中国人民大学数学学院金融数学与金融计算数学考博考试以扎实的数理基础与金融工程实践能力为核心考核目标，其参考书目体系覆盖概率论与随机过程、数值分析、金融衍生品定价、风险管理等核心领域。考生需重点掌握以下四类经典教材与学术著作：

在概率论与随机过程方向，Sheldon Ross《随机过程》第三版（第5-8章）为必读内容，需深入理解马尔可夫链、布朗运动及伊藤积分的数学推导，配合《Stochastic Calculus for Finance II》中衍生品定价的偏微分方程解法形成知识闭环。国内教材中，吴军有《金融随机分析》对测度论与随机控制理论的阐释更为贴合工程应用，建议重点研读第3、5章的金融衍生品定价模型。

数值分析领域以Richard L. Burden《数值分析》第七版（第4、5、7章）为主干，需熟练掌握有限差分法、蒙特卡洛模拟及优化算法的实现细节。考生应同步参考《Financial Modeling with MATLAB》中提供的MATLAB代码案例，将数值方法与金融场景结合，例如通过蒙特卡洛模拟计算VaR值或期权定价。

金融衍生品定价与风险管理部分，John C. Hull《期权、期货与衍生品》第10版（第13-17章）构建了完整的定价框架，需重点理解Black-Scholes模型、希腊字母计算及信用衍生品定价逻辑。补充阅读Hull与White合著的《The Handbook of Fixed Income Securities》中关于利率衍生品的章节，可强化对利率曲线构建与久期管理的理解。风险管理方面，Barry Schachter《Risk Management and Financial Institutions》第5章的VaR计算模型与压力测试方法需结合人大数学学院近年真题进行专项突破。

备考策略建议采用"三阶段递进式学习法"：第一阶段（1-2个月）完成四门核心教材的通读与公式推导整理，建立知识框架；第二阶段（2-3个月）通过《人大数学考研真题解析》及《金融数学考研试题精选》进行题型归纳，重点攻克随机微分方程应用题与金融工程建模题；第三阶段（1个月）聚焦学术前沿，精读近三年《金融数学与金融工程》期刊中关于机器学习在量化投资中的应用论文，并完成3-5个完整金融工程案例的代码实现。

特别需要注意的是，考博面试中常出现"如何将随机矩阵理论应用于信用风险建模"或"如何改进蒙特卡洛算法提升定价精度"等开放性问题，考生需在复习过程中同步积累数学工具与金融场景的交叉应用经验，建议通过参与学院"金融科技实验室"的量化投资课题获取实践机会。