奖的超级数学家！现在耶鲁。对金融市场有特别的看法。这本书一定要看啊！
本人看法：又一本借不到的书。~~~><~~~
33. Liar's poker--Lewis（电子版）
聪聪推荐：讲以前Solomon brothers的Arb team的，当时是世界最厉害的 quant trader。这本书搞trading的人都会看。
本人看法：我有电子版，呵呵，娱乐用书。顺便提一句，去investment banking interview时，千万别说这是你喜欢的书，这是一个bad answer.(具体参见beat the street P122)
34&35. Market wizards I II---Schwager（借）
聪聪推 荐：教你怎么做trader，这些是老一代 trader了，现在科技发展了，更加依靠Model了，但是好的trader会有共同点的！
本人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
36。 stochastic volatility--Nielsen?
聪聪推荐：这是一个论文集，关于stochastic vol的研究很多论文收入在内，但是买来之后觉得很亏！因为都是econometrics背景的论文，和我的研究并不怎么相关。大家不要买。。。
本人看法：跳过。
Levy process
37。 Financial modelling with jump process---Rama Cont（印）
聪聪推荐：作者是巴黎高科（Ecole polytechnique)的教授，这个学校的学生。。。。。donimate伦敦金融城quant领域！如果你要找quant职位，练好法语先。。。
法 国人的金融数学绝对最厉害，不仅仅金融数学起源于法国，现在一些最新的数学研究都是一群法国数学家在做。这本书非常好，数学绝对全面，也够深入，太喜欢 了。
这里得要提一下法国的银行，BNP（巴黎银行）， SG（兴业银行），Calyon（农业信贷银行）都是市场的佼佼者。特别是前两个，在衍生品领域领先其他bank，不要提GS，ML，MS，在 derivatives研究方面，SG的equity， BNP的fixed income领先他们很多。如果你听说一个 equity deri. quant 来自SG, 他肯定经常受到猎头骚扰。
本人看法：内容的确很全，甚至还有beyond levy processes,恐怖。
38。 Levy processes in finance--Wim shouten（印）
聪 聪推荐：作者是比利时鲁汶大学的数学教授，最近很红，因为 Levy process很火。这本书很贵，只有193页，没怎么看过，因为我还舍不得买。。。。
本人看法：终于接触到levy process了，否则就像只学过牛顿经典力学一样。
general
39。 My life as a quant---E.Derman
聪聪推荐：作者是第一代quant，以前是 GS的quant 研究部门head，现在哥大。是stochastic vol领域顶尖人物。其实也是很多其他领域顶尖人物。书不错，但也不是那么好。主要还是作为一个物理学家的角度来写。
本人看法：物理，跳过。
40 & 41。Infectious greed & FIASCO--Frank Partnoy（借）
聪聪推荐：作者最初在 First Boston，后来在Morgan Stanley做衍生品的sales。书里讲了很多衍生品市场如何骗客户，如何赚取dirty money的事情。
本 人看法：没看过。-.-b 已在国大图书馆搜到，准备借阅。
数量金融基本书目(Classic Books for Quantitative Finance Available in China)
一些有志于数量金融的朋友感叹国内资源不足，花大量时间泡网找电子书。其实这个领域的基本参考书就那么几本，全世界的学者都在用。据我多年泡图书馆和逛书店的经验，不妨给大伙数数国内公开出版的数量金融经典教材，影印版或者中译本，挂一漏万，欢迎随时添加指正（mailto:jiangtanghu(at)gmail(dot)com）。这些书应该都可以从网上书店如china-pub订到，而且单本不会超过一百块。说，材料都容易得到，稀缺的是钻研的耐心。
数量金融的基本书目，无非包括三类，金融、数学和编程(C++)。在金融这块，入门多用John Hull的那本所谓华尔街圣经，Options, Futures, and Other Derivatives（《期权、期货和其他衍生品》），现在都出到第七版了（可怜我手头那本6版还没有看完）。清华大学出版社有这本书的影印版（见过5 版，不知道有没有更新的），中译本就比较落后，华夏出版社有3版——那就看影印5版喽。Hull还有一本《期货与期权市场导论》 (第5版)，北大出版社的中译本（这个本子较新），数学处理上比前面的“圣经”简单，但对了解领域知识一样有用。
金融数学这块，最好的书国内都引进了（除了Paul Wilmott on Quantitative Finance，北大图书馆跟国图有藏，最新2版三卷本）：
Steven Shreve的两卷Stochastic Calculus for Finance，卷一The Binomial Asset Pricing Model和卷二Continuous-Time Models，世界图书出版公司都有影印本，叫做《金融随机分析》。世界图书还有他另外两本名气稍小的影印本子，Methods of Mathematical Finance（《金融数学方法》）和Brownian Motion and Stochastic Calculus（《布朗运动和随机计算》）。都是Springer的精装黄皮本子，比较精致，还便宜。
Salih Neftci的几本，武大出版社也有影印本，不过都是平装的本子，纸张看着不舒服，Principles of Financial Engineering（《金融工程原理》），以及An Introduction to the Mathematics of Financial Derivatives（《金融衍生工具数学导论》）。最后一本西南财经大学出版社也有影印本，叫做《金融衍生工具中的数学》。今年西南财经也引进了几本看着不错的书。
Baxter和Rennie合著的Financial Calculus: An Introduction to Derivative Pricing (Cambridge) ，图灵图书在人民邮电出版社有影印本和中译本，唤作《金融数学—衍生产品定价引论》。图灵做的书都比较漂亮。
最基本的金融数学（随机微积分）参考书，以上已经足够了。其他数学科目，如偏微分、数值分析之类，在数学系的书目里，能选择的就更多了。国内甚至还能找到Paul Glasserman的那本Monte Carlo Methods in Financial Engineering（《金融工程中的蒙特卡罗方法》），高教出版社刚出了一个影印版。
最后一组是编程。一些朋友还在犹豫，是用C好呢，还是Java好？或者，Excel VBA、Matlab似乎也不赖，最近C#也好像挺流行，Python也出了个数值计算的库，R也有金融计算的包rMetrics，S-Plus的 FinMetrics看着也不错，——都错！如果你不是学有余力精力过剩的话，C++应该是你唯一的选择。C++是数量金融界的标准语言，而且，即使你工作中不用C++，它也会是企业检验你水平的门槛。C++，全世界的程序员和Quant推荐得最多的就是这三本书，而且国内都有最新的影印本和中译本：Lippman的C++ Primer（人民邮电）、Eckel的Thinking in C++（机械工业）和Bjarne Stroustrup的The C++ Programming Language（《C++程序设计语言》，高教）。
http://johnthu.spaces.live.com/blog/cns!2053CD511E6D5B1E!583.entry?wa=wsignin1.0&sa=987638549
Monday, April 12, 2010
两年来的学习总结
转自 http://www.pinggu.org/bbs/dispbbs.asp?BoardID=61&ID=318119&replyID=&skin=1
一，序
一转眼来美国读这个Econ 的PHD已经两年了，从刚来时的懵懵懂懂与对这边PHD生活的新奇感到现在的每周7天只能休息一个晚上的Extremely Exhausted（个人时间安排不好，每学期选课老是贪多，还有可能就是我太笨了），从刚来时去开个银行账户因为英语不好都差点没开成到这个学期其中三门课做了四堂Presentation而且越做越来劲，甚至都有点Enjoy这个过程（当然口语依然是差强人意）。回头看来，时间好似过了很长，又好似所有的都是在昨天；路好像走过了很远，但又好像只是完成了美国大街上的一个Block；东西好像学了很多，但是又好像只是了解了点皮毛，离着运用自如依然有孙悟空一个筋斗云才可以完成的距离，总之真是感慨颇多。不过正是由于这样的感觉，我才有了写一个自我安慰的学习总结，算是对这两年学习生活的回顾，给自己一个一段路已经结束，需要踏上另一段征程的心理暗示。同时，希望我的学习过程以及对相关课本的个人感觉，能对已经在路上或者即将上路的兄弟姐妹们有一个帮助（怎么感觉象去法场？）。希望觉得有帮助的或者能从里面找到一点共同的经历的兄弟姐妹们对着它会心一笑，更希望与我有不同观点的人说说他们的感受，从而让别人对这个过程有着更明确的认识，以免我的愚见对别人产生负面影响，这是我最不希望看到的。好了，突然发现自己变得好罗唆，也许是英文看多了用多了的缘故，还是中文更Sharp一点在表达意思上（也可能是自己中英文水平都差）。好了，废话少说，现在开始。
二，我这个总结的用处？
第一， 对自己的学习算是个回顾总结。
第二， 你可以了解美国这边Econ PHD上的一些课，怎么上课这边
第三， 不论是在国内读博的同学还是要到这边来开始PHD生活的兄弟姐妹，可以把它当作一个你自己学东西的参考，这里面虽是我个人的偏颇之见，但是很多关于上课的东西我觉得还是有一定代表性的（我现在一个常青藤学校）
第四， 对于来要来美读PHD的同学，我相信从我的总结里你可以找到一个带书的List，因为我推荐的大部分书都是在国内有影印版的，带过来会省下你一大笔开销，初步估计1000刀左右。自从来美后，不算我从国内带过来的那些书，我在这边为了买书已经花了1500多刀了，其中很多是国内有影印版但是当时没带来，或者影印版是最近才才出的。
三，两点声明：
第一， 我这里面经常会中英文混杂，不要认为我显摆，我都习惯这样乱用了，就宽恕我吧；更不要骂我假洋鬼子，我会很不舒服，我是中国人。
第二， 我个人不是很赞同花很多时间在论坛上发帖子，写Blog什么的，至少对我来说，写这种个人感想的东西都是很认真的讲自身感受，所以特别费时间，有这些精力你去多学一门课多好。当然，纯粹个人观点，仅供参考。但是对我来说，这可能是从过去两年到未来两年内唯一的一篇个人感想了。当然，如果新的经历积累到了一定程度，我想我会再写下一篇的（谁会点我写不写呢？呵呵）。
四，个人数学，经济学等相关学科的背景：
把这个加上是因为我觉得任何经验介绍以及课本推荐都是基于个人背景的，我觉得容易的东西可能别人觉得难，而相反我觉得难的东西别人可能觉得相当简单。把个人背景加上，这样希望借鉴我经验的人就可以对照着看是否我说的适合不适合，如果背景比我好，可以把难度适当加大点；如果觉得背景比我稍差点（我估计基本没有了！），可以适当的从稍微基础点的地方开始。我本科专业是管理科学与工程，学校就不说了。
我本科学的数学相当于考研的数一，Calculus一年，Linear Algebra一学期, Probability and Statistics一学期。我相信大部分经管类的学生学的数学课也都是这些，不过有的讲的深一点，有的就讲的很浅。总的来说，Univariate Calculus 我掌握的很好，因为我很喜欢那些证明题，比如Mean-Value Theorem那一块的东西，Multivariate 部分不好，这块是国内数学教学的一大问题，拿我所在学校的数学系来说，Multivariate Calculus也是一个巨大的问题，通常大部分是计算题，不以Linear Algebra为基础将那些重要的定理进行证明，如果你看一下《Principle of Mathematical Analysis》(以下简称为Baby Rudin，他写的三本书我都会详细介绍，这是第一本)，你就明白这种差距了。其他学校也应该差不多，拿北大来说，张筑生老师的《数学分析新讲》我也读过，已经非常非常好了算是，但是感觉在难度上仍旧跟《Baby Rudin》差着一些。Linear Algebra 我学的很好，基本上计算部分不是任何问题，但是跟国外这边数学系Honors Courses还是有差距的（国外这边Undergraduate课程分为两个Sequence，一个是基础的，以计算概念为主，另一个是纯理论的，一般叫做Hounors Courses，不同的地方叫法不一样可能，但都是以证明为主，修这些课的人基本都是以后要读Graduate School的）。Probability and Statistics基本是只学的基础概率，统计讲的很少。这导致我后来不得不去修大量的数理统计理论课程。纯数学的课程就是这样了，还有一些应用数学的课程，比如我本科学了一年的Operation Research，内容就是那些Linear Programming and nonlinear Programming，排队论什么的优化方法，这其实正好是数理经济学的内容，所以对我帮助挺大的。其他的主要是计算机课程，学过很多编程语言以及数据库（PASCAL，C，C＋＋，Data Structure等等），对我现在的好处就是见了什么新软件根本不害怕，虽然不同编程语言语法不太一样，但是原理都是那样的。我本科经济学基本上没什么，只是一门微观经济学，不过那个老师课讲的非常好，所以导致了我后来的转专业考研。
我的研究生是在同一学校读的，这里是比较有远见的，开了高级微观，高级宏观，高级计量这些课程，用的教材也算是不错，算是给我们开阔了眼界，导致了我后来申请出国。微观用的《Maschollel》，自我感觉学的可以，因为那些优化工具我都还算知道；宏观用的《Romer》，一塌糊涂，因为不会动态的优化工具；计量用的《Green》，由于概率统计基础不好，导致只是死记了几个公式，根本不明白是什么回事。后来还上了动态优化，金融经济学（用的黄奇辅那本书）。这便是研究生阶段学到的经济学。这个阶段我最重要的一个决定就是去数学系选修数学课，因为老是看不懂很多课本，比如Duffie 的《Dynamic Asset Pricing》等等，基本是除了最基本的经济学书其他的都看不懂，因为里面的数学我不明白。最后实在忍受不了那种瞎猜胡蒙的感觉，我决定去数学系修课，实际只能旁听，因为我们好像没有这种外系可以到数学系修学分的机制，虽然国内有些学校比如北大是可以，但是毕竟还是太少了啊。很多想申请Econ PHD的本身读经济的同学，知道数学重要，但是却没有办法去修课来补，真是一大憾事，我相信如果可以的话，许多同学通过修数学课是可以进入更好一点甚至是 TOP的学校的。我先后在数学系听了实变函数，随机过程（不基于测度论的，因为是本科课程），泛函分析，概率论（用的复旦那本著名的教材，李贤平写的），数理统计，测度论（用的是北师大严士健 <测度与概率> <概率论基础，以及严加安老师的《测度论讲义》，还有因为这些书看不明白了，我自己读了一部分钟开莱的《A Course in Probability》）。这便是我来美学习前所有的数学经济学背景了。
五，纯数学课程科目与教材推荐
由于现在纯数学大概按照分析，几何与拓扑，代数三个大方向来分类，所以我也按照这个分类来一门一门的看，概率与数理统计我放到另外一部分来讲。
1：Analysis：
1.1：Mathematical Analysis
上面我已经说过，微积分或者数学分析在美国这边分为两个Sequences,基础的Sequence主要讲Intuition，概念以及计算，我相信大家都已经很熟。但是第二个Sequence才是精华，这个Sequence是一年的，主要教材为《Baby Rudin》，或者Strichartz的《 The Way of Analysis》，又或者Apostol 的《Mathematical Analysis》。 《Baby Rudin》最为严格，基础不好的人看起来比较枯燥，但是It deserves a year’s effort. 如果花上一年的时间讲其学好，个人认为将会受益终生，不论将来你做哪个方向。Apostol相对比较有趣点，包含了很多计算的内容，而且还包含了 Complex Analysis的简单介绍，而Strichartz则是从一种纯粹Intuition的角度出发来讲述整个Calculus体系，用词非常口语化，评价则是褒贬不一。
关于这门课的重要性，我有这么一个故事。 刚来美学习时，系里夏天就安排了一个Summer Math Camp，这种安排据我所知是几乎美国好一点的Econ PHD Program都会有的，内容就是给学生复习Calculus以及Linear Algebra的东西，从而让学生早一点进入状态以便更好的进行第一年Core Course（微观，宏观，计量以及数理经济学）的学习。我们在Summer Math Camp完了后有个考试，内容就是关于数理经济学的，如果你能考过，就可以免修第一学期的Math Econ，我幸运的得以免修。还有几个同学也过了，结果我们就收到了Director of Graduate Studies的email，建议我们免修这个课的人去数学系修Honors Course for Analysis。而且，等第一年考过Qualify后，很多同学也被建议去修这个Sequence，从而导致我认识的人，不论做微观，宏观，计量，IO，还是Development几乎都修过这个课，至少是这个Sequence的第一学期的课。由此可见，基本的Mathematical Analysis是多么的重要。
个人建议：Baby Rudin与Apostol国内都有英文版（强烈建议，有英文版一定要看，千万不要读翻译过来的），基础比较好点前者为主后者为辅，基础感觉不是很 Strong的后者为主，前者为辅。这两本书的大部分答案网上都可以找得到，不过一定要自己做，要不然等于没学，切记切记！！！
1.2：Real Analysis
Mathematical Analysis是数学系Undergraduate将来进Graduate School的Core Course，而Real Analysis则是Math PHD Program的Core Course。一点需要特别注意的是，千万不要将这门课跟国内的实变函数等同起来，光是内容就差的很多。国内的实变函数讲的是n维欧式空间的测度与积分，而Real Analysis则讲的是抽象空间上的测度与积分，而且这只是第一部分内容，后面还有关于Lebesgue意义下微分与积分的关系，Measure Decomposition与Radon－Nikodym 定理，基本的Functional Analysis（Banach Space，Hilbert Space甚至包括Topological Vector Space的基本概念）以及基本的Fourier Analysis（Classic Case）。也就是说，除了一点Compact Operator Theory之外，这本课包括了国内数学系本科实变与泛函分析两门课程的内容而且难度更大一点，当然这是针对我所在学校的数学系，其他学校不敢妄自揣测。
这门课比较好的教材为Rudin的《Real and Complex Analysis》(前九章)，Folland，Royden的《Real Analysis》， Stein & Shakarchi 。前三本我前前后后都学过算是，第四本只是粗略的浏览过。粗略评论一下：Rudin的写法相信很多人都听说过，极为简略看起来，但是包含内容甚深，真的是部经典之作，还是那句话，吃透受益终生；Folland是内容写的最全最成体系的，除了包含Rudin所有书的内容外，还有专门两章讲基本的Point－Set Topology，以及专门的两章讲Fourier Analysis，而且证明写的还是很明白的，个人很喜欢这本书；Royden第一部分则是先讲了n维欧式空间的测度与积分理论，然后第二部分讲基本的 Point－Set Topology以及Functional Analysis,第三部分才讲抽象的测度与积分理论，内容也算是比较全，但是行文风格我自己很不适应，很多重要的结论只是在某段中一讲，有的时候根本不知道某个句子竟然是一个很重要的定理，极度的Informal，不过作为参考还是很好的；Stein & Shakarchi则是著名的Princeton Leture Notes系列的第三本，没有细看，不过感觉作为Real Analysis的教材还是不够，只能作为参考我觉得，不能作为主攻教材。
个人建议：这四本书国内都有英文影印版了，其中Folland好像是今年才新出来的（心疼啊，我在这边花了50多刀买的），可以将Rudin与 Folland作为主要教材，后两本作为参考，认真学好。
1.3：Measure Theory
其实把测度论写在这里是重复了，因为测度论的内容实际上是上面Real Analysis的主干内容与基础。之所以写在这里是因为，有些学校比如我所在的学校，考虑到很多学生比如Statistics，Financial Engeering以及咱们Econ的学生学习测度论主要用来进一步学习基于Measure-theory 的Probability theory，他们用不到那么多的Analysis的知识，因此便将这一块内容单独抽出来设置课程（感觉老外课程设置都有点市场化的感觉）。主要内容包括抽象空间上的测度与积分论与基本的泛函分析，因为泛函在Stochastic Process里面也是到处可见。当然，这里测度与积分讲的更加深刻，我上这门课的时候，光是Radon-Nikodym定理就证了整整两节课，到现在我还能记得大概的证明思路。
这门课的主要教材我当时用的是Bartle的《The Elements of Integration and Lebesgue Measure》，一本薄薄的200页教材花了我80刀，现在想来当时真是舍得花钱，换到现在肯定WS的从图书馆借出来然后去复印了。不过这80刀激励的我将这本书彻底涂成了一个花脸，到处都是Notes，想想也值了。其他的参考教材是Halmos的经典的GTM《Measure Theory》，这本书Measure Theory的经典，不过很多人觉得Notation有点老了，跟现在常用的不太一样，比如测度的Caratheodry Extention Theorem现在都是从一个Sigama-Algebra开时，那本书好像是从Sigama-Ring开始的。严士健的那本 <测度与概率>关于这部分简直是Halmos的翻版。还有本不错的书就是Dudly的《Real Analysis and Probability》，因为这本书后面就是讲Probability的，因此前面测度与积分的部分应付后面的Probability足够了。当然，你也可以参考前面Real Analysis部分的教材，比如Rudin《Real and Complex Analysis》与Royden，他们抽象测度与积分讲的还是不错的，其中Rudin证明Radon-Nikodym则是基于L^2空间的Rieze- Representation Theorem，是基于分析的，跟其他基于Measure-Decomposition的不一样。
个人建议：这门课跟Real Analysis是重复的，如果你学了前者，你只需要再补一下Measure Theory常用的证明技巧，比如Dynkin老先生的“PI－Lamda Theorem”，还有所谓的“Good Set-Bad Set”技巧等就没什么问题了；如果你不想花那么多的时间来搞Real Analysis，那么你可以学这门课，Bartle国内没有，我觉得可以用Halmos，Rudin的测度与积分部分，Halmos，或者再加上 Royden。这门课掌握了，如果你什么时候需要多一点的Analysis，你可以把上面Real Analysis的教材拿来，只看你不知道的就好了。
1。4：Fourier Analysis（Classic）
Fourier Analysis真的很重要的，记得有人称之为”Queen of Mathematics”,因为数学中无数的重要思想都来在于对这个领域的研究。它跟PDE那是紧密相连；Probability里面的 Characteristic Function就是一个Fourier Transform；Time Series的Spectrum就是Auto-covariance Function的Fourier Transform；统计与计量中讲Empirical Characteristic Function作为进行Specification Test的基本工具，还有好多好多例子说明它在不同领域中的应用。
不过这门课很少单独作为一门课被讲解，我是从前面的1.2 Real Analysis与后面要介绍的Wavelet Analysis两门课中各学了一半算是。Classic 的Fourier Analysis主要是研究Fourier Series 展开与Fourier Transform成立的条件，主要推荐的书为Stein & Shakarchi 的《Fourier Analysis：An Introduction》这是Princeton Lecture Notes In Analysis的第一本，也是大师Stein的主要工作领域（他的名著的调和分析三部曲想必很多人知道），看看这本书的前言你就可以了解为什么 Fourier Analysis这么重要。不过这本书是基于Riemann积分的，因为前面的Fourier Series与Fourier Transform讲的深度有限，毕竟现代的结果都是在Lebesgue积分下得到的，但是这本书给出了Finite Fourier Transform在Number Theory里面的应用，让你的视野一下子就开阔了很多。这本书我是从头读到尾的，每个定理的证明都认真推导过。基于Lebesgue积分的 Classic Fourier Analysis的主要推荐则是Katznelson著名的《An Introduction to Harmonic Analysis》，经典的结果都在里面，当然Rudin的第4章的一部分，第9章以及Folland的第6，7章都是很好的介绍。Pinsky的《Introduction to Fourier Analysis and Wavelets》的Fourier Analysis写的也很好，不过我有点Follow不了他的证明，有时候太简略了觉得。
最后说一下，这里讲的都是比较经典的结果。现代的Fourier Analysis理论（现在都叫Harmonic Analysis了），包括Littlewood-Paley以及Calderon-Zygmund theory，真是是太难了，我在学Wavelet Analysis时本来想试着去学一点，因为Wavelet有一块理论基础要基于这些，结果后来实在学不下去，只好就此放弃了。当然我现在觉得我需要用的东西也不需要学这么深入的东西，所以想想心里就舒服多了，自我安慰还是很好的
个人建议：以Stein & Shakarchi，与Katznelson为主，这至少需要一个学期，如果你不想花那么多时间，那么先看Stein & Shakarchi，然后再读Rudin与Folland的相关章节，最后以Katznelson跟Pinsky作为参考，遇到不明白的到这里来找，这样应该就OK了，其实我就是采取的后一种策略，当然这跟我学过Rudin与Folland有关系。
1.5:Complex Analysis
这门课我想说的不多，这里本科有个Honors Course for Complex Analysis,然后Math PHD的Core Course 也包括Complex Analysis，显然后者比前者要理论的多，前者计算多一点，后者理论比较多，甚至包括Riemann Mapping Theorem的证明，但是就我看到的来说，感觉本科的就够用了对Econ来说，因此学到什么程度依大家的喜好来定可以。
前者的参考书可以用Brown & Churchill《 Complex Variables and Applications》，Stein & Shakarchi的《Complex Analysis》，也即Princeton Lecture Notes In Analysis的第二本的前面两章。后者的参考书可以用Stein & Shakarchi的《Complex Analysis》后半部分，Rudin《Real and Complex Analysis》的后半部分，当然经典的Alforos的《Complex Analysis》也是上上只选。我当时学Complex Analysis上的是Graduate Course，用的是后面这几本，以Stein & Shakarchi为主要教材（这本书习题答案网上找得到），遇到不会的就去另外两本上找，其中关于Residual 的计算主要是靠Alforos上的内容。老师讲的飞快，一个月就把前面相当于本科复变函数的部分讲完了，后面讲了很多非常理论性的东西，比如 Riemann Manifold的东西，听得我很晕。
个人建议：我自己觉得如果你本科是数学系的或者学过复变函数在国内，那么应该不用再学这个课了，足够用了。如果没学过的，建议修这门课，毕竟至少Time Series里面很多东西都是Complex Varariable的，实际上我自己正在写一个Paper，里面Estimator的Asymptotic Distribution服从Complex Normal Random Variable。另，这些书在国内都有英文影印版，省钱啊！！！
1.6:Basic Functional Analysis:
Functional Analysis我打算分开两部分讲，因为做不同方向的人需要是不一样的我觉得。我所在的学校Functional Analysis是有两个课，一个是与前面有重复的叫做Applied Functional Analysis，另外一个是Advanced Functional Analysis，是比较深的理论。本部分讲第一个。这个课的内容就是基本的Functional Analysis内容，主要是为那些Engeering，Statistics，Finance，Operation Research专业的学生设计的，Math PHD学生是不会上这个的，因为大部分内容他们都在前面的Real Analysis里面学过，除了一点Compact Operator Theory或者至多再加上一点Generiazed Function Theory。也就是说，这个课内容主要是Banach Space, Hilbert Space, Compact Operator,以及Generalized Function Theory.前面两部分都是Real Analysis里面的内容，后面分别属于Operator Theory与Fourier Analysis。这学期我们系两个在做Finance，Decision theory的比我高一级的哥们就在上这个课。
主要的参考书是Friedman《Foundation of Modern Analysis》，这本书写的真是太好了，看起来很舒服，证明写的很全很清楚。其实我没有上这个课，我上的是后面的Advanced Functional Analysis，但是因为后面这个课也讲Compact Operator与Generalized Function Theory,而且两门课老师是一个人，因此我找了这本书看
个人建议：Friedman这本书国内好像没有影印版，但在网上好像有电子版。有一本很好的替代教材，而且是中文的，那就是夏道行先生的<实变函数与泛函分析>，这本书跟Friedman那本书讲的内容深度几乎没什么差别，我觉得这是我看过的中文数学书里面写的最好的一本了，真的是很好！！！！！！！！！！！！
1.7:Advanced Functional Analysis:
这是一门数学系的高级课程，好多来修这门课的都是二年级的Math PHD学生。我是这个学期上的，内容是Topological vector spaces.，Banach algebras.，The spectral theorem for bounded and unbounded operators.，Compact operators ，Semigroups of operators。从内容你就可以看出难度来相信。其实我觉得这门课应该改名叫算子理论，因为主要是讲各种算子以及谱理论。虽然这门课很难，但这是我这学期上的最舒服的一门课了，原因是老师真的是讲的太好了。上课从不看Notes，那么难的定理，不单Intuition讲的明白，而且证明都可以边讲边推。我刚开始以为他还很年轻，因为他老是充满了精力。后来我的朋友告诉我，他已经76了，很快就要退休了，真是令人惊叹不已，不得不服。这门课没有 Final Exam，所有的学生轮流讲最后两章也即Compact operators与Semigroups of operators的内容。结果轮到我的时候正好是Hille-Yosida定理的证明，别人都只需要讲一节课，而我却两节课还差点没讲完，不过 Professor安慰我说，我多给你加几分，然后冲我幽默一笑，真是有意思。这门课快结束的时候，班上的学生都觉得挺依依不舍的，毕竟一起钻研了这么多 Crazy定理的证明，也算是共患过难了。还有小插曲一个：班上一个罗马尼亚的学生问我汉语跟韩语的区别，我立马跟他说，韩语以前不是语言，只能说，不能写，写都是写中文，他觉得很惊讶。班上其实有个韩国女生，化妆之后挺PP的（但不知道化妆前啥样），不过那天她好像不在。管不了这么多了，一定得给他们普及常识，别再让汉语韩国造这种白痴的说法恶心了！！发现跑题了，书归正传，我们上课用的是老师自己写的Leture Notes，参考教材是Rudin的《Functional Analysis》（被称作Adult Rudin），另外Zimmer的一本薄薄的与Lax《Functional Analysis》写的也是很棒的，可以用来作为参考。
个人建议：如果你做的方向不是用特别深的随机过程理论，这些就不必要学了，学好前面的Basic Functional Analysis就好了。我学这个是因为我可能想做点Continuous Time Stochastic Process的估计与检验，而这里面的Semi-group of operators是研究Continuous Time Markov Process的一个重要工具。如果要学的话，Adult Rudin与Lax国内都有英文影印版，不过基础一定要好，这样才能学明白，而且不至于耗费你大量的时间。
1.8：Wavelet Analysis
首先声明，Wavelet学不学看你是否需要它。我学这个是因为我要做的东西需要Wavelet这个工具。Wavelet是近十几年才发展起来，但是因为它的应用极为广泛，而且相对于Fourier Transform有着Space Localized的优势，从而成为很多领域的重要的工具，比如Signal Analysis, Numerical Solution for Differential Equations, Nonparametric Estimation，甚至现在Econometrics 里面都有了很多的应用。
我是这学期上的这个课，课程是为高年级的Undergraduate设计的，但其实应该算是Graduate的课才对，因为其中很多证明虽然不讲，说可以 Take It As Granted，但是如果你把太多的东西当作Given，那就合着什么都没说。学这个的基础至少为前面的1.6 Basic Functional Analysis与1.4 Fourier Analysis，要不然很多你东西你根本不知道怎么回事。我上课用的课本为Frazier, 《An Introduction to Wavelets Through Linear Algebra》，说是Introduction跟用Linear Algebra，其实根本不行，所以这本书的Title很具有诱惑性，不过这本书好处在与将Finite的情形讲的特别清楚，从而不至于使你迷失在无限维空间的众多的公式之中，忘记了身处何方，而且毕竟你要用Wavelet，肯定用的都是Finite近似Infinite的情形，所以还是很好的。顺便提一句，这是我这学期四次Presentation中的第一次，巨紧张无比当时，幸亏前天晚上对着我学文科的LP一通猛讲，进行了提前训练（估计她才不 Care我讲的啥，只是当看耍猴了），才使得第二天Presentation不至于出丑，不过经过这么一次，现在对任何Presentation都没什么畏惧感了，毕竟如果你在讲那么你就是专家，所以没什么可担心的。
其他比较好的参考书有前面提到过的Pinsky，Hernandez 与Weiss 的《A First Course on Wavelets》，Wojtaszczyk的《An Mathematical Introduction to Wavelet Analysis》，至于著名的Daubechies的《Ten Lectures on Wavelets》，我看还是算了吧，书太难了，如果你不是搞数学的，看这个感觉没什么必要。
个人建议：我只知道Pinsky的书国内有影印版，其它的可能没有，不过Pinsky的书写的足够用了我觉得，把它看明白了，做点Econ里的应用应该是可以了。别的书大家可以试着在网上搜索，应该可以找得到。
1.9：ODE&PDE:
这个我没什么可说的，因为我自己还没正式上过课，只是在国内的时候自己浏览了一下一本中文教材，丁同仁的《常微分方程》。我下一年有可能去修这个 Sequence，第一学期ODE，第二学期PDE。它们是比较有用的，不论对做Macroeconomics还是Finance的来说，因为 Optimization问题解出来是一个ODE或者PDE，而且PDE 与Brownian Motion紧密相连，同时ODE则是Stochastic Differential Equation的Intuition基础。这方面的书我还没读，虽然我知道一些经典的书，但是因为我没读过，所以我就不推荐了！有兴趣的兄弟姐妹去网上查查可以。
到这里纯数学的部分就完了，后面会有概率跟统计的部分。
2：Geometry&Topology:
这个Field里面我只说一下Point-Set Topology，因为更深的比如Algebraic Topology 跟 Differential Topology一是我没学过，二是我感觉经济学里对这些东西的应用都集中在General Equilibrium里面几乎，早被Arrow，Debreu那时代的大师们做的很深入了，好像很少有人号称自己做General Equilibrium了现在。不过可笑的是，国内竟然有连基本的数学知识都很贫乏的人竟然号称自己做General Equilibrium理论，真是滑天下之大稽。
Point-Set Topology我没上过课，由于我一学期毕竟精力有限，必须要上的已经将Schedule添的满满的了，实在没办法再上了，即使勉强去听，没时间做题，没有长时间的认真思考，也学不到什么东西。因此我选择了在来美后的第一个Summer自学。不过因为第一年我在修Real Analysis已经将很多基本概念都熟悉了，而且最重要的是Topology在Analysis里面的应用大概都接触到了，从而使得我在自学时并不感到迷茫，并没有“为什么提出这些概念”，“这些概念有什么用”，“什么样的Intuition”这样的问题，从而速度快了很多，而且理解的也更深刻一些。即使是这样，也花了整整一个Summer三个月的时间才算是学完，我用的是Munkres的，这本书我不得不说真的是写的太好了，概念清晰，证明思路清楚完整，尤其一些比较重要的定理的证明，都有相关的图形辅助，直观明了，绝对是一本经典之作。值得一提的是，这本书前面的 Set Theory讲的尤其的好，毕竟我们不是做数学的，Set Theory我们不需要知道的太多，但是这本书的Set Theory讲的比我们需要知道的深一些，但是直观清楚，读透了这个就不需要再看任何Set Theory的东西了，够你一辈子用的了，如果你做Econ而不是数学的话。我自己是讲这本书Point Set Topology的部分每一部分都认真读过，证明都过了至少一遍，重要的定理（比如Urysohn’s Lemma, Tynchonoff Theorem）反复看过几遍，课后几乎每一道习题我都尝试过，因为我比较幸运的找到了这本书课后习题的答案，因此做完后有地方可以对照一下是否自己做的对，思路是什么样的。其实我是在网上搜到了一个Course Webpage，好像是荷兰一个大学的，这个Course用的就是Munkres，布置的习题都是这上面的，上面有习题的Solution。当我刚开始想下载时，就出现网页错误，于是我就Email问那个Professor。结果人家很快回信告诉我网页错误他已经改过来了，可以下载Solution，并说如果有问题可以发信问他，真的是太Nice了。这个对我的帮助可以说是巨大无比。当然，在学这本书的时候我也不断回去看Rudin的《Real and Complex Analysis》，Folland, Royden，其实后两本都有算是比较全的Topology的章节。通过不断回去读这些，我对Topology的应用，概念的由来感觉掌握的更加牢固，毕竟这些书是分析的书，在写Topology部分时都比较着重于跟在分析中有用的Topic，比如Complete Metric Space, Function Space，Ａrzela-Ascoli定理等，这些Topic在Analysis都有着极为核心的作用，因此掌握它们是必要的。
最后为了说明学这门课的重要性，我说一下Point Set Topology的应用，在分析里的就不用说了，如果你是做计量理论的，那么你一定知道Limit Theory的重要性，也就是各种各样LLN，CLT定理。其中用的很多的一个方法就是Embedding，比如极为重要的CLT for Matingale Difference Sequence，而这个方法基于的就是讲Stochastic Process看作一个从时间到一个Function Space的映射，在这个基础下来证明Weak Convergence，著名的Billingsley的《Weak Convergence of Probability Measure》整本书就是讲这个，我相信想做计量的人一定都知道。而这只是A tip of Iceberg，后面非常多的东西都基于这个，比如统计Asymptotic Theory里面的Empirical Process，Stochastic Process里面的Convergence，等等。所以Point-Set Topology我个人认为还是很重要的，当然专门学，只是在相关的课程里面学一下基本内容也是可以应付的，但是对于我自己来说，每次学不同的东西都要来一点Topology中新的东西很痛苦，索性我就一次搞定，再无后患了。不过这纯粹个人习惯。
个人建议：学这门课以Munkres为主要教材，一定要从头学到尾，课后习题尽量都做掉，除了个别怪异的，然后经常翻翻Rudin，Folland, Royden等等，以对其有更加透彻的了解。
3：Algebra
3.1：Linear Algebra
如前面的个人背景介绍，我个人对Linear Algebra的基本概念与运算是很熟悉的，但是来到美国之后才发现，其实自己所学的仅相当于这里数学系Undergraduate第二年的Linear Algebra，而对Honors Course for Linear Algebra里面很多理论的东西则并不知道。实际上，这正是偏计算与偏理论型Linear Algebra课的区别，一个简单的例子就是，前者将矩阵看作一个数据表，而后者将矩阵作为一个Linear Operator。据我所知，国内除了数学系一年的高等代数课外，其他系所教的Linear Algebra应该都是一学期而且主要注重于计算的，理论部分的讲解并不深。即使是国内数学系一年的课，拿北大数学系那本《高等代数》，理论的深度跟这个 Honors课也是存在差距的，比如Spectral Theorem那一块，深浅程度差别是很大的。
为什么要学这些理论部分呢？想想泛函分析里讲的是什么，那不恰恰正是矩阵代表的有限维线性空间上线性算子在无穷维空间上的推广么！！！我当初在国内学泛函分析的时候，老是对有些概念如Dual Space，有些技巧比如用一个线性空间上的所有线性泛函来刻画这个线性空间，等等很多东西觉得很茫然，感觉不到从哪儿来的。而实际上，这些概念都是 Linear Algebra相应概念的推广，只是因为泛函里是无限维空间所以我们需要考虑Topology的问题，而Linear Algebra里则是有限维空间，上面所有的Topology都是等价的，因此我们不在Linear Algebra里面考虑Topology，只有Algebra的相关概念而已。
这个课我学了两次，第一次是来美的第一个学期，当时上这个Honors的课，大概到了学期一半的时候，因为Econ的课考试太多（两次期中，一次期末），再加上我还上了巨难无比的Real Analysis，最后不得不放弃掉；然后上个学期，我又从上次自己停下的地方接着开始听，算是把这门课完整学了一遍。上课教材是Curtis 《Linear Algebra: An Introductory Approach》，写的非常好，前面从Chp1到Chp6相对来说还比较容易对付，后面从Chp6到Chp9则是精华部分，理论讲的很深，证明也必须反复琢磨，题目要多做，这样才能理解深刻。而且很多Abstract Algebra的东西都在这里穿插讲解，比如Group，Ring，Linear Algebra等等。其中关于那些Decomposition Theorem（Jordan，Rational等等）的证明，是基于了Linear Algebra（一个线性空间再加上一些乘法性质）的概念。而Linear Algebra在泛函里的推广，则是著名的Banach Algebra，它就是无限维空间里Spectral Theorem证明的基础。还有一本著名的教材是Hoffman&Kunze的《Linear Algebra》，写的更Comprehensive一些。
个人建议：Curtis国内有影印版，可以以这本书为主，将其做透，习惯尽量全做，如果有兴趣可以看一下Lang 的，国内也有影印版，不过比Curtis的书要简单。
3.2：Abstract Algebra
这门我没什么可说的，我自己没去上过课，关键是其在Econ里面不象Analysis那么重要。Abstract Algebra的概念我一部分是在Linear Algebra里面学到的，一部分是自己就读了一本薄薄的中文教材张禾瑞《近世代数基础》，再参考了一下Rotman的《 A First Course in Abstract Algebra》。 我见到过的Abstract Algebra是在Functional Analysis里面Banach Algebra跟Semi－Group算是一点，另外的是在Fourier Analysis里面有抽象的Fourier Analysis在Locally Compact Hausdorff Group空间上，算是将Topology跟Algebra里面的Group概念结合起来，其实这些都是对n维欧式空间的推广。关于这门课我自己也还没决定是否去修，因为以现在我见到的来看，除了我上面所说的Abstract Algebra的东西，好像进一步的深入不是很必要。所以，有时间有精力愿意学的就去学，如果你象我一样，不是那么有时间，我觉得自己读一下张禾瑞的《近世代数基础》大概了解一下就好了，如果感觉不是很清晰，可以再看一下Rotman，感觉这样就足够了。
六，概率统计课程科目与教材推荐
好，现在终于到了与Econ，Finance 关系最紧密的概率统计部分。关于概率统计的重要性我实在不想再强调了，不过需要再说一句的是，很多同学觉得学计量，学Finance很多东西看不懂，迷茫，那就是因为你概率统计没学好；甚至还有很多论调说什么Idea最重要，数学不重要，对于这种说法，我想说，别说Econ，Finance，连数学都是 Idea最重要，任何学科都是Idea最重要的，但是你连基本的知识，研究工具都没掌握，都一窍不通，何来资本去讨论什么Idea？？好了，语调有点激烈，不想多说了，这个问题说多了没意思！下面我概率统计分开讲。
1概率
1.1：Basic Probability Theory
这个很重要，虽然不是基于Measure-Theory的，但是是你明白概率是什么东西的基础。国内数学系本科一学期的概率论的内容基本跟这边 Undergraduate的Honors Course for Probability差不多，但问题是很多学校的老师不怎么认真在讲的时候。比如我所在学校的数学系，当时那个老师真是不咋地，上课光在那闲扯淡，证明一点都不讲，而且课堂过大，整个数学院所有不同专业的学生一起在上课，起码100多号人，效果可想而知。我不知道别的学校情况咋样，但是我本科所在学校的数学系还是国内比较不错的，连这里况且如此，很多地方可能也好不到哪去。当然，这只是我个人的瞎猜想，没有任何证据。
这门课的主要教材是名家Durrett的《The essentials of Probability 》，我想很多人都知道他的另外一本Graduate Probability教材《Probability：Theory and Examples》，现在美国这边的学校几乎都用这本书作为Math PHD Probability课的教材。顺便说一句，Durrett是超级牛人钟开莱（中国人，虽然是美国公民）的学生，好像我记得他在一本书里管钟开莱叫做 Academic Godfather，真是牛到无极限啊。
这门课Durrett这本书所有内容全讲，题目几乎全做，这样使得学生Basic Probability的基础相当好，Probability的Intuition很不错，从而在后面学习基于Measure Theory的Probability跟Stochastic Process时，不至于迷失在Technical Details中。不过这本主要是给Math的学生的，我自己觉得Casella & Berger的《Statistical Inference》前面的Basic Probability部分也是超好无比，而且这是一本数理统计的教材，多了很多Distribution的东西，从而给你学数理统计打下一个坚实的基础。并且，这本书习题量大质量又好，而且网上有Solution Manual，所以是非常好的习题书。我自己其实没有上这门课，不过我们计量I（美国这边计量I其实是概率论与数理统计的内容，不过有经济系的特点罢了）当时教材是Cassella & Berger，于是我就把前五章的习题都给做了，真是受益匪浅。另外，国内复旦李贤平的那本概率论教材也是非常好的。
个人建议：经管类毕业的同学我想都有一点概率论基础了，所以个人觉得不必要专门花一学期修这门课，但是我想自己自学或者在上计量I的时候将基本内容再过一遍，查缺补漏是有必要的，多做点题目，最好能将Casella & Berger前面五章的题目做完，然后适当的参考下Durrett当有概念不清晰的问题时，这样基础就打的比较牢了。Casella & Berger国内有影印版，习题答案网上可以找得到。至于原来读数学的同学，请根据你原来学的深度自行决定。
1.2：Measure-Based Probability-Probability I
这门课跟下面的Introduction to Stochastic Process-Probability II通常在美国这边是一年的Core Course Sequence 给那些将来可能做Probability的Math PHD学生。Probability I的内容一般包括（以我所在的学校为例）以测度论为基础的的概率基本概念，经典的极限定理（LLN于CLT for Independent Sequence）, Random Walk，Conditional Expectation,有的还会加上Discrete Time Martingale Theory。这门课的先修课为Real Analysis或者Measure Theory，你必须对Measure and Integration的内容很熟才行。这门课我想不论你是做微观，宏观，还是计量还是Finance基本上最好都要学，毕竟现代经济学Uncertainty是核心，从而概率的应用极为广泛。微观里现在做的Decision theory, 关于Imperfect Information的很多东西都需要很好的概率论基础，上周跟一个要跟我们这里一个微观牛人做的同学见面讨论，他说那个Professor的 Paper里就用到了Martingale Convergence Theorem，虽然不是很深，但是一个好的Probability基础还是很必要的；宏观里面常用的Stochastic Optimal Control，Stochastic Dynamic Programming；还有更不要提Finance了，如果没有一个好的概率基础，根本连现在入门的Asset Pricing教材你都看不懂，比如Cochorane的《Asset Pricing》，更别说Duffie的《Dynamic Asset Pricing》跟Merton的《Continuous-time Finance》了；计量理论我就更不说了，它本来就是研究一些有经济数据特点的统计理论的，想想Time Series Econometrics里的Unit，Cointergration吧，那里Asymptotic distribution的推导都是基于Functional CLT的。我就不多说了，总之，我们这里理论做的比较好的同学，几乎都有一个很好的Probability基础。
如果你Measure Theory掌握的好，学这门课会舒服很多，当然，你依然需要花费巨大的时间跟精力。我这门课上了两次，一次是在Operation Research系里上的，讲课的是个俄罗斯裔的老师，课讲的极好，真的算是领教了Russian的数学水平，一个字，牛！！！光作业就给我们布置了14 次，每次5－7个题目，一学期下来做了快一百个题目，想象一下，Graduate Course，每个题目光写有的时候就要2页多纸，学的时候真的是痛苦之极，不过学完之后真的是感觉收获特别多。我经常跟OR几个同学讨论问题，他们都是国内数学系出身，有的都是在这边的学校读过数学然后再转到这边来的，他们对作业量之大也很头疼，不过我们都很觉得那个老师确实讲的好，没得说。一个搞笑的是，这个老师的Webpage上写着，“对于那些不想完成作业的同学请点这个链接”，然后等你点了后就到了另外一个Web上，上面是他练空手道的一张照片，而且照片的光线有问题，他两眼发的都是绿光，恐怖啊，呵呵！！
由于这个课老师为了照顾一些对Measure Theory不是很熟的同学，于是他花了快一半的时间又把Measure Theory讲了一遍（这部分内容他主要用Billingsley的《Probability and Measure》里面的测度论部分），因此后面概率的东西只是讲到了CLT，后面没有讲Martingale，而且LLN跟CLT讲的不是特别深入，只是证明了IID情形下的定理，并没有证明Independent but not Identical Distribution的情形，而且我也想学多一点，因此我就去上了Math PHD Probability Core Sequence的第一学期的课（我本来想着上了OR这个然后直接去上第二学期的Probability II就算了的）。总算是把这个搞定了。
总的来说，Probability的好教材是非常之多，其中有Durrett,《Probability: Theory and Examples》，Williams,《Probability with Martingales》，Billingsley,《Probability and Measure》，Resnick 《A Probability Path 》，Jacod & Protter，《Probability Essentials》, Dudley，《Real Analysis and Probability》, Shirayev，《Probability》，以及牛人钟开莱的《A Course in Probability》这些教材基本上都是包括了Probability I的测度论为基础的的概率基本概念，极限定理与Probability II的Stochastic Process的内容，所以基本上每一本都可以作为这一Sequence的教材，不过不同的教材特点还是不一样的。
Billingsley是公认的好教材，特点是全，既有Measure Theory的完整介绍，又包含有直到Brownian Motion的一年Probability课的所有内容，但有个问题是体系安排很怪异，不适合从头看到尾，事实上我们是从Chp2，Chp3开始学，然后穿插上Chp1的内容，然后再过渡到后面的Probability部分的。这本书的行文也是Informal式的，很多重要定理的叙述证明都是在字里行间完成的，并不是定理－证明式的写法。我个人经验是不适合自学，如果有老师教课用这本书，那真的是再好不过了，不过如果没有老师教，最好把这本作为参考。这本书的课后习题非常好，对于比较难的题目后面附有简要的答案。做Econ的人好多Paper后面在涉及Probability的时候引用的都是这本书（看看White的《Asymptotic Theory for Econometrians》），我猜他们当时学概率用的都是Billingsley这本教材，呵呵。
Durrett的教材是给Math PHD的标准教材，全书主要讲概率，将Measure Theory的主要结果附录在书的后面，以供参考，因此，学这本书必须有扎实的Measure Theory基础。现在国内这本书刚出了影印版（Billingsley现在也刚处影印版，痛啊，这两本书花了我快200刀就，因为我修课的时候国内还没有影印版，唉），忘记上面是谁做的序了，讲了一个故事，说是有个Math PHD学生放假还是怎么着出去玩的时候，身边就带了这么一本书，然后这个学生现在美国是美国一所著名大学的Professor了已经。抛开故事真假不说，我对这种传说式的故事一点都不信，搞得好像背着宝剑，身怀绝世武功，天生的武功奇才一样，不知道是不是武侠小说看的是不是太多了（实际上，我的武侠小说看的是巨多无比）。Durrett这本教材讲的虽然挺难，但只是一些早期Probability结果的总结，离着研究前沿还差的很远。所以我觉得序里的故事是想说明把这本书学透基础就会打的很牢固，但是这种故事容易对人形成误导，起码我记得我在未学Measure Theory跟Probability I之前也看过很多这种小故事，看完后热血沸腾，老想着一口气吃成个胖子，但是事与愿违，反而事倍功半，其实最重要的还是下功夫好好学。当然，这只是针对我个人而言，别的同学可能比我要理智的多。闲话不多说，Durrett这本书Probability I的内容讲的比较深，其中Random Walk作为单独一章进行深入透彻的讲解，我想Random Walk做Econ的同学应该很熟吧，这就是Unit Root Process了。其他书唯一这样做的就是钟开莱了，我想Durrett这样做跟他是钟开莱先生的学生有关系吧应该。Durrett这本是我们这 Probability I&II这个One Year Sequence的主要教材，老师没有自己的Lecture Notes，会把这本书从头讲到尾，至于为什么我就不多说了。
下面想说牛人钟开莱的书了，这本书如前面个人背景里面所述，我在国内的时候上那个测度论因为很多问题不明白所以就找了这本书来看，结果受益匪浅。忘记在哪里看过了，说这本书其实是将前苏联数学家对基于测度的概率论，对Independent情形下Limit Theorem的研究的一个总结。也就是说，这可以说是一本现代概率论教材的雏形，虽然在这之前也有很好的教材，但是正是这本书以及钟开莱在 Stanford教授这个课程的经验，导致了现在大部分学校的第一门概率Core Course所教授的主要内容为Independent情形下的Limit Theorem。实际上，我觉得在Limit Theorem定理的证明上，这本书依然是讲的最好的，不但严格，而且清晰明了，反而现在很多新出的概率书讲的迷迷糊糊，要吗不严格，要么太 Technical。不过这本书大量集中于Limit Theorem的证明，作为Probability II主要内容的Martingale，Markov Chain讲的很少（当然，我觉得依然讲的很好，特别干脆利落），对Ergodicity，Brownian Motion更是一点都没涉及，他前言里好像说了这些应该作为第二门课的内容我记得。所以，这本书是加强版的Probability I教材，但是不能作为Probability II的教材。
Shirayev的书是一本典型的Russian数学书，内容跟Durrett基本上一样，只是前面加了一章基本的Probability and Stochastic Process，后面用两章讲了Stationary Process，少了对Brownian Motion的介绍。这本教材证明上清楚明了，课后习题很多是一些重要结果，是很好的教材。而且对Stationary Process的讲解特别好，算是奠定了Time Series Analysis的一个数学基础。想做Time Series Analysis我想这是一本必备的参考书。
Williams的书短小精悍，讲完Probability的基本内容立即进入Martingale的学习，真的是又快又准，毕竟Martingale在现代Probability甚至是Econ，Finance等等都起着关键的作用。
Resnick的书是我上OR那个Probability的教材，因为Resnick本身就是在OR系，所以他写的教材就稍微简单点，很多结果都给出了证明，不象是前面那基本为Math PHD准备的书很多结果你自己要证明，有的时候花很多时间。这本书的内容最后一章讲了Martingale，前面是Measure Theory跟Probability I的内容，看起来相对其他几本要稍微容易点，很多学校开给Engeering，Statistics或者Finance学生的Probability课都用这个作为教材。
Dudley的书Probability部分讲的内容很多，从经典的Limit Theorem到Martingale，到Brownian Motion，Ergodicity甚至还有一些Weak Convergence的内容，由于这本书整合了Real Analysis跟这么多的Probability内容，深度上感觉稍微差一点。Dudley本人在Empirical Process方面是奠基人之一，他1978年左右的几篇Paper给出了处理Empirical Process不Measurable一种处理方法，奠定了他的地位。他本人是MIT的教授，这本书是MIT概率论的教材，这门课的内容你可以在MIT Opencourse上查得到，上面有一些讲义跟习题答案，可以用来作为参考。
Jacod & Protter我没读过，把它列出来是因为这本书近年来有很多地方都在用，更重要得是这两个人虽然都是数学出身，但是现在都在做Finance得东西，而且都是名家。Protter是OR的Professor，我想很多做Finance的人都知道，他跟Jarrow有一篇关于Term Structure的Paper影响很大，是用Diffusion Process作为Model的。而Jacod则是法国巴黎“？“大的数学系教授，他跟Princeton经济系的Professor Ait-Sahalia（Review of Financial Studies的上一个三年的Editor）合作了一系列关系Continuous Time Process的算是金融计量领域的文章。
当然，在这边Finance领域主要还是在Business School，但由于Merton，Duffie等人对连续时间模型的使用导致了很多原来做Probability的数学出身的人都在搞Asset Pricing，不过他们管这个叫做Financial Mathematics，Financial Engeering等等，国内山东大学的彭实戈搞得所谓的金融数学其实就是这个。结果现在在搞Econ，Finance的人与这批以前数学出身的人之间有了巨大的分歧，前者认为后者摆弄数学，没有Intuition，没有Idea；而后者认为前者数学不行，模型用的不严格。于是就各搞各的，各自形成了一个圈子。个人认为两者都有道理，前者很多数学确实不行，模型用的不是很好，统计工具掌握的也不好，于是Journal of Finance上的Paper非常多的计量用的不对，或者是为了一个比较Significant，比较Interesting的结论故意这么做。其实很多结果，如果你用正确的或者比较严格的计量方法再做一遍，根本就不对，从而得出的Interesting的结论的可信度大打折扣。但是由于这些人已经形成了一个圈子，他们之间互相接受这种做法，所以文章还是能发，研究还是能做。说道这里，顺便说一下，记得以前在国内看到有人把Journal of Finance(JF), J of Financial Economics(JFE) 跟Review of Financial Studies（RFS）给排了一个顺序，说什么这个比那个好，那个比这个好。我猜那个排法应该是按照所谓的影响因子或者引用率之类的来排的，但是个人觉得这种东西没什么意思，这三个Journal都是Finance的Top Journal，如我前面所说JF的文章数学水平，计量工具的严格性要差一点，但是这样导致了结果很Interesting，而RFS是数学应用深一点，计量工具用的严格，但反而结果不那么Interesting。如此一来，使得JF的引用率要高于RFS，但你能就说前者比后者好吗？如果你真的这么想，那比较一下Econometrica上文章的引用率跟其他Journal然后再来回答这个问题。实际上，在美国这边的学术圈子里也存在争论，有人觉得JF好一些，有人觉得RFS更好一些，所以这也是没办法的事。但是我觉得做事要严谨一点，不要对别人产生误导，所以当你说JF比RFS好，或者RFS比JF好的时候，我自己就会加上，“我觉得“，或者“按照引用率，按照工具使用的严格程度来说“等等的修饰词以表明你这样判断的根据。
接着上面，反过来讲，后者确实是Intuition比较差一点，由于Econ比较特殊的学科性质，你用的严格却没有Interesting的结论，模型很好，但是结论跟以前一样，这样就没什么太大的意义。拿彭实戈老师做的Backward SDE来说，数学上确实很重要，提供了一种新的处理SDE的方法，而且实践上也可以应用；但是拿到Finance理论上来看，就是提供了一种解B-S模型的方法，而Finance理论则是再探讨B-S模型本身的问题，所以这个研究对于Finance理论则基本上没什么意义或者意义不是很大。从这里可以看出，学术研究某种程度上也是市场化，需要有人跟你一起开拓，有人欣赏你的东西才行，要不然你自己认为的再好的东西也卖不出去。
好了，该结束这一部分了，太长了。这部分介绍的书太多了，说一下我的学习过程。我个人由于是修课所以主要用了Billingsley的教材，基本上通读了算是，钟开莱的书我也基本上看完了，看这个是因为LLN，CLT 的证明讲的好。Shirayev我精度了他讲Stationary Process的两章，及Martingale那一章的部分内容。Durrett我没有精读，因为上面的好多证明都在别的书上认真推导过了，而且我下面会再去上那个一年的Core Course Sequence，这次完全讲这本书，所以打算把它精度一遍。其他几本Williams, Resnick , Dudley都只是在看别的书产生问题时候去找相应的部分做了参考。还有就是修完课后我花了几天时间把它们浏览了一下，以对照一下感觉。
个人建议：可以用Billingsley，Durrett，钟开莱，Shirayev中的任意一本作为主攻教材，尽量完成大部分的课后习题，很多题目网上应该可以搜索到答案。这四本书国内都已经有了英文影印版了，可以省钱了又。其他几本Williams, Resnick , Dudley可以作为参考，Williams网上有电子版，而Dudley国内有英文影印版，Resnick就不知道了。
1.3：Introduction to Stochastic Process-Probability II
这门课主要内容是Discrete time Stochastic Process,，讲Martingale, Markov Chain, Stationary Process and Ergodicity, Brownian Motion(BM)，有的老师还会加上点Introduction to Ito’s Integral with respect to BM。我这学期上这个课的老师是在概率领域里面一个超级牛的Russian老头，他教的东西太多了。除了上面的内容，他还讲了Continuous-time 下的Martingale跟Markov Process，甚至包括了Stochastic Integral最General的情形即对于Semi-martingale的积分，所有这些内容加起来一般都是分两门课来讲的，因此作业做的我很痛苦。不过痛苦完后感觉收获还是很大的。由于他这种教法是非常规的，并不是Probability II应该包含的内容，因此学这门课我觉得还是以标准内容为主，打好基础，这样以后要用到比较深的概率理论就可以自己学了，因为后面你要用到的可能都是近年才得出的结果，这种内容开课讲的好像不多，即使有也跟老师的研究方向有关了。
鉴于前面已经将众多概率教材做了详细介绍，这里就简要一谈就可以了。Billingsley的书把Probability II里面的内容都包含了，但不是特别成体系，都是分散开来的，所以不太适合作业主要教材。不过他最后一部分分两章讲的General Theory for SP跟BM是非常好的，前面一章详细的介绍了给出一个Finite Distribution然后Construct一个SP的方法，也即Kolmogrov Consistency Theorem，给SP的存在性奠定了一个基础。Durrett是标准的教材，因为将Measure Theory作为附录，从而腾出了大量空间详细介绍SP，是非常好的现代教材。钟开莱这方面的内容很少，但是他最后一张对Martingale跟 Markov Process的介绍切中要害，理解深刻，我觉得非常值得一读。Shirayev内容跟Durrett差不多，只是少了BM的介绍，但是多了 Stationary Process的详细讨论。Williams, Resnick , Dudley都有一些相关的介绍，但不如前面基本书是系统的介绍，所以只能用作参考我觉得。
个人建议：Durrett或者Shirayev都可以作为主要教材，主要的参考教材可以用Billingsley，钟开莱，其它基本可以翻一翻，了解一下别的处理方法。
1.4：Continuous time SP, Stochastic Integral and SDE, Weak Convergence and Convergence of SP, Limit Theorems for Dependent Sequence
这些内容每一个都是概率论的一部分比较现代一点的内容，关于这些内容的书一般都叫做Monograph，而不是象前面那些一样可以叫做Textbook，当然每一部分都是挺难的，想学会也挺不容易的。我这里只能稍微说几句，没法细论，一是因为这些内容都比较Specialized，如果你不需要根本不需要学，不象前面的内容是一个Econ PHD最好能具备的素质基础；二是因为我也说不了，因为我自己还没有修这些课，有的是无课可修，根本没人讲，只能自己学，比如Limit Theorems for Dependent Sequence，虽然计量尤其是Time Series Analysis经常用，但是没人教这些东西，不过如果前面Probability I & II你基础打好了，花上一点时间跟精力学好是没问题的。还有的是因为这些课程需要的预备知识太多，比如Stochastic Integral and SDE需要Discrete time SP的一些知识，Weak Convergence and Convergence of SP需要Topology跟SP的知识，所以我也没法修（这个是很难跨越的，Weak Convergence and Convergence of SP去年有个老师开这门课，我当时只是上了Probability I，学了Topology，但是没有SP的知识，前面讲Weak Convergence还勉强可以听，后来讲Convergence of SP时完全听不懂，最后只好Drop掉了那门课），自己水平还不到。
我在这里稍微写一下是因为有些人将来可能会修其中的内容，比如做Finance的人会去修Continuous time SP, Stochastic Integral and SDE,做计量的人有的会去学Weak Convergence and Convergence of SP跟Limit Theorems for Dependent Sequence等。我虽然没有修过但是已经接触到了其中甚至大部分的内容，比如我这学期上的Probability II已经将重要的Continuous time SP 跟Stochastic Integral，SDE都讲了；Weak Convergence and Convergence of SP虽然后面我没学好，但是Weak Convergence我还算是学明白了，因此我知道有哪些书是用的比较多的，在这里稍微列一下，以便兄弟姐妹需要学的能找到合适的参考书，还有过来读 Econ PHD的知道哪些书可以带来，以便省钱，呵呵，省钱万岁！！
Continuous time SP跟Stochastic Integral and SDE都是联系在一起的，好多教材都是两者一起讲，这其中比较好的教材为：
Revuz and Yor, 《Continuous time martingale and BM》(国内世图好像即将出影印版了)
Williams and Rogers, 《Diffusions, Markov Process and Martingales》I & II（有影印版）
Oksendal，《Stochastic Differential Equations》(有影印版，好像都出到第六版了，可能是最简单的Stochastic Calculus教材)
Karatzas and Shreve, 《BM and Stochastic Calculus》（GTM，有影印版）
Protter，《Stochastic integration and differential equations 》（国内即将有影印版，这是最难的一本Stochastic Integral教材了可能）
Shreve，《Stochastic Calculus for Finance》，Vol II（国内有影印版，这本是现在标准的Continuous Time Finance的教材了，这边大部分的Financial Engeering Program都用这个）
Weak Convergence and Convergence of SP的教材有：
Billingsley， 《Convergence of Probability Measure》
Jocod and Shereve，《Limit Theorems for Stochastic Process》
Ethier and Kurtz，《Markov Process: Characterization and Convergence》
Van der Vart and Weller, 《Weak Convergence and Empirical Process》(这其实是一本Empirical Process的教材，但Weak Convergence讲的很不错)
这些书国内好像没有影印版，不过倒是都有电子书，大家在网上应该可以搜索得到。
Limit Theorems for Dependent Sequence
用这些内容的我觉得肯定是想做Time Series Analysis的同志们，可以参考的教材有；
Hall, 《Martingale Limit Theorems》（这本书早已不印刷了，不过网上找得到）
Davidson, 《Stochastic Limit Theorem》（这是计量经济学家写的，不过连Billingsley都在他的专门提过）
好了概率部分就结束了，最后还有数理统计的一部分就大功告成了。
2 数理统计
2.1：Basic Mathematical Statistics：
这是基本的非基于测度论的数理统计，这部分内容加上1.1的Basic Probability Theory其实正好是美国这边Econ PHD计量I的内容。这部分数理统计的内容相当于这边本科Hornors Course for Math Statistics的内容，因为我在国内既上过经管类那种概率统计一门课大杂烩的数理统计，也上过数学系单独一学期的数理统计，从而比较知道两者的区别，当然这也仅限于我本科所就读的学校。这门课跟前面的1.1 Basic Probability Theory一样，我觉得不需要去专门修本科Honors的课，但是最好自己或者在上计量I的时候认认真真的把基本数理统计的基础打好，这样做不光是对那些做将来做计量理论的同学而言，对那些打算做别的领域的，也同样适用。因为不管你做微观，宏观还是Finance，哪个现在都是Theory跟 Empirical并重的，现在连Auction Theory都在做计量检验，更别说宏观，Finance等等了。顺便说一下，经常看到有人在BBS上说自己看不懂计量经济学的教材，比如 Green，Hayashi或者Davidson & Mackinnon，其实我以前也是看不懂，跟大家的感觉一样，迷迷糊糊。后来才知道，其实就是因为数理统计不行，因为现在所谓的计量就是以统计里面的回归分析为基础发展起来的具有经济金融数据特点的统计理论，这本身就是统计学，数理统计不行当然看不懂。
这门课的教材可以用一般计量I的教材，比如Gallant的《An Introduction to Econometric Theory》，Birrens，《Introduction to the mathematical and Statistical Foundation of Econometrics》，但是我个人更偏好一些纯数理统计的教材，比如Casella & Berger的《Statistical Inference》，还有更深一点的Bickel & Dokosum《Mathematical Statistics: Basic Ideas and Selected Topics》，因为我是打算做计量理论的。前面两本因为是计量I的教材，更偏重于一些在计量中有直接作用的统计的介绍，而后两本是标准的北美这边统计系非测度数理统计的教材，当然其实Bickel & Dokosum已经算是接近于使用测度论作为语言了。学习后两本可以使得你对统计的理解更深刻，知识面也更广。我自己是在上计量I的时候将Casella & Berger认真的通读了一遍，做了大量的课后习题，同时参考了Bickel & Dokosum的教材，而后来在修下面基于测度论的数理统计时又参考了Bickel & Dokosum。我没有读过Gallant与Birrens，因为计量I的Professor有自己的Lecture Notes，所以我对这两本不是很有发言权。但是这两本我都浏览过，所以知道它们的内容。
个人建议：如果你打算做计量理论，可以将Casella & Berger与Bickel & Dokosum作为计量I的主要教材，认认真真的把前一本上面的习题完成，打好基础；如果不是做计量理论的，我觉得可以读Gallant与 Birrens，适当参考一下Casella & Berger，它上面的习题多又好，而且还能找得到答案做完后对照思路。Casella & Berger国内有影印版，Bickel & Dokosum现在都是第二版了用，第一版国内有翻译版，不过第二版好像也要快出影印了，我不建议读翻译的；Gallant与Birrens好像国内有些学校有复印的，网上可能也可以找的到。
2.2：Measure-based Mathematical Statistics I & II
这其实是包含两门课的一个一年的Sequence，因为一门讲不完这么多内容的。但是我觉得只有打算做计量理论的才需要考虑这个课，不象在讨论前面的 Probability I & II时， 我觉得所有Fields的人最好都修Probability I，而Probability II则不一定这样的分开来考虑，所以我把它们放到一起讨论。这个课其实是Statistics PHD一年的Core Course，可想而知是讲的比较严格的。
这门课的主要内容就是严格的数理统计理论，既包含Statistical Inference（Point Estimation, Hypothesis Testing，以及Confidence Set），又包括Statistical Decision Theory；既包含Frequentist方法，又包括Bayesian的方法；既有小样本的uation标准，像是Unbiased，UMVUE等等，又包括大样本的Asymptotic Efficiency统计评价方法。当然，这个课还包含很多现代统计方法的简单介绍，比如 Nonparametric，Semiparametric，Bootstrap为代表的Resampling方法。不过这里只能是简单介绍，详细的内容只能由后续课程或者通过自学（因为这些课程的开设都是跟老师的研究兴趣有关的，一个学校不一定能把所有的课都开起来）来完成。详细的课程内容我就不多说了，因为我个人觉得，凡是想做计量理论的人这门课的内容都是必然要具备的素质，起码对于现在这个年代的计量理论来说我觉得是这样，看看现在 Econometrica，Econometric Theory，Journal of Econometrics上的Paper，基本上都是各种各样的新的Estimation，Hypothesis Testing方法的提出，所用的工具无不是基于现代数理统计最新的研究进展，如果不能打一下一个很坚固的数理统计基础，起码对我来说真是难以想象怎么来做研究将来。
这门课的主要教材就是著名的《Theory of Point Estimation》（TPE） by Lehmann and Casella，与《Testing Statistical Hypotheses》（TSH）by Lehmann and Romano，我想这两本教材的难度很多人都早就听说过了，反正我觉得这两本书真是得至少花一年的时间才能学好，课后的习题多，质量也好，这边的图书馆里能借到他们第一版的习题解答，非常老了，感觉字体很象是手写然后复印的。这本习题解答的作者一说大家肯定知道，就是写了类似于Probability百科全书的《Modern Theory of Probability》的Kallenberger了。跟这两本书难度差不多相当的Bayesian统计的书可以参考《Statistical Decision Theory and Bayesian Analysis》by Berger，注意这个Berger跟与Casella写《Statistical Inference》的Berger可不是一个人。另外，Shao Jun的《Mathematical Statistics》写的也是非常之好，内容涵盖了TPE跟TSH的所有内容几乎，当然程度要容易的多，并且这本书简单介绍了包括 Nonparametric，Semiparametric，Bootstrap，甚至还有Empirical Likelihood的几乎所有的现代统计方法，真是一书在手，天下事尽知啊。还值得一提的是，这本书习题也是很丰富，而且还有专门的一本习题答案，以供大家参考，如果能好好利用这些习题，还是那句话，受益终生。我自己上课时老师把这基本都列为了参考教材，我则除了TPE跟TSH上老师上课讲的内容外，仔细读了Shao Jun的相关内容，并且做了上面的一小部分题目，收获颇丰。Shao先生（我不知道是不是邵，所以只好写拼音）好像是国内华东师大毕业的，现在为U of Wisconsin at Madison统计系的主任，那里Statistics PHD第一年的Math Stat Core Squence就是讲他这本书。
不知道为什么纯数学的书国内有影印版的非常多，但是统计的书国内很少找到影印版，这使我想起了有位统计牛人在一个报告上说的，国内跟国外在统计学研究上的差距这几年非但没有缩小，某种程度上反而有点扩大了。我不是做数理统计的，也不知道事实是否如此，不过统计方面影印书的出版比纯数学方面的差了很多，这是一个很奇怪的现象，因为统计在现实中的应用应该更多些，按说统计书的引进应该是更快一步才对，现在反而是相反的。这里想推荐一本中文的高等数理统计教材，那就是陈希儒先生的《高等数理统计》了，陈老的地位以及水平我想我不需要多说了，他这本书写的是非常之好，基本跟TPE，TSH差不多一个难度水平，不过就是内容少了一点。还有就是这本书习题令人称赞，而且书的后半部分就是习题的参考答案，供大家研习之用。陈老对做习题以掌握内容，训练基本技能的说法我想很多同学都是见过的，不得不说，姜还是老的辣啊！！！
个人建议：这门课值得好好花一年的时间学好TPE，TSH或者学好Shao Jun，Bayesian的部分可以参考下Berger。Berger的书国内有影印版，其他基本好像没有，不过可以找得到电子版，而且国内一些学校也有复印版。题目要认真做，多做。
2.3：Asymptotic Statistics
Asymptotic Statistics包括了数理统计里面的很多大样本理论，比如M-Statistic, U-Statistic，MLE，Asymptotic Relative Efficiency，Empirical Process等等，我觉得是应该作为一门课认真学学的，教材可以用现在最流行的Van der Vart 的《Asymptotic Statistics》，事实上很多学校都已经将这门课开做一本Stat PHD的必修课。由于我自己还没修过，所以我没什么发言权，只能推荐这么一本书，不过很多Professor都有Course Webpage，大家可以去网上搜索，看看他们怎么个讲法，讲哪些内容，找相应的课本认真学习，打好基础。我本人正打算这个Summer学这个，因为以后要把大部分的时间都转向与我自己的研究方向相关的学习，还要开始准备我的PHD Dissertation，因此估计比较少有时间再去象第一，二年一样这样耐心的打基础了，所以觉得最好在Summer将这门重要的内容解决掉。
2.4：Topics in Modern Math Statistics
这个不是一门课，是我把所有的除了基本的One-Year Core Sequence与上面的Asymptotic之外的现代统计方法都放到了一起，大致包括了Nonparametric，Semi- parametric，Bootstrap，Empirical Likelihood等内容。这些都是近几十年才发展壮大起来的现代统计方法，其中像是Bootstrap也不过是1980年左右才开始的。
如Nonparametric，Semi-parametric，Bootstrap，Empirical Likelihood这些内容都是现代统计理论中的研究方向，很多研究还正在进行中，我个人只是因为要用从而自学了Nonparametric的一些书，但因为这方面的书特别散，没有一本将所有Nonparametric方法都讲好的书，所以很难做推荐，所以这里就不多说了。需要说的是，这些研究方向都有相关的计量领域对应，比如Nonparametric Econometrics，Semi-parametric Econometrics，Bootstrap Econometrics，这些其实是相应的统计方法在对Econ跟 Finance特点的数据的应用，有的时候Statisticians搞出来的这些统计方法针对的数据类型跟Econ，Finance的数据特点不符，而 Econometricians做的就是基于原来的方法提出针对这些Econ，Finance特点的数据进行分析的新的统计工具，由于基于的 General的统计方法不一样，因此便有了Nonparametric Econometrics，Semi-parametric Econometrics，Bootstrap Econometrics这些称呼。这与以数据本身类型对计量分为Micro-econometrics（Cross-section, Limited Dependent Variables） Time Series Analysis, Panel Data Econometrics(有的把这个也归为Micro-econometrics)，是不同的，不同的方法跟不同的数据类型结合在一起便形成了很多不同研究方向与叫法，总之，对计量进行完全彻底的分类好像很难。
由于这些内容既不简单，我也没有完整学过，所有我在这里就说到此为止了。实际上，我也不可能把它们都学完，一是我知道自己没那么大能量，水平毕竟有限；二是也没有必要，这些学不学，学到什么程度都要视你的研究而定，你需要用就学，不需要就算。说实话，我觉得现在经济学研究已经开始逼近象数学一样的高度分工了，做微观跟做计量的互相很少有共同语言，即使都是做计量的，不同的方向能通话的也是比较少的，比如你做Panel Data，他做Financial Econometrics，不光使用的方法不一样。模型的假设不一样，就连最基本的检验的经济理论更不一样。你需要学习不同的经济理论，这一点就使得两者很难对话。不过话说回来，大家还是有的，象Hausman，L Hansen, Philips，White那样的，诸多方向通吃，水平确实高，没办法。不过我觉得他们的概率，数理统计的基础肯定很牢固，从而来了新的Topic时很快就能上手，我自己觉得这个一个很重要的原因。
一，序
一转眼来美国读这个Econ 的PHD已经两年了，从刚来时的懵懵懂懂与对这边PHD生活的新奇感到现在的每周7天只能休息一个晚上的Extremely Exhausted（个人时间安排不好，每学期选课老是贪多，还有可能就是我太笨了），从刚来时去开个银行账户因为英语不好都差点没开成到这个学期其中三门课做了四堂Presentation而且越做越来劲，甚至都有点Enjoy这个过程（当然口语依然是差强人意）。回头看来，时间好似过了很长，又好似所有的都是在昨天；路好像走过了很远，但又好像只是完成了美国大街上的一个Block；东西好像学了很多，但是又好像只是了解了点皮毛，离着运用自如依然有孙悟空一个筋斗云才可以完成的距离，总之真是感慨颇多。不过正是由于这样的感觉，我才有了写一个自我安慰的学习总结，算是对这两年学习生活的回顾，给自己一个一段路已经结束，需要踏上另一段征程的心理暗示。同时，希望我的学习过程以及对相关课本的个人感觉，能对已经在路上或者即将上路的兄弟姐妹们有一个帮助（怎么感觉象去法场？）。希望觉得有帮助的或者能从里面找到一点共同的经历的兄弟姐妹们对着它会心一笑，更希望与我有不同观点的人说说他们的感受，从而让别人对这个过程有着更明确的认识，以免我的愚见对别人产生负面影响，这是我最不希望看到的。好了，突然发现自己变得好罗唆，也许是英文看多了用多了的缘故，还是中文更Sharp一点在表达意思上（也可能是自己中英文水平都差）。好了，废话少说，现在开始。
二，我这个总结的用处？
第一， 对自己的学习算是个回顾总结。
第二， 你可以了解美国这边Econ PHD上的一些课，怎么上课这边
第三， 不论是在国内读博的同学还是要到这边来开始PHD生活的兄弟姐妹，可以把它当作一个你自己学东西的参考，这里面虽是我个人的偏颇之见，但是很多关于上课的东西我觉得还是有一定代表性的（我现在一个常青藤学校）
第四， 对于来要来美读PHD的同学，我相信从我的总结里你可以找到一个带书的List，因为我推荐的大部分书都是在国内有影印版的，带过来会省下你一大笔开销，初步估计1000刀左右。自从来美后，不算我从国内带过来的那些书，我在这边为了买书已经花了1500多刀了，其中很多是国内有影印版但是当时没带来，或者影印版是最近才才出的。
三，两点声明：
第一， 我这里面经常会中英文混杂，不要认为我显摆，我都习惯这样乱用了，就宽恕我吧；更不要骂我假洋鬼子，我会很不舒服，我是中国人。
第二， 我个人不是很赞同花很多时间在论坛上发帖子，写Blog什么的，至少对我来说，写这种个人感想的东西都是很认真的讲自身感受，所以特别费时间，有这些精力你去多学一门课多好。当然，纯粹个人观点，仅供参考。但是对我来说，这可能是从过去两年到未来两年内唯一的一篇个人感想了。当然，如果新的经历积累到了一定程度，我想我会再写下一篇的（谁会点我写不写呢？呵呵）。
四，个人数学，经济学等相关学科的背景：
把这个加上是因为我觉得任何经验介绍以及课本推荐都是基于个人背景的，我觉得容易的东西可能别人觉得难，而相反我觉得难的东西别人可能觉得相当简单。把个人背景加上，这样希望借鉴我经验的人就可以对照着看是否我说的适合不适合，如果背景比我好，可以把难度适当加大点；如果觉得背景比我稍差点（我估计基本没有了！），可以适当的从稍微基础点的地方开始。我本科专业是管理科学与工程，学校就不说了。
我本科学的数学相当于考研的数一，Calculus一年，Linear Algebra一学期, Probability and Statistics一学期。我相信大部分经管类的学生学的数学课也都是这些，不过有的讲的深一点，有的就讲的很浅。总的来说，Univariate Calculus 我掌握的很好，因为我很喜欢那些证明题，比如Mean-Value Theorem那一块的东西，Multivariate 部分不好，这块是国内数学教学的一大问题，拿我所在学校的数学系来说，Multivariate Calculus也是一个巨大的问题，通常大部分是计算题，不以Linear Algebra为基础将那些重要的定理进行证明，如果你看一下《Principle of Mathematical Analysis》(以下简称为Baby Rudin，他写的三本书我都会详细介绍，这是第一本)，你就明白这种差距了。其他学校也应该差不多，拿北大来说，张筑生老师的《数学分析新讲》我也读过，已经非常非常好了算是，但是感觉在难度上仍旧跟《Baby Rudin》差着一些。Linear Algebra 我学的很好，基本上计算部分不是任何问题，但是跟国外这边数学系Honors Courses还是有差距的（国外这边Undergraduate课程分为两个Sequence，一个是基础的，以计算概念为主，另一个是纯理论的，一般叫做Hounors Courses，不同的地方叫法不一样可能，但都是以证明为主，修这些课的人基本都是以后要读Graduate School的）。Probability and Statistics基本是只学的基础概率，统计讲的很少。这导致我后来不得不去修大量的数理统计理论课程。纯数学的课程就是这样了，还有一些应用数学的课程，比如我本科学了一年的Operation Research，内容就是那些Linear Programming and nonlinear Programming，排队论什么的优化方法，这其实正好是数理经济学的内容，所以对我帮助挺大的。其他的主要是计算机课程，学过很多编程语言以及数据库（PASCAL，C，C＋＋，Data Structure等等），对我现在的好处就是见了什么新软件根本不害怕，虽然不同编程语言语法不太一样，但是原理都是那样的。我本科经济学基本上没什么，只是一门微观经济学，不过那个老师课讲的非常好，所以导致了我后来的转专业考研。
我的研究生是在同一学校读的，这里是比较有远见的，开了高级微观，高级宏观，高级计量这些课程，用的教材也算是不错，算是给我们开阔了眼界，导致了我后来申请出国。微观用的《Maschollel》，自我感觉学的可以，因为那些优化工具我都还算知道；宏观用的《Romer》，一塌糊涂，因为不会动态的优化工具；计量用的《Green》，由于概率统计基础不好，导致只是死记了几个公式，根本不明白是什么回事。后来还上了动态优化，金融经济学（用的黄奇辅那本书）。这便是研究生阶段学到的经济学。这个阶段我最重要的一个决定就是去数学系选修数学课，因为老是看不懂很多课本，比如Duffie 的《Dynamic Asset Pricing》等等，基本是除了最基本的经济学书其他的都看不懂，因为里面的数学我不明白。最后实在忍受不了那种瞎猜胡蒙的感觉，我决定去数学系修课，实际只能旁听，因为我们好像没有这种外系可以到数学系修学分的机制，虽然国内有些学校比如北大是可以，但是毕竟还是太少了啊。很多想申请Econ PHD的本身读经济的同学，知道数学重要，但是却没有办法去修课来补，真是一大憾事，我相信如果可以的话，许多同学通过修数学课是可以进入更好一点甚至是 TOP的学校的。我先后在数学系听了实变函数，随机过程（不基于测度论的，因为是本科课程），泛函分析，概率论（用的复旦那本著名的教材，李贤平写的），数理统计，测度论（用的是北师大严士健 <测度与概率> <概率论基础，以及严加安老师的《测度论讲义》，还有因为这些书看不明白了，我自己读了一部分钟开莱的《A Course in Probability》）。这便是我来美学习前所有的数学经济学背景了。
五，纯数学课程科目与教材推荐
由于现在纯数学大概按照分析，几何与拓扑，代数三个大方向来分类，所以我也按照这个分类来一门一门的看，概率与数理统计我放到另外一部分来讲。
1：Analysis：
1.1：Mathematical Analysis
上面我已经说过，微积分或者数学分析在美国这边分为两个Sequences,基础的Sequence主要讲Intuition，概念以及计算，我相信大家都已经很熟。但是第二个Sequence才是精华，这个Sequence是一年的，主要教材为《Baby Rudin》，或者Strichartz的《 The Way of Analysis》，又或者Apostol 的《Mathematical Analysis》。 《Baby Rudin》最为严格，基础不好的人看起来比较枯燥，但是It deserves a year’s effort. 如果花上一年的时间讲其学好，个人认为将会受益终生，不论将来你做哪个方向。Apostol相对比较有趣点，包含了很多计算的内容，而且还包含了 Complex Analysis的简单介绍，而Strichartz则是从一种纯粹Intuition的角度出发来讲述整个Calculus体系，用词非常口语化，评价则是褒贬不一。
关于这门课的重要性，我有这么一个故事。 刚来美学习时，系里夏天就安排了一个Summer Math Camp，这种安排据我所知是几乎美国好一点的Econ PHD Program都会有的，内容就是给学生复习Calculus以及Linear Algebra的东西，从而让学生早一点进入状态以便更好的进行第一年Core Course（微观，宏观，计量以及数理经济学）的学习。我们在Summer Math Camp完了后有个考试，内容就是关于数理经济学的，如果你能考过，就可以免修第一学期的Math Econ，我幸运的得以免修。还有几个同学也过了，结果我们就收到了Director of Graduate Studies的email，建议我们免修这个课的人去数学系修Honors Course for Analysis。而且，等第一年考过Qualify后，很多同学也被建议去修这个Sequence，从而导致我认识的人，不论做微观，宏观，计量，IO，还是Development几乎都修过这个课，至少是这个Sequence的第一学期的课。由此可见，基本的Mathematical Analysis是多么的重要。
个人建议：Baby Rudin与Apostol国内都有英文版（强烈建议，有英文版一定要看，千万不要读翻译过来的），基础比较好点前者为主后者为辅，基础感觉不是很 Strong的后者为主，前者为辅。这两本书的大部分答案网上都可以找得到，不过一定要自己做，要不然等于没学，切记切记！！！
1.2：Real Analysis
Mathematical Analysis是数学系Undergraduate将来进Graduate School的Core Course，而Real Analysis则是Math PHD Program的Core Course。一点需要特别注意的是，千万不要将这门课跟国内的实变函数等同起来，光是内容就差的很多。国内的实变函数讲的是n维欧式空间的测度与积分，而Real Analysis则讲的是抽象空间上的测度与积分，而且这只是第一部分内容，后面还有关于Lebesgue意义下微分与积分的关系，Measure Decomposition与Radon－Nikodym 定理，基本的Functional Analysis（Banach Space，Hilbert Space甚至包括Topological Vector Space的基本概念）以及基本的Fourier Analysis（Classic Case）。也就是说，除了一点Compact Operator Theory之外，这本课包括了国内数学系本科实变与泛函分析两门课程的内容而且难度更大一点，当然这是针对我所在学校的数学系，其他学校不敢妄自揣测。
这门课比较好的教材为Rudin的《Real and Complex Analysis》(前九章)，Folland
个人建议：这四本书国内都有英文影印版了，其中Folland好像是今年才新出来的（心疼啊，我在这边花了50多刀买的），可以将Rudin与 Folland作为主要教材，后两本作为参考，认真学好。
1.3：Measure Theory
其实把测度论写在这里是重复了，因为测度论的内容实际上是上面Real Analysis的主干内容与基础。之所以写在这里是因为，有些学校比如我所在的学校，考虑到很多学生比如Statistics，Financial Engeering以及咱们Econ的学生学习测度论主要用来进一步学习基于Measure-theory 的Probability theory，他们用不到那么多的Analysis的知识，因此便将这一块内容单独抽出来设置课程（感觉老外课程设置都有点市场化的感觉）。主要内容包括抽象空间上的测度与积分论与基本的泛函分析，因为泛函在Stochastic Process里面也是到处可见。当然，这里测度与积分讲的更加深刻，我上这门课的时候，光是Radon-Nikodym定理就证了整整两节课，到现在我还能记得大概的证明思路。
这门课的主要教材我当时用的是Bartle的《The Elements of Integration and Lebesgue Measure》，一本薄薄的200页教材花了我80刀，现在想来当时真是舍得花钱，换到现在肯定WS的从图书馆借出来然后去复印了。不过这80刀激励的我将这本书彻底涂成了一个花脸，到处都是Notes，想想也值了。其他的参考教材是Halmos的经典的GTM《Measure Theory》，这本书Measure Theory的经典，不过很多人觉得Notation有点老了，跟现在常用的不太一样，比如测度的Caratheodry Extention Theorem现在都是从一个Sigama-Algebra开时，那本书好像是从Sigama-Ring开始的。严士健的那本 <测度与概率>关于这部分简直是Halmos的翻版。还有本不错的书就是Dudly的《Real Analysis and Probability》，因为这本书后面就是讲Probability的，因此前面测度与积分的部分应付后面的Probability足够了。当然，你也可以参考前面Real Analysis部分的教材，比如Rudin《Real and Complex Analysis》与Royden，他们抽象测度与积分讲的还是不错的，其中Rudin证明Radon-Nikodym则是基于L^2空间的Rieze- Representation Theorem，是基于分析的，跟其他基于Measure-Decomposition的不一样。
个人建议：这门课跟Real Analysis是重复的，如果你学了前者，你只需要再补一下Measure Theory常用的证明技巧，比如Dynkin老先生的“PI－Lamda Theorem”，还有所谓的“Good Set-Bad Set”技巧等就没什么问题了；如果你不想花那么多的时间来搞Real Analysis，那么你可以学这门课，Bartle国内没有，我觉得可以用Halmos，Rudin的测度与积分部分，Halmos，或者再加上 Royden。这门课掌握了，如果你什么时候需要多一点的Analysis，你可以把上面Real Analysis的教材拿来，只看你不知道的就好了。
1。4：Fourier Analysis（Classic）
Fourier Analysis真的很重要的，记得有人称之为”Queen of Mathematics”,因为数学中无数的重要思想都来在于对这个领域的研究。它跟PDE那是紧密相连；Probability里面的 Characteristic Function就是一个Fourier Transform；Time Series的Spectrum就是Auto-covariance Function的Fourier Transform；统计与计量中讲Empirical Characteristic Function作为进行Specification Test的基本工具，还有好多好多例子说明它在不同领域中的应用。
不过这门课很少单独作为一门课被讲解，我是从前面的1.2 Real Analysis与后面要介绍的Wavelet Analysis两门课中各学了一半算是。Classic 的Fourier Analysis主要是研究Fourier Series 展开与Fourier Transform成立的条件，主要推荐的书为Stein & Shakarchi 的《Fourier Analysis：An Introduction》这是Princeton Lecture Notes In Analysis的第一本，也是大师Stein的主要工作领域（他的名著的调和分析三部曲想必很多人知道），看看这本书的前言你就可以了解为什么 Fourier Analysis这么重要。不过这本书是基于Riemann积分的，因为前面的Fourier Series与Fourier Transform讲的深度有限，毕竟现代的结果都是在Lebesgue积分下得到的，但是这本书给出了Finite Fourier Transform在Number Theory里面的应用，让你的视野一下子就开阔了很多。这本书我是从头读到尾的，每个定理的证明都认真推导过。基于Lebesgue积分的 Classic Fourier Analysis的主要推荐则是Katznelson著名的《An Introduction to Harmonic Analysis》，经典的结果都在里面，当然Rudin
最后说一下，这里讲的都是比较经典的结果。现代的Fourier Analysis理论（现在都叫Harmonic Analysis了），包括Littlewood-Paley以及Calderon-Zygmund theory，真是是太难了，我在学Wavelet Analysis时本来想试着去学一点，因为Wavelet有一块理论基础要基于这些，结果后来实在学不下去，只好就此放弃了。当然我现在觉得我需要用的东西也不需要学这么深入的东西，所以想想心里就舒服多了，自我安慰还是很好的
个人建议：以Stein & Shakarchi，与Katznelson为主，这至少需要一个学期，如果你不想花那么多时间，那么先看Stein & Shakarchi，然后再读Rudin与Folland的相关章节，最后以Katznelson跟Pinsky作为参考，遇到不明白的到这里来找，这样应该就OK了，其实我就是采取的后一种策略，当然这跟我学过Rudin与Folland有关系。
1.5:Complex Analysis
这门课我想说的不多，这里本科有个Honors Course for Complex Analysis,然后Math PHD的Core Course 也包括Complex Analysis，显然后者比前者要理论的多，前者计算多一点，后者理论比较多，甚至包括Riemann Mapping Theorem的证明，但是就我看到的来说，感觉本科的就够用了对Econ来说，因此学到什么程度依大家的喜好来定可以。
前者的参考书可以用Brown & Churchill《 Complex Variables and Applications》，Stein & Shakarchi的《Complex Analysis》，也即Princeton Lecture Notes In Analysis的第二本的前面两章。后者的参考书可以用Stein & Shakarchi的《Complex Analysis》后半部分，Rudin《Real and Complex Analysis》的后半部分，当然经典的Alforos的《Complex Analysis》也是上上只选。我当时学Complex Analysis上的是Graduate Course，用的是后面这几本，以Stein & Shakarchi为主要教材（这本书习题答案网上找得到），遇到不会的就去另外两本上找，其中关于Residual 的计算主要是靠Alforos上的内容。老师讲的飞快，一个月就把前面相当于本科复变函数的部分讲完了，后面讲了很多非常理论性的东西，比如 Riemann Manifold的东西，听得我很晕。
个人建议：我自己觉得如果你本科是数学系的或者学过复变函数在国内，那么应该不用再学这个课了，足够用了。如果没学过的，建议修这门课，毕竟至少Time Series里面很多东西都是Complex Varariable的，实际上我自己正在写一个Paper，里面Estimator的Asymptotic Distribution服从Complex Normal Random Variable。另，这些书在国内都有英文影印版，省钱啊！！！
1.6:Basic Functional Analysis:
Functional Analysis我打算分开两部分讲，因为做不同方向的人需要是不一样的我觉得。我所在的学校Functional Analysis是有两个课，一个是与前面有重复的叫做Applied Functional Analysis，另外一个是Advanced Functional Analysis，是比较深的理论。本部分讲第一个。这个课的内容就是基本的Functional Analysis内容，主要是为那些Engeering，Statistics，Finance，Operation Research专业的学生设计的，Math PHD学生是不会上这个的，因为大部分内容他们都在前面的Real Analysis里面学过，除了一点Compact Operator Theory或者至多再加上一点Generiazed Function Theory。也就是说，这个课内容主要是Banach Space, Hilbert Space, Compact Operator,以及Generalized Function Theory.前面两部分都是Real Analysis里面的内容，后面分别属于Operator Theory与Fourier Analysis。这学期我们系两个在做Finance，Decision theory的比我高一级的哥们就在上这个课。
主要的参考书是Friedman《Foundation of Modern Analysis》，这本书写的真是太好了，看起来很舒服，证明写的很全很清楚。其实我没有上这个课，我上的是后面的Advanced Functional Analysis，但是因为后面这个课也讲Compact Operator与Generalized Function Theory,而且两门课老师是一个人，因此我找了这本书看
个人建议：Friedman这本书国内好像没有影印版，但在网上好像有电子版。有一本很好的替代教材，而且是中文的，那就是夏道行先生的<实变函数与泛函分析>，这本书跟Friedman那本书讲的内容深度几乎没什么差别，我觉得这是我看过的中文数学书里面写的最好的一本了，真的是很好！！！！！！！！！！！！
1.7:Advanced Functional Analysis:
这是一门数学系的高级课程，好多来修这门课的都是二年级的Math PHD学生。我是这个学期上的，内容是Topological vector spaces.，Banach algebras.，The spectral theorem for bounded and unbounded operators.，Compact operators ，Semigroups of operators。从内容你就可以看出难度来相信。其实我觉得这门课应该改名叫算子理论，因为主要是讲各种算子以及谱理论。虽然这门课很难，但这是我这学期上的最舒服的一门课了，原因是老师真的是讲的太好了。上课从不看Notes，那么难的定理，不单Intuition讲的明白，而且证明都可以边讲边推。我刚开始以为他还很年轻，因为他老是充满了精力。后来我的朋友告诉我，他已经76了，很快就要退休了，真是令人惊叹不已，不得不服。这门课没有 Final Exam，所有的学生轮流讲最后两章也即Compact operators与Semigroups of operators的内容。结果轮到我的时候正好是Hille-Yosida定理的证明，别人都只需要讲一节课，而我却两节课还差点没讲完，不过 Professor安慰我说，我多给你加几分，然后冲我幽默一笑，真是有意思。这门课快结束的时候，班上的学生都觉得挺依依不舍的，毕竟一起钻研了这么多 Crazy定理的证明，也算是共患过难了。还有小插曲一个：班上一个罗马尼亚的学生问我汉语跟韩语的区别，我立马跟他说，韩语以前不是语言，只能说，不能写，写都是写中文，他觉得很惊讶。班上其实有个韩国女生，化妆之后挺PP的（但不知道化妆前啥样），不过那天她好像不在。管不了这么多了，一定得给他们普及常识，别再让汉语韩国造这种白痴的说法恶心了！！发现跑题了，书归正传，我们上课用的是老师自己写的Leture Notes，参考教材是Rudin的《Functional Analysis》（被称作Adult Rudin），另外Zimmer的一本薄薄的
个人建议：如果你做的方向不是用特别深的随机过程理论，这些就不必要学了，学好前面的Basic Functional Analysis就好了。我学这个是因为我可能想做点Continuous Time Stochastic Process的估计与检验，而这里面的Semi-group of operators是研究Continuous Time Markov Process的一个重要工具。如果要学的话，Adult Rudin与Lax国内都有英文影印版，不过基础一定要好，这样才能学明白，而且不至于耗费你大量的时间。
1.8：Wavelet Analysis
首先声明，Wavelet学不学看你是否需要它。我学这个是因为我要做的东西需要Wavelet这个工具。Wavelet是近十几年才发展起来，但是因为它的应用极为广泛，而且相对于Fourier Transform有着Space Localized的优势，从而成为很多领域的重要的工具，比如Signal Analysis, Numerical Solution for Differential Equations, Nonparametric Estimation，甚至现在Econometrics 里面都有了很多的应用。
我是这学期上的这个课，课程是为高年级的Undergraduate设计的，但其实应该算是Graduate的课才对，因为其中很多证明虽然不讲，说可以 Take It As Granted，但是如果你把太多的东西当作Given，那就合着什么都没说。学这个的基础至少为前面的1.6 Basic Functional Analysis与1.4 Fourier Analysis，要不然很多你东西你根本不知道怎么回事。我上课用的课本为Frazier, 《An Introduction to Wavelets Through Linear Algebra》，说是Introduction跟用Linear Algebra，其实根本不行，所以这本书的Title很具有诱惑性，不过这本书好处在与将Finite的情形讲的特别清楚，从而不至于使你迷失在无限维空间的众多的公式之中，忘记了身处何方，而且毕竟你要用Wavelet，肯定用的都是Finite近似Infinite的情形，所以还是很好的。顺便提一句，这是我这学期四次Presentation中的第一次，巨紧张无比当时，幸亏前天晚上对着我学文科的LP一通猛讲，进行了提前训练（估计她才不 Care我讲的啥，只是当看耍猴了），才使得第二天Presentation不至于出丑，不过经过这么一次，现在对任何Presentation都没什么畏惧感了，毕竟如果你在讲那么你就是专家，所以没什么可担心的。
其他比较好的参考书有前面提到过的Pinsky，Hernandez 与Weiss 的《A First Course on Wavelets》，Wojtaszczyk的《An Mathematical Introduction to Wavelet Analysis》，至于著名的Daubechies的《Ten Lectures on Wavelets》，我看还是算了吧，书太难了，如果你不是搞数学的，看这个感觉没什么必要。
个人建议：我只知道Pinsky的书国内有影印版，其它的可能没有，不过Pinsky的书写的足够用了我觉得，把它看明白了，做点Econ里的应用应该是可以了。别的书大家可以试着在网上搜索，应该可以找得到。
1.9：ODE&PDE:
这个我没什么可说的，因为我自己还没正式上过课，只是在国内的时候自己浏览了一下一本中文教材，丁同仁的《常微分方程》。我下一年有可能去修这个 Sequence，第一学期ODE，第二学期PDE。它们是比较有用的，不论对做Macroeconomics还是Finance的来说，因为 Optimization问题解出来是一个ODE或者PDE，而且PDE 与Brownian Motion紧密相连，同时ODE则是Stochastic Differential Equation的Intuition基础。这方面的书我还没读，虽然我知道一些经典的书，但是因为我没读过，所以我就不推荐了！有兴趣的兄弟姐妹去网上查查可以。
到这里纯数学的部分就完了，后面会有概率跟统计的部分。
2：Geometry&Topology:
这个Field里面我只说一下Point-Set Topology，因为更深的比如Algebraic Topology 跟 Differential Topology一是我没学过，二是我感觉经济学里对这些东西的应用都集中在General Equilibrium里面几乎，早被Arrow，Debreu那时代的大师们做的很深入了，好像很少有人号称自己做General Equilibrium了现在。不过可笑的是，国内竟然有连基本的数学知识都很贫乏的人竟然号称自己做General Equilibrium理论，真是滑天下之大稽。
Point-Set Topology我没上过课，由于我一学期毕竟精力有限，必须要上的已经将Schedule添的满满的了，实在没办法再上了，即使勉强去听，没时间做题，没有长时间的认真思考，也学不到什么东西。因此我选择了在来美后的第一个Summer自学。不过因为第一年我在修Real Analysis已经将很多基本概念都熟悉了，而且最重要的是Topology在Analysis里面的应用大概都接触到了，从而使得我在自学时并不感到迷茫，并没有“为什么提出这些概念”，“这些概念有什么用”，“什么样的Intuition”这样的问题，从而速度快了很多，而且理解的也更深刻一些。即使是这样，也花了整整一个Summer三个月的时间才算是学完，我用的是Munkres的
最后为了说明学这门课的重要性，我说一下Point Set Topology的应用，在分析里的就不用说了，如果你是做计量理论的，那么你一定知道Limit Theory的重要性，也就是各种各样LLN，CLT定理。其中用的很多的一个方法就是Embedding，比如极为重要的CLT for Matingale Difference Sequence，而这个方法基于的就是讲Stochastic Process看作一个从时间到一个Function Space的映射，在这个基础下来证明Weak Convergence，著名的Billingsley的《Weak Convergence of Probability Measure》整本书就是讲这个，我相信想做计量的人一定都知道。而这只是A tip of Iceberg，后面非常多的东西都基于这个，比如统计Asymptotic Theory里面的Empirical Process，Stochastic Process里面的Convergence，等等。所以Point-Set Topology我个人认为还是很重要的，当然专门学，只是在相关的课程里面学一下基本内容也是可以应付的，但是对于我自己来说，每次学不同的东西都要来一点Topology中新的东西很痛苦，索性我就一次搞定，再无后患了。不过这纯粹个人习惯。
个人建议：学这门课以Munkres为主要教材，一定要从头学到尾，课后习题尽量都做掉，除了个别怪异的，然后经常翻翻Rudin，Folland, Royden等等，以对其有更加透彻的了解。
3：Algebra
3.1：Linear Algebra
如前面的个人背景介绍，我个人对Linear Algebra的基本概念与运算是很熟悉的，但是来到美国之后才发现，其实自己所学的仅相当于这里数学系Undergraduate第二年的Linear Algebra，而对Honors Course for Linear Algebra里面很多理论的东西则并不知道。实际上，这正是偏计算与偏理论型Linear Algebra课的区别，一个简单的例子就是，前者将矩阵看作一个数据表，而后者将矩阵作为一个Linear Operator。据我所知，国内除了数学系一年的高等代数课外，其他系所教的Linear Algebra应该都是一学期而且主要注重于计算的，理论部分的讲解并不深。即使是国内数学系一年的课，拿北大数学系那本《高等代数》，理论的深度跟这个 Honors课也是存在差距的，比如Spectral Theorem那一块，深浅程度差别是很大的。
为什么要学这些理论部分呢？想想泛函分析里讲的是什么，那不恰恰正是矩阵代表的有限维线性空间上线性算子在无穷维空间上的推广么！！！我当初在国内学泛函分析的时候，老是对有些概念如Dual Space，有些技巧比如用一个线性空间上的所有线性泛函来刻画这个线性空间，等等很多东西觉得很茫然，感觉不到从哪儿来的。而实际上，这些概念都是 Linear Algebra相应概念的推广，只是因为泛函里是无限维空间所以我们需要考虑Topology的问题，而Linear Algebra里则是有限维空间，上面所有的Topology都是等价的，因此我们不在Linear Algebra里面考虑Topology，只有Algebra的相关概念而已。
这个课我学了两次，第一次是来美的第一个学期，当时上这个Honors的课，大概到了学期一半的时候，因为Econ的课考试太多（两次期中，一次期末），再加上我还上了巨难无比的Real Analysis，最后不得不放弃掉；然后上个学期，我又从上次自己停下的地方接着开始听，算是把这门课完整学了一遍。上课教材是Curtis 《Linear Algebra: An Introductory Approach》，写的非常好，前面从Chp1到Chp6相对来说还比较容易对付，后面从Chp6到Chp9则是精华部分，理论讲的很深，证明也必须反复琢磨，题目要多做，这样才能理解深刻。而且很多Abstract Algebra的东西都在这里穿插讲解，比如Group，Ring，Linear Algebra等等。其中关于那些Decomposition Theorem（Jordan，Rational等等）的证明，是基于了Linear Algebra（一个线性空间再加上一些乘法性质）的概念。而Linear Algebra在泛函里的推广，则是著名的Banach Algebra，它就是无限维空间里Spectral Theorem证明的基础。还有一本著名的教材是Hoffman&Kunze的《Linear Algebra》，写的更Comprehensive一些。
个人建议：Curtis国内有影印版，可以以这本书为主，将其做透，习惯尽量全做，如果有兴趣可以看一下Lang 的
3.2：Abstract Algebra
这门我没什么可说的，我自己没去上过课，关键是其在Econ里面不象Analysis那么重要。Abstract Algebra的概念我一部分是在Linear Algebra里面学到的，一部分是自己就读了一本薄薄的中文教材张禾瑞《近世代数基础》，再参考了一下Rotman的《 A First Course in Abstract Algebra》。 我见到过的Abstract Algebra是在Functional Analysis里面Banach Algebra跟Semi－Group算是一点，另外的是在Fourier Analysis里面有抽象的Fourier Analysis在Locally Compact Hausdorff Group空间上，算是将Topology跟Algebra里面的Group概念结合起来，其实这些都是对n维欧式空间的推广。关于这门课我自己也还没决定是否去修，因为以现在我见到的来看，除了我上面所说的Abstract Algebra的东西，好像进一步的深入不是很必要。所以，有时间有精力愿意学的就去学，如果你象我一样，不是那么有时间，我觉得自己读一下张禾瑞的《近世代数基础》大概了解一下就好了，如果感觉不是很清晰，可以再看一下Rotman，感觉这样就足够了。
六，概率统计课程科目与教材推荐
好，现在终于到了与Econ，Finance 关系最紧密的概率统计部分。关于概率统计的重要性我实在不想再强调了，不过需要再说一句的是，很多同学觉得学计量，学Finance很多东西看不懂，迷茫，那就是因为你概率统计没学好；甚至还有很多论调说什么Idea最重要，数学不重要，对于这种说法，我想说，别说Econ，Finance，连数学都是 Idea最重要，任何学科都是Idea最重要的，但是你连基本的知识，研究工具都没掌握，都一窍不通，何来资本去讨论什么Idea？？好了，语调有点激烈，不想多说了，这个问题说多了没意思！下面我概率统计分开讲。
1概率
1.1：Basic Probability Theory
这个很重要，虽然不是基于Measure-Theory的，但是是你明白概率是什么东西的基础。国内数学系本科一学期的概率论的内容基本跟这边 Undergraduate的Honors Course for Probability差不多，但问题是很多学校的老师不怎么认真在讲的时候。比如我所在学校的数学系，当时那个老师真是不咋地，上课光在那闲扯淡，证明一点都不讲，而且课堂过大，整个数学院所有不同专业的学生一起在上课，起码100多号人，效果可想而知。我不知道别的学校情况咋样，但是我本科所在学校的数学系还是国内比较不错的，连这里况且如此，很多地方可能也好不到哪去。当然，这只是我个人的瞎猜想，没有任何证据。
这门课的主要教材是名家Durrett的《The essentials of Probability 》，我想很多人都知道他的另外一本Graduate Probability教材《Probability：Theory and Examples》，现在美国这边的学校几乎都用这本书作为Math PHD Probability课的教材。顺便说一句，Durrett是超级牛人钟开莱（中国人，虽然是美国公民）的学生，好像我记得他在一本书里管钟开莱叫做 Academic Godfather，真是牛到无极限啊。
这门课Durrett这本书所有内容全讲，题目几乎全做，这样使得学生Basic Probability的基础相当好，Probability的Intuition很不错，从而在后面学习基于Measure Theory的Probability跟Stochastic Process时，不至于迷失在Technical Details中。不过这本主要是给Math的学生的，我自己觉得Casella & Berger的《Statistical Inference》前面的Basic Probability部分也是超好无比，而且这是一本数理统计的教材，多了很多Distribution的东西，从而给你学数理统计打下一个坚实的基础。并且，这本书习题量大质量又好，而且网上有Solution Manual，所以是非常好的习题书。我自己其实没有上这门课，不过我们计量I（美国这边计量I其实是概率论与数理统计的内容，不过有经济系的特点罢了）当时教材是Cassella & Berger，于是我就把前五章的习题都给做了，真是受益匪浅。另外，国内复旦李贤平的那本概率论教材也是非常好的。
个人建议：经管类毕业的同学我想都有一点概率论基础了，所以个人觉得不必要专门花一学期修这门课，但是我想自己自学或者在上计量I的时候将基本内容再过一遍，查缺补漏是有必要的，多做点题目，最好能将Casella & Berger前面五章的题目做完，然后适当的参考下Durrett当有概念不清晰的问题时，这样基础就打的比较牢了。Casella & Berger国内有影印版，习题答案网上可以找得到。至于原来读数学的同学，请根据你原来学的深度自行决定。
1.2：Measure-Based Probability-Probability I
这门课跟下面的Introduction to Stochastic Process-Probability II通常在美国这边是一年的Core Course Sequence 给那些将来可能做Probability的Math PHD学生。Probability I的内容一般包括（以我所在的学校为例）以测度论为基础的的概率基本概念，经典的极限定理（LLN于CLT for Independent Sequence）, Random Walk，Conditional Expectation,有的还会加上Discrete Time Martingale Theory。这门课的先修课为Real Analysis或者Measure Theory，你必须对Measure and Integration的内容很熟才行。这门课我想不论你是做微观，宏观，还是计量还是Finance基本上最好都要学，毕竟现代经济学Uncertainty是核心，从而概率的应用极为广泛。微观里现在做的Decision theory, 关于Imperfect Information的很多东西都需要很好的概率论基础，上周跟一个要跟我们这里一个微观牛人做的同学见面讨论，他说那个Professor的 Paper里就用到了Martingale Convergence Theorem，虽然不是很深，但是一个好的Probability基础还是很必要的；宏观里面常用的Stochastic Optimal Control，Stochastic Dynamic Programming；还有更不要提Finance了，如果没有一个好的概率基础，根本连现在入门的Asset Pricing教材你都看不懂，比如Cochorane的《Asset Pricing》，更别说Duffie的《Dynamic Asset Pricing》跟Merton的《Continuous-time Finance》了；计量理论我就更不说了，它本来就是研究一些有经济数据特点的统计理论的，想想Time Series Econometrics里的Unit，Cointergration吧，那里Asymptotic distribution的推导都是基于Functional CLT的。我就不多说了，总之，我们这里理论做的比较好的同学，几乎都有一个很好的Probability基础。
如果你Measure Theory掌握的好，学这门课会舒服很多，当然，你依然需要花费巨大的时间跟精力。我这门课上了两次，一次是在Operation Research系里上的，讲课的是个俄罗斯裔的老师，课讲的极好，真的算是领教了Russian的数学水平，一个字，牛！！！光作业就给我们布置了14 次，每次5－7个题目，一学期下来做了快一百个题目，想象一下，Graduate Course，每个题目光写有的时候就要2页多纸，学的时候真的是痛苦之极，不过学完之后真的是感觉收获特别多。我经常跟OR几个同学讨论问题，他们都是国内数学系出身，有的都是在这边的学校读过数学然后再转到这边来的，他们对作业量之大也很头疼，不过我们都很觉得那个老师确实讲的好，没得说。一个搞笑的是，这个老师的Webpage上写着，“对于那些不想完成作业的同学请点这个链接”，然后等你点了后就到了另外一个Web上，上面是他练空手道的一张照片，而且照片的光线有问题，他两眼发的都是绿光，恐怖啊，呵呵！！
由于这个课老师为了照顾一些对Measure Theory不是很熟的同学，于是他花了快一半的时间又把Measure Theory讲了一遍（这部分内容他主要用Billingsley的《Probability and Measure》里面的测度论部分），因此后面概率的东西只是讲到了CLT，后面没有讲Martingale，而且LLN跟CLT讲的不是特别深入，只是证明了IID情形下的定理，并没有证明Independent but not Identical Distribution的情形，而且我也想学多一点，因此我就去上了Math PHD Probability Core Sequence的第一学期的课（我本来想着上了OR这个然后直接去上第二学期的Probability II就算了的）。总算是把这个搞定了。
总的来说，Probability的好教材是非常之多，其中有Durrett,《Probability: Theory and Examples》，Williams,《Probability with Martingales》，Billingsley,《Probability and Measure》，Resnick 《A Probability Path 》，Jacod & Protter，《Probability Essentials》, Dudley，《Real Analysis and Probability》, Shirayev，《Probability》，以及牛人钟开莱的《A Course in Probability》这些教材基本上都是包括了Probability I的测度论为基础的的概率基本概念，极限定理与Probability II的Stochastic Process的内容，所以基本上每一本都可以作为这一Sequence的教材，不过不同的教材特点还是不一样的。
Billingsley是公认的好教材，特点是全，既有Measure Theory的完整介绍，又包含有直到Brownian Motion的一年Probability课的所有内容，但有个问题是体系安排很怪异，不适合从头看到尾，事实上我们是从Chp2，Chp3开始学，然后穿插上Chp1的内容，然后再过渡到后面的Probability部分的。这本书的行文也是Informal式的，很多重要定理的叙述证明都是在字里行间完成的，并不是定理－证明式的写法。我个人经验是不适合自学，如果有老师教课用这本书，那真的是再好不过了，不过如果没有老师教，最好把这本作为参考。这本书的课后习题非常好，对于比较难的题目后面附有简要的答案。做Econ的人好多Paper后面在涉及Probability的时候引用的都是这本书（看看White的《Asymptotic Theory for Econometrians》），我猜他们当时学概率用的都是Billingsley这本教材，呵呵。
Durrett的教材是给Math PHD的标准教材，全书主要讲概率，将Measure Theory的主要结果附录在书的后面，以供参考，因此，学这本书必须有扎实的Measure Theory基础。现在国内这本书刚出了影印版（Billingsley现在也刚处影印版，痛啊，这两本书花了我快200刀就，因为我修课的时候国内还没有影印版，唉），忘记上面是谁做的序了，讲了一个故事，说是有个Math PHD学生放假还是怎么着出去玩的时候，身边就带了这么一本书，然后这个学生现在美国是美国一所著名大学的Professor了已经。抛开故事真假不说，我对这种传说式的故事一点都不信，搞得好像背着宝剑，身怀绝世武功，天生的武功奇才一样，不知道是不是武侠小说看的是不是太多了（实际上，我的武侠小说看的是巨多无比）。Durrett这本教材讲的虽然挺难，但只是一些早期Probability结果的总结，离着研究前沿还差的很远。所以我觉得序里的故事是想说明把这本书学透基础就会打的很牢固，但是这种故事容易对人形成误导，起码我记得我在未学Measure Theory跟Probability I之前也看过很多这种小故事，看完后热血沸腾，老想着一口气吃成个胖子，但是事与愿违，反而事倍功半，其实最重要的还是下功夫好好学。当然，这只是针对我个人而言，别的同学可能比我要理智的多。闲话不多说，Durrett这本书Probability I的内容讲的比较深，其中Random Walk作为单独一章进行深入透彻的讲解，我想Random Walk做Econ的同学应该很熟吧，这就是Unit Root Process了。其他书唯一这样做的就是钟开莱了，我想Durrett这样做跟他是钟开莱先生的学生有关系吧应该。Durrett这本是我们这 Probability I&II这个One Year Sequence的主要教材，老师没有自己的Lecture Notes，会把这本书从头讲到尾，至于为什么我就不多说了。
下面想说牛人钟开莱的书了，这本书如前面个人背景里面所述，我在国内的时候上那个测度论因为很多问题不明白所以就找了这本书来看，结果受益匪浅。忘记在哪里看过了，说这本书其实是将前苏联数学家对基于测度的概率论，对Independent情形下Limit Theorem的研究的一个总结。也就是说，这可以说是一本现代概率论教材的雏形，虽然在这之前也有很好的教材，但是正是这本书以及钟开莱在 Stanford教授这个课程的经验，导致了现在大部分学校的第一门概率Core Course所教授的主要内容为Independent情形下的Limit Theorem。实际上，我觉得在Limit Theorem定理的证明上，这本书依然是讲的最好的，不但严格，而且清晰明了，反而现在很多新出的概率书讲的迷迷糊糊，要吗不严格，要么太 Technical。不过这本书大量集中于Limit Theorem的证明，作为Probability II主要内容的Martingale，Markov Chain讲的很少（当然，我觉得依然讲的很好，特别干脆利落），对Ergodicity，Brownian Motion更是一点都没涉及，他前言里好像说了这些应该作为第二门课的内容我记得。所以，这本书是加强版的Probability I教材，但是不能作为Probability II的教材。
Shirayev的书是一本典型的Russian数学书，内容跟Durrett基本上一样，只是前面加了一章基本的Probability and Stochastic Process，后面用两章讲了Stationary Process，少了对Brownian Motion的介绍。这本教材证明上清楚明了，课后习题很多是一些重要结果，是很好的教材。而且对Stationary Process的讲解特别好，算是奠定了Time Series Analysis的一个数学基础。想做Time Series Analysis我想这是一本必备的参考书。
Williams的书短小精悍，讲完Probability的基本内容立即进入Martingale的学习，真的是又快又准，毕竟Martingale在现代Probability甚至是Econ，Finance等等都起着关键的作用。
Resnick的书是我上OR那个Probability的教材，因为Resnick本身就是在OR系，所以他写的教材就稍微简单点，很多结果都给出了证明，不象是前面那基本为Math PHD准备的书很多结果你自己要证明，有的时候花很多时间。这本书的内容最后一章讲了Martingale，前面是Measure Theory跟Probability I的内容，看起来相对其他几本要稍微容易点，很多学校开给Engeering，Statistics或者Finance学生的Probability课都用这个作为教材。
Dudley的书Probability部分讲的内容很多，从经典的Limit Theorem到Martingale，到Brownian Motion，Ergodicity甚至还有一些Weak Convergence的内容，由于这本书整合了Real Analysis跟这么多的Probability内容，深度上感觉稍微差一点。Dudley本人在Empirical Process方面是奠基人之一，他1978年左右的几篇Paper给出了处理Empirical Process不Measurable一种处理方法，奠定了他的地位。他本人是MIT的教授，这本书是MIT概率论的教材，这门课的内容你可以在MIT Opencourse上查得到，上面有一些讲义跟习题答案，可以用来作为参考。
Jacod & Protter我没读过，把它列出来是因为这本书近年来有很多地方都在用，更重要得是这两个人虽然都是数学出身，但是现在都在做Finance得东西，而且都是名家。Protter是OR的Professor，我想很多做Finance的人都知道，他跟Jarrow有一篇关于Term Structure的Paper影响很大，是用Diffusion Process作为Model的。而Jacod则是法国巴黎“？“大的数学系教授，他跟Princeton经济系的Professor Ait-Sahalia（Review of Financial Studies的上一个三年的Editor）合作了一系列关系Continuous Time Process的算是金融计量领域的文章。
当然，在这边Finance领域主要还是在Business School，但由于Merton，Duffie等人对连续时间模型的使用导致了很多原来做Probability的数学出身的人都在搞Asset Pricing，不过他们管这个叫做Financial Mathematics，Financial Engeering等等，国内山东大学的彭实戈搞得所谓的金融数学其实就是这个。结果现在在搞Econ，Finance的人与这批以前数学出身的人之间有了巨大的分歧，前者认为后者摆弄数学，没有Intuition，没有Idea；而后者认为前者数学不行，模型用的不严格。于是就各搞各的，各自形成了一个圈子。个人认为两者都有道理，前者很多数学确实不行，模型用的不是很好，统计工具掌握的也不好，于是Journal of Finance上的Paper非常多的计量用的不对，或者是为了一个比较Significant，比较Interesting的结论故意这么做。其实很多结果，如果你用正确的或者比较严格的计量方法再做一遍，根本就不对，从而得出的Interesting的结论的可信度大打折扣。但是由于这些人已经形成了一个圈子，他们之间互相接受这种做法，所以文章还是能发，研究还是能做。说道这里，顺便说一下，记得以前在国内看到有人把Journal of Finance(JF), J of Financial Economics(JFE) 跟Review of Financial Studies（RFS）给排了一个顺序，说什么这个比那个好，那个比这个好。我猜那个排法应该是按照所谓的影响因子或者引用率之类的来排的，但是个人觉得这种东西没什么意思，这三个Journal都是Finance的Top Journal，如我前面所说JF的文章数学水平，计量工具的严格性要差一点，但是这样导致了结果很Interesting，而RFS是数学应用深一点，计量工具用的严格，但反而结果不那么Interesting。如此一来，使得JF的引用率要高于RFS，但你能就说前者比后者好吗？如果你真的这么想，那比较一下Econometrica上文章的引用率跟其他Journal然后再来回答这个问题。实际上，在美国这边的学术圈子里也存在争论，有人觉得JF好一些，有人觉得RFS更好一些，所以这也是没办法的事。但是我觉得做事要严谨一点，不要对别人产生误导，所以当你说JF比RFS好，或者RFS比JF好的时候，我自己就会加上，“我觉得“，或者“按照引用率，按照工具使用的严格程度来说“等等的修饰词以表明你这样判断的根据。
接着上面，反过来讲，后者确实是Intuition比较差一点，由于Econ比较特殊的学科性质，你用的严格却没有Interesting的结论，模型很好，但是结论跟以前一样，这样就没什么太大的意义。拿彭实戈老师做的Backward SDE来说，数学上确实很重要，提供了一种新的处理SDE的方法，而且实践上也可以应用；但是拿到Finance理论上来看，就是提供了一种解B-S模型的方法，而Finance理论则是再探讨B-S模型本身的问题，所以这个研究对于Finance理论则基本上没什么意义或者意义不是很大。从这里可以看出，学术研究某种程度上也是市场化，需要有人跟你一起开拓，有人欣赏你的东西才行，要不然你自己认为的再好的东西也卖不出去。
好了，该结束这一部分了，太长了。这部分介绍的书太多了，说一下我的学习过程。我个人由于是修课所以主要用了Billingsley的教材，基本上通读了算是，钟开莱的书我也基本上看完了，看这个是因为LLN，CLT 的证明讲的好。Shirayev我精度了他讲Stationary Process的两章，及Martingale那一章的部分内容。Durrett我没有精读，因为上面的好多证明都在别的书上认真推导过了，而且我下面会再去上那个一年的Core Course Sequence，这次完全讲这本书，所以打算把它精度一遍。其他几本Williams, Resnick , Dudley都只是在看别的书产生问题时候去找相应的部分做了参考。还有就是修完课后我花了几天时间把它们浏览了一下，以对照一下感觉。
个人建议：可以用Billingsley，Durrett，钟开莱，Shirayev中的任意一本作为主攻教材，尽量完成大部分的课后习题，很多题目网上应该可以搜索到答案。这四本书国内都已经有了英文影印版了，可以省钱了又。其他几本Williams, Resnick , Dudley可以作为参考，Williams网上有电子版，而Dudley国内有英文影印版，Resnick就不知道了。
1.3：Introduction to Stochastic Process-Probability II
这门课主要内容是Discrete time Stochastic Process,，讲Martingale, Markov Chain, Stationary Process and Ergodicity, Brownian Motion(BM)，有的老师还会加上点Introduction to Ito’s Integral with respect to BM。我这学期上这个课的老师是在概率领域里面一个超级牛的Russian老头，他教的东西太多了。除了上面的内容，他还讲了Continuous-time 下的Martingale跟Markov Process，甚至包括了Stochastic Integral最General的情形即对于Semi-martingale的积分，所有这些内容加起来一般都是分两门课来讲的，因此作业做的我很痛苦。不过痛苦完后感觉收获还是很大的。由于他这种教法是非常规的，并不是Probability II应该包含的内容，因此学这门课我觉得还是以标准内容为主，打好基础，这样以后要用到比较深的概率理论就可以自己学了，因为后面你要用到的可能都是近年才得出的结果，这种内容开课讲的好像不多，即使有也跟老师的研究方向有关了。
鉴于前面已经将众多概率教材做了详细介绍，这里就简要一谈就可以了。Billingsley的书把Probability II里面的内容都包含了，但不是特别成体系，都是分散开来的，所以不太适合作业主要教材。不过他最后一部分分两章讲的General Theory for SP跟BM是非常好的，前面一章详细的介绍了给出一个Finite Distribution然后Construct一个SP的方法，也即Kolmogrov Consistency Theorem，给SP的存在性奠定了一个基础。Durrett是标准的教材，因为将Measure Theory作为附录，从而腾出了大量空间详细介绍SP，是非常好的现代教材。钟开莱这方面的内容很少，但是他最后一张对Martingale跟 Markov Process的介绍切中要害，理解深刻，我觉得非常值得一读。Shirayev内容跟Durrett差不多，只是少了BM的介绍，但是多了 Stationary Process的详细讨论。Williams, Resnick , Dudley都有一些相关的介绍，但不如前面基本书是系统的介绍，所以只能用作参考我觉得。
个人建议：Durrett或者Shirayev都可以作为主要教材，主要的参考教材可以用Billingsley，钟开莱，其它基本可以翻一翻，了解一下别的处理方法。
1.4：Continuous time SP, Stochastic Integral and SDE, Weak Convergence and Convergence of SP, Limit Theorems for Dependent Sequence
这些内容每一个都是概率论的一部分比较现代一点的内容，关于这些内容的书一般都叫做Monograph，而不是象前面那些一样可以叫做Textbook，当然每一部分都是挺难的，想学会也挺不容易的。我这里只能稍微说几句，没法细论，一是因为这些内容都比较Specialized，如果你不需要根本不需要学，不象前面的内容是一个Econ PHD最好能具备的素质基础；二是因为我也说不了，因为我自己还没有修这些课，有的是无课可修，根本没人讲，只能自己学，比如Limit Theorems for Dependent Sequence，虽然计量尤其是Time Series Analysis经常用，但是没人教这些东西，不过如果前面Probability I & II你基础打好了，花上一点时间跟精力学好是没问题的。还有的是因为这些课程需要的预备知识太多，比如Stochastic Integral and SDE需要Discrete time SP的一些知识，Weak Convergence and Convergence of SP需要Topology跟SP的知识，所以我也没法修（这个是很难跨越的，Weak Convergence and Convergence of SP去年有个老师开这门课，我当时只是上了Probability I，学了Topology，但是没有SP的知识，前面讲Weak Convergence还勉强可以听，后来讲Convergence of SP时完全听不懂，最后只好Drop掉了那门课），自己水平还不到。
我在这里稍微写一下是因为有些人将来可能会修其中的内容，比如做Finance的人会去修Continuous time SP, Stochastic Integral and SDE,做计量的人有的会去学Weak Convergence and Convergence of SP跟Limit Theorems for Dependent Sequence等。我虽然没有修过但是已经接触到了其中甚至大部分的内容，比如我这学期上的Probability II已经将重要的Continuous time SP 跟Stochastic Integral，SDE都讲了；Weak Convergence and Convergence of SP虽然后面我没学好，但是Weak Convergence我还算是学明白了，因此我知道有哪些书是用的比较多的，在这里稍微列一下，以便兄弟姐妹需要学的能找到合适的参考书，还有过来读 Econ PHD的知道哪些书可以带来，以便省钱，呵呵，省钱万岁！！
Continuous time SP跟Stochastic Integral and SDE都是联系在一起的，好多教材都是两者一起讲，这其中比较好的教材为：
Revuz and Yor, 《Continuous time martingale and BM》(国内世图好像即将出影印版了)
Williams and Rogers, 《Diffusions, Markov Process and Martingales》I & II（有影印版）
Oksendal，《Stochastic Differential Equations》(有影印版，好像都出到第六版了，可能是最简单的Stochastic Calculus教材)
Karatzas and Shreve, 《BM and Stochastic Calculus》（GTM，有影印版）
Protter，《Stochastic integration and differential equations 》（国内即将有影印版，这是最难的一本Stochastic Integral教材了可能）
Shreve，《Stochastic Calculus for Finance》，Vol II（国内有影印版，这本是现在标准的Continuous Time Finance的教材了，这边大部分的Financial Engeering Program都用这个）
Weak Convergence and Convergence of SP的教材有：
Billingsley， 《Convergence of Probability Measure》
Jocod and Shereve，《Limit Theorems for Stochastic Process》
Ethier and Kurtz，《Markov Process: Characterization and Convergence》
Van der Vart and Weller, 《Weak Convergence and Empirical Process》(这其实是一本Empirical Process的教材，但Weak Convergence讲的很不错)
这些书国内好像没有影印版，不过倒是都有电子书，大家在网上应该可以搜索得到。
Limit Theorems for Dependent Sequence
用这些内容的我觉得肯定是想做Time Series Analysis的同志们，可以参考的教材有；
Hall, 《Martingale Limit Theorems》（这本书早已不印刷了，不过网上找得到）
Davidson, 《Stochastic Limit Theorem》（这是计量经济学家写的，不过连Billingsley都在他的
好了概率部分就结束了，最后还有数理统计的一部分就大功告成了。
2 数理统计
2.1：Basic Mathematical Statistics：
这是基本的非基于测度论的数理统计，这部分内容加上1.1的Basic Probability Theory其实正好是美国这边Econ PHD计量I的内容。这部分数理统计的内容相当于这边本科Hornors Course for Math Statistics的内容，因为我在国内既上过经管类那种概率统计一门课大杂烩的数理统计，也上过数学系单独一学期的数理统计，从而比较知道两者的区别，当然这也仅限于我本科所就读的学校。这门课跟前面的1.1 Basic Probability Theory一样，我觉得不需要去专门修本科Honors的课，但是最好自己或者在上计量I的时候认认真真的把基本数理统计的基础打好，这样做不光是对那些做将来做计量理论的同学而言，对那些打算做别的领域的，也同样适用。因为不管你做微观，宏观还是Finance，哪个现在都是Theory跟 Empirical并重的，现在连Auction Theory都在做计量检验，更别说宏观，Finance等等了。顺便说一下，经常看到有人在BBS上说自己看不懂计量经济学的教材，比如 Green，Hayashi或者Davidson & Mackinnon，其实我以前也是看不懂，跟大家的感觉一样，迷迷糊糊。后来才知道，其实就是因为数理统计不行，因为现在所谓的计量就是以统计里面的回归分析为基础发展起来的具有经济金融数据特点的统计理论，这本身就是统计学，数理统计不行当然看不懂。
这门课的教材可以用一般计量I的教材，比如Gallant的《An Introduction to Econometric Theory》，Birrens，《Introduction to the mathematical and Statistical Foundation of Econometrics》，但是我个人更偏好一些纯数理统计的教材，比如Casella & Berger的《Statistical Inference》，还有更深一点的Bickel & Dokosum《Mathematical Statistics: Basic Ideas and Selected Topics》，因为我是打算做计量理论的。前面两本因为是计量I的教材，更偏重于一些在计量中有直接作用的统计的介绍，而后两本是标准的北美这边统计系非测度数理统计的教材，当然其实Bickel & Dokosum已经算是接近于使用测度论作为语言了。学习后两本可以使得你对统计的理解更深刻，知识面也更广。我自己是在上计量I的时候将Casella & Berger认真的通读了一遍，做了大量的课后习题，同时参考了Bickel & Dokosum的教材，而后来在修下面基于测度论的数理统计时又参考了Bickel & Dokosum。我没有读过Gallant与Birrens，因为计量I的Professor有自己的Lecture Notes，所以我对这两本不是很有发言权。但是这两本我都浏览过，所以知道它们的内容。
个人建议：如果你打算做计量理论，可以将Casella & Berger与Bickel & Dokosum作为计量I的主要教材，认认真真的把前一本上面的习题完成，打好基础；如果不是做计量理论的，我觉得可以读Gallant与 Birrens，适当参考一下Casella & Berger，它上面的习题多又好，而且还能找得到答案做完后对照思路。Casella & Berger国内有影印版，Bickel & Dokosum现在都是第二版了用，第一版国内有翻译版，不过第二版好像也要快出影印了，我不建议读翻译的；Gallant与Birrens好像国内有些学校有复印的，网上可能也可以找的到。
2.2：Measure-based Mathematical Statistics I & II
这其实是包含两门课的一个一年的Sequence，因为一门讲不完这么多内容的。但是我觉得只有打算做计量理论的才需要考虑这个课，不象在讨论前面的 Probability I & II时， 我觉得所有Fields的人最好都修Probability I，而Probability II则不一定这样的分开来考虑，所以我把它们放到一起讨论。这个课其实是Statistics PHD一年的Core Course，可想而知是讲的比较严格的。
这门课的主要内容就是严格的数理统计理论，既包含Statistical Inference（Point Estimation, Hypothesis Testing，以及Confidence Set），又包括Statistical Decision Theory；既包含Frequentist方法，又包括Bayesian的方法；既有小样本的uation标准，像是Unbiased，UMVUE等等，又包括大样本的Asymptotic Efficiency统计评价方法。当然，这个课还包含很多现代统计方法的简单介绍，比如 Nonparametric，Semiparametric，Bootstrap为代表的Resampling方法。不过这里只能是简单介绍，详细的内容只能由后续课程或者通过自学（因为这些课程的开设都是跟老师的研究兴趣有关的，一个学校不一定能把所有的课都开起来）来完成。详细的课程内容我就不多说了，因为我个人觉得，凡是想做计量理论的人这门课的内容都是必然要具备的素质，起码对于现在这个年代的计量理论来说我觉得是这样，看看现在 Econometrica，Econometric Theory，Journal of Econometrics上的Paper，基本上都是各种各样的新的Estimation，Hypothesis Testing方法的提出，所用的工具无不是基于现代数理统计最新的研究进展，如果不能打一下一个很坚固的数理统计基础，起码对我来说真是难以想象怎么来做研究将来。
这门课的主要教材就是著名的《Theory of Point Estimation》（TPE） by Lehmann and Casella，与《Testing Statistical Hypotheses》（TSH）by Lehmann and Romano，我想这两本教材的难度很多人都早就听说过了，反正我觉得这两本书真是得至少花一年的时间才能学好，课后的习题多，质量也好，这边的图书馆里能借到他们第一版的习题解答，非常老了，感觉字体很象是手写然后复印的。这本习题解答的作者一说大家肯定知道，就是写了类似于Probability百科全书的《Modern Theory of Probability》的Kallenberger了。跟这两本书难度差不多相当的Bayesian统计的书可以参考《Statistical Decision Theory and Bayesian Analysis》by Berger，注意这个Berger跟与Casella写《Statistical Inference》的Berger可不是一个人。另外，Shao Jun的《Mathematical Statistics》写的也是非常之好，内容涵盖了TPE跟TSH的所有内容几乎，当然程度要容易的多，并且这本书简单介绍了包括 Nonparametric，Semiparametric，Bootstrap，甚至还有Empirical Likelihood的几乎所有的现代统计方法，真是一书在手，天下事尽知啊。还值得一提的是，这本书习题也是很丰富，而且还有专门的一本习题答案，以供大家参考，如果能好好利用这些习题，还是那句话，受益终生。我自己上课时老师把这基本都列为了参考教材，我则除了TPE跟TSH上老师上课讲的内容外，仔细读了Shao Jun的相关内容，并且做了上面的一小部分题目，收获颇丰。Shao先生（我不知道是不是邵，所以只好写拼音）好像是国内华东师大毕业的，现在为U of Wisconsin at Madison统计系的主任，那里Statistics PHD第一年的Math Stat Core Squence就是讲他这本书。
不知道为什么纯数学的书国内有影印版的非常多，但是统计的书国内很少找到影印版，这使我想起了有位统计牛人在一个报告上说的，国内跟国外在统计学研究上的差距这几年非但没有缩小，某种程度上反而有点扩大了。我不是做数理统计的，也不知道事实是否如此，不过统计方面影印书的出版比纯数学方面的差了很多，这是一个很奇怪的现象，因为统计在现实中的应用应该更多些，按说统计书的引进应该是更快一步才对，现在反而是相反的。这里想推荐一本中文的高等数理统计教材，那就是陈希儒先生的《高等数理统计》了，陈老的地位以及水平我想我不需要多说了，他这本书写的是非常之好，基本跟TPE，TSH差不多一个难度水平，不过就是内容少了一点。还有就是这本书习题令人称赞，而且书的后半部分就是习题的参考答案，供大家研习之用。陈老对做习题以掌握内容，训练基本技能的说法我想很多同学都是见过的，不得不说，姜还是老的辣啊！！！
个人建议：这门课值得好好花一年的时间学好TPE，TSH或者学好Shao Jun，Bayesian的部分可以参考下Berger。Berger的书国内有影印版，其他基本好像没有，不过可以找得到电子版，而且国内一些学校也有复印版。题目要认真做，多做。
2.3：Asymptotic Statistics
Asymptotic Statistics包括了数理统计里面的很多大样本理论，比如M-Statistic, U-Statistic，MLE，Asymptotic Relative Efficiency，Empirical Process等等，我觉得是应该作为一门课认真学学的，教材可以用现在最流行的Van der Vart 的《Asymptotic Statistics》，事实上很多学校都已经将这门课开做一本Stat PHD的必修课。由于我自己还没修过，所以我没什么发言权，只能推荐这么一本书，不过很多Professor都有Course Webpage，大家可以去网上搜索，看看他们怎么个讲法，讲哪些内容，找相应的课本认真学习，打好基础。我本人正打算这个Summer学这个，因为以后要把大部分的时间都转向与我自己的研究方向相关的学习，还要开始准备我的PHD Dissertation，因此估计比较少有时间再去象第一，二年一样这样耐心的打基础了，所以觉得最好在Summer将这门重要的内容解决掉。
2.4：Topics in Modern Math Statistics
这个不是一门课，是我把所有的除了基本的One-Year Core Sequence与上面的Asymptotic之外的现代统计方法都放到了一起，大致包括了Nonparametric，Semi- parametric，Bootstrap，Empirical Likelihood等内容。这些都是近几十年才发展壮大起来的现代统计方法，其中像是Bootstrap也不过是1980年左右才开始的。
如Nonparametric，Semi-parametric，Bootstrap，Empirical Likelihood这些内容都是现代统计理论中的研究方向，很多研究还正在进行中，我个人只是因为要用从而自学了Nonparametric的一些书，但因为这方面的书特别散，没有一本将所有Nonparametric方法都讲好的书，所以很难做推荐，所以这里就不多说了。需要说的是，这些研究方向都有相关的计量领域对应，比如Nonparametric Econometrics，Semi-parametric Econometrics，Bootstrap Econometrics，这些其实是相应的统计方法在对Econ跟 Finance特点的数据的应用，有的时候Statisticians搞出来的这些统计方法针对的数据类型跟Econ，Finance的数据特点不符，而 Econometricians做的就是基于原来的方法提出针对这些Econ，Finance特点的数据进行分析的新的统计工具，由于基于的 General的统计方法不一样，因此便有了Nonparametric Econometrics，Semi-parametric Econometrics，Bootstrap Econometrics这些称呼。这与以数据本身类型对计量分为Micro-econometrics（Cross-section, Limited Dependent Variables） Time Series Analysis, Panel Data Econometrics(有的把这个也归为Micro-econometrics)，是不同的，不同的方法跟不同的数据类型结合在一起便形成了很多不同研究方向与叫法，总之，对计量进行完全彻底的分类好像很难。
由于这些内容既不简单，我也没有完整学过，所有我在这里就说到此为止了。实际上，我也不可能把它们都学完，一是我知道自己没那么大能量，水平毕竟有限；二是也没有必要，这些学不学，学到什么程度都要视你的研究而定，你需要用就学，不需要就算。说实话，我觉得现在经济学研究已经开始逼近象数学一样的高度分工了，做微观跟做计量的互相很少有共同语言，即使都是做计量的，不同的方向能通话的也是比较少的，比如你做Panel Data，他做Financial Econometrics，不光使用的方法不一样。模型的假设不一样，就连最基本的检验的经济理论更不一样。你需要学习不同的经济理论，这一点就使得两者很难对话。不过话说回来，大家还是有的，象Hausman，L Hansen, Philips，White那样的，诸多方向通吃，水平确实高，没办法。不过我觉得他们的概率，数理统计的基础肯定很牢固，从而来了新的Topic时很快就能上手，我自己觉得这个一个很重要的原因。
Descriptive and Inferential Statistics
[Example 1]Descriptive and Inferential Statistics
Statistics can be broken into two basic types.
The first is known as descriptive statistics. This is a set of methods to describe data that we have collected.
Ex. Of 350 randomly selected people in the town of Luserna, Italy, 280 people had the last name Nicolussi. An example of descriptive statistics is the following statement :
"80% of these people have the last name Nicolussi."
Ex. On the last 3 Sundays, Henry D. Carsalesman sold 2, 1, and 0 new cars respectively. An example of descriptive statistics is the following statement :
"Henry averaged 1 new car sold for the last 3 Sundays."
These are both descriptive statements because they can actually be verified from the information provided.
The second type of statistics in inferential statistics. This is a set of methods used to make a generalization, estimate, prediction or decision.
Ex. Of 350 randomly selected people in the town of Luserna, Italy, 280 people had the last name Nicolussi. An example of inferential statistics is the following statement :
"80% of all people living in Italy have the last name Nicolussi."
We have no information about all people living in Italy, just about the 350 living in Luserna. We have taken that information and generalized it to talk about all people living in Italy. The easiest way to tell that this statement is not descriptive is by trying to verify it based upon the information provided.
Ex. On the last 3 Sundays, Henry D. Carsalesman sold 2, 1, and 0 new cars respectively. An example of inferential statistics are the following statements :
"Henry never sells more than 2 cars on a Sunday."
Although this statement is true for the last 3 Sundays, we do not know that this is true for all Sundays.
"Henry is selling fewer cars lately because people have caught on to his dirty tricks."
There is nothing in the information given that tells us that this statement is true.
"Henry sold 0 cars last Sunday because he fell asleep in one of the cars on the lot."
Again, this statement is not verifiable based upon the information provided.
The major use of inferential statistics is to use information from a sample to infer something about a population.
[example2]Definition of Descriptive and Inferential Statistics
For the following material, I relied on Statistics, Fifth Edition, by Joseph F. Healey, Wadsworth Publishing Co., 1999. ISBN: 0-534-55260-9. This is not to be construed as an endorsement of the text. It was sent to me for consideration as a statistics text. I like it. It covers rather more than I think we can presently include in our course. But it is clearly written, and includes examples on SPSS. We will further consider it for adoption. You can review it in my office. jeanne
* Descriptive Statistics
Descriptive statistics comprises the kind of analyses we use when we want to describe the population we are studying, and when we have a population that is small enough to permit our including every case.
For example, we might want to describe a physics class and compare it to a class of English literature. We might want to compare the gender composition of the classes, the math attitudes of the two classes, the familial demands and supports of the two classes. Descriptive statistics would allow us to do this.
o The classes are small enough that we can include the whole class in our studies.
o We would have to agree on how to measure gender, math attitude, and familial demands.
o We could then interview the students in the classes, or survey them, or ask them to tell their stories about these issues and code them by content analysis.
o Then we COULD DESCRIBE how these issues affect the members of the classes we studied, and how these variables are related in those classes.
o We COULD NOT CONCLUDE that our results could be generalized to all physics and english literature classes because we have no idea whether the classes in our study were REPRESENTATIVE OF all physics and English literature classes.
* Inferential Statistics
The important keys to the difference between descriptive and inferential statistics are the capitalized words in the description: COULD DESCRIBE, COULD NOT CONCLUDE, AND REPRESENTATIVE OF.
Descriptive statistics can describe the actual sample you study. But to extend your conclusions to a broader population, like all such classes, all workers, all women, you must be use inferential statistics, which means you have to be sure the sample you study is representative of the group you want to generalize to.
This means you can't do a study at the local mall and claim that what you find is valid for all shoppers and malls.
You can't do a study on college sophomores and claim that what you find is valid for the general population.
You can't give a women's movement that includes a majority of a single ethnic group and claim that what you find is valid for women of all ethnic groups.
As you can see, descriptive statistics are useful and serviceable if you don't need to extend your results to whole segments of the population. But the social sciences tend to esteem studies that give us more or less "universal" truths, or at least truths that apply to large segments of the population, like all teenagers, all parents, all women, all perpetrators, all victims, or a fairly large segment of such groups.
Leaving aside the philosophical and methodological soundness of such a search for some kind of general conclusion, different statistical approaches must be used if you aspire to generalize. And the primary difference is that of SAMPLING. You must choose a sample that is REPRESENTATIVE OF THE GROUP TO WHICH YOU PLAN TO GENERALIZE.
Tests of significance are about this problem of generalization. A Chi-Sqaure or a T-Test tells you the probablility that the results you found in the group you studied are representative of the population that group was chosen to represent. Put in other terms that you will hear frequently, Chi-Sqaure or a t-test gives you the probability that the results you found could have occurred by chance when there is really no relationship at all between the variables you studied in the population.
* Summary:
o Descriptive statistics are for describing data on the group you study. Example: Babbie and Halley's survey for describing your own class.
o Inferential statistics are for generalizing your findings to a broader population group. Example: Babbie and Halley's analysis of SPSS data that can be generalized to the population at large.
http://infinity.cos.edu/faculty/woodbury/stats/tutorial/Data_Descr_Infer.htm
http://www.csudh.edu/dearhabermas/stat2f98.htm
Statistics can be broken into two basic types.
The first is known as descriptive statistics. This is a set of methods to describe data that we have collected.
Ex. Of 350 randomly selected people in the town of Luserna, Italy, 280 people had the last name Nicolussi. An example of descriptive statistics is the following statement :
"80% of these people have the last name Nicolussi."
Ex. On the last 3 Sundays, Henry D. Carsalesman sold 2, 1, and 0 new cars respectively. An example of descriptive statistics is the following statement :
"Henry averaged 1 new car sold for the last 3 Sundays."
These are both descriptive statements because they can actually be verified from the information provided.
The second type of statistics in inferential statistics. This is a set of methods used to make a generalization, estimate, prediction or decision.
Ex. Of 350 randomly selected people in the town of Luserna, Italy, 280 people had the last name Nicolussi. An example of inferential statistics is the following statement :
"80% of all people living in Italy have the last name Nicolussi."
We have no information about all people living in Italy, just about the 350 living in Luserna. We have taken that information and generalized it to talk about all people living in Italy. The easiest way to tell that this statement is not descriptive is by trying to verify it based upon the information provided.
Ex. On the last 3 Sundays, Henry D. Carsalesman sold 2, 1, and 0 new cars respectively. An example of inferential statistics are the following statements :
"Henry never sells more than 2 cars on a Sunday."
Although this statement is true for the last 3 Sundays, we do not know that this is true for all Sundays.
"Henry is selling fewer cars lately because people have caught on to his dirty tricks."
There is nothing in the information given that tells us that this statement is true.
"Henry sold 0 cars last Sunday because he fell asleep in one of the cars on the lot."
Again, this statement is not verifiable based upon the information provided.
The major use of inferential statistics is to use information from a sample to infer something about a population.
[example2]Definition of Descriptive and Inferential Statistics
For the following material, I relied on Statistics, Fifth Edition, by Joseph F. Healey, Wadsworth Publishing Co., 1999. ISBN: 0-534-55260-9. This is not to be construed as an endorsement of the text. It was sent to me for consideration as a statistics text. I like it. It covers rather more than I think we can presently include in our course. But it is clearly written, and includes examples on SPSS. We will further consider it for adoption. You can review it in my office. jeanne
* Descriptive Statistics
Descriptive statistics comprises the kind of analyses we use when we want to describe the population we are studying, and when we have a population that is small enough to permit our including every case.
For example, we might want to describe a physics class and compare it to a class of English literature. We might want to compare the gender composition of the classes, the math attitudes of the two classes, the familial demands and supports of the two classes. Descriptive statistics would allow us to do this.
o The classes are small enough that we can include the whole class in our studies.
o We would have to agree on how to measure gender, math attitude, and familial demands.
o We could then interview the students in the classes, or survey them, or ask them to tell their stories about these issues and code them by content analysis.
o Then we COULD DESCRIBE how these issues affect the members of the classes we studied, and how these variables are related in those classes.
o We COULD NOT CONCLUDE that our results could be generalized to all physics and english literature classes because we have no idea whether the classes in our study were REPRESENTATIVE OF all physics and English literature classes.
* Inferential Statistics
The important keys to the difference between descriptive and inferential statistics are the capitalized words in the description: COULD DESCRIBE, COULD NOT CONCLUDE, AND REPRESENTATIVE OF.
Descriptive statistics can describe the actual sample you study. But to extend your conclusions to a broader population, like all such classes, all workers, all women, you must be use inferential statistics, which means you have to be sure the sample you study is representative of the group you want to generalize to.
This means you can't do a study at the local mall and claim that what you find is valid for all shoppers and malls.
You can't do a study on college sophomores and claim that what you find is valid for the general population.
You can't give a women's movement that includes a majority of a single ethnic group and claim that what you find is valid for women of all ethnic groups.
As you can see, descriptive statistics are useful and serviceable if you don't need to extend your results to whole segments of the population. But the social sciences tend to esteem studies that give us more or less "universal" truths, or at least truths that apply to large segments of the population, like all teenagers, all parents, all women, all perpetrators, all victims, or a fairly large segment of such groups.
Leaving aside the philosophical and methodological soundness of such a search for some kind of general conclusion, different statistical approaches must be used if you aspire to generalize. And the primary difference is that of SAMPLING. You must choose a sample that is REPRESENTATIVE OF THE GROUP TO WHICH YOU PLAN TO GENERALIZE.
Tests of significance are about this problem of generalization. A Chi-Sqaure or a T-Test tells you the probablility that the results you found in the group you studied are representative of the population that group was chosen to represent. Put in other terms that you will hear frequently, Chi-Sqaure or a t-test gives you the probability that the results you found could have occurred by chance when there is really no relationship at all between the variables you studied in the population.
* Summary:
o Descriptive statistics are for describing data on the group you study. Example: Babbie and Halley's survey for describing your own class.
o Inferential statistics are for generalizing your findings to a broader population group. Example: Babbie and Halley's analysis of SPSS data that can be generalized to the population at large.
http://infinity.cos.edu/faculty/woodbury/stats/tutorial/Data_Descr_Infer.htm
http://www.csudh.edu/dearhabermas/stat2f98.htm
Subscribe to:
Posts (Atom)
