下载文档原格式
一、前言部分本次毕业设计，我们主要研究数学建模的方法及其在金融领域的应用，并结合实际生活中的某些具体的例子，分析数学建模在金融领域中的重要性以及如何应用。
数学建模(Mathematical Mode1)就是要用数学的语言、方法去近似地刻画实际，而数学模型是由数字、字母或其他数学符号组成的，描述现实对象数量规律的数学公式、图形或算法。
也可以这样描述：对于一个现实对象，为了一个特定目的，根据其内在规律，做出必要的简化假设，运用适当的数学工具，得到的一个数学结构。
应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。
数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并“解决”实际问题的一种强有力的数学手段。
数学技术已经成为当代高新技术的重要组成部分。
不论是用数学建模方法在科技和生产领域解决哪类实际问题，还是与其它学科相结合形成交叉学科，首要的和关键的一步是建立研究对象的数模型，并加以计算求解。
现今，我们要在基本的数学建模方法上，找出适用于金融发展的数学建模方法。
而金融，顾名思义，融通资金、使资金融洽通达，是指在经济生活中，银行、证券或保险业者从市场主体（例如储户、证券投资者或者保险者等）募集资金，并借贷给其它市场主体的经济活动。
随着计算机应用的发展, 数学建模又成为高新技术的一种“数学技术”，发挥着关键性的作用，使高新技术不断取得丰硕成果。
时代的进步又使数学建模的内涵愈来愈丰富、深刻，其应用也日渐广泛。
不论是自然科学工作者、工程技术人员，还是社会科学工作者，数学建模方法都将为他们提供一种重要的研究手段。
因此，总结数学建模在各个领域特别是金融领域的应用是十分有价值的。
(参见文献[2]－[6])二、主题部分随着科学技术的快速发展，数学在自然科学、社会科学、工程技术与现代化管理等方面得到了越来越广泛而深入的应用。
而在应用过程中，建立数学模型是其关键之步。
从诺贝尔经济学奖看数学建模数学建模是通过运用数学方法和技巧来解决实际问题的一种方法。
数学建模的主要目标是将实际问题抽象为数学模型，并通过对模型进行数学分析和计算，得到问题的解决方案。
诺贝尔经济学奖是为了表彰在经济学领域做出重大贡献的学者而设立的奖项，其中不少获奖研究都涉及数学建模的方法和技巧。
本文将从诺贝尔经济学奖的角度来探讨数学建模在经济学中的应用。
数学建模在经济学中的应用可以追溯到20世纪40年代的线性规划理论的发展。
1945年，乔治·达尼尔·丹齐格和约翰·冯·诺伊曼提出了线性规划的方法，这一方法可以用来解决生产经济中的最优化问题。
他们的工作为后来的数学规划理论的发展奠定了基础，并获得了1975年的诺贝尔经济学奖。
线性规划的方法在经济学中得到了广泛的应用，例如在资源配置、供应链管理、市场竞争等领域。
另一个重要的数学建模方法是博弈论。
博弈论是研究决策制定者在相互关联的决策中如何进行选择的一种数学工具。
它可以用来分析经济中各方之间的决策互动和利益冲突。
1994年，约翰·纳什、约翰·赫斯夫勒和雷纳德·库珀获得了诺贝尔经济学奖，以表彰他们在博弈论发展中所做的贡献。
博弈论在经济学中的应用非常广泛，例如在市场竞争、价格战略、合作与非合作博弈等领域。
数学建模在金融经济学中也有着重要的应用。
1981年，罗伯特·梅顿和莱斯特·特雷利共同获得了诺贝尔经济学奖，以表彰他们在金融经济学建模中的贡献。
他们的研究主要关注金融市场的价格变动和风险管理的问题，并提出了著名的“布莱克-斯科尔斯-默顿模型”，该模型被广泛应用于期权定价和风险管理。
从诺贝尔经济学奖看数学建模数学建模在经济学领域的应用可以在多个诺贝尔经济学奖获得者的研究成果中看到。
2005年诺贝尔经济学奖获得者罗伯特·奥尔登（Robert J. Aumann）和托马斯·谢林（Thomas C. Schelling）等学者就是以游戏论为基础，在数学模型的框架下研究了博弈论、社会冲突和合作等问题，从而对这些问题进行了深入的分析和解释。
而 2010 年诺贝尔经济学奖获得者彼得·戴高迪（Peter A. Diamond）、丹尼尔·麦克菲尔森（Dale T. Mortensen）和克里斯托弗·平塞里迪斯（Christopher A. Pissarides）等学者则是以搜索理论为基础，构建了一系列的数学模型来研究劳动力市场中的失业和职业匹配等问题。
这些诺贝尔经济学奖获得者的研究成果充分展示了数学建模在经济学领域的重要应用和价值。
数学建模在经济学领域的应用可以帮助经济学家更好地理解和解释经济现象。
经济学研究的对象是一个复杂的系统，其中包含了大量的经济主体和相关的经济行为。
要想准确地描述和分析这些经济现象，并为政策制定和经济管理提供科学依据，就需要建立合理的数学模型来帮助经济学家理解和解释这些现象。
通过数学建模，经济学家可以将经济现象简化成数学模型，从而忽略复杂的细节，集中于分析关键的经济关系和机制。
通过这种方式，经济学家可以更清晰地理解和解释经济现象，并从中找到影响经济发展的关键因素。
数学建模在经济学领域的应用不仅可以帮助经济学家更好地理解和解释经济现象，还可以为他们提供更有效的分析工具和研究方法。
数学建模在经济学领域的应用还可以为经济政策的制定和实施提供科学依据。
经济政策的制定需要充分考虑到经济发展的复杂性和不确定性，同时还需要基于实际的数据和详细的经济分析。
在这种情况下，数学建模可以帮助经济学家对经济现象进行更深入的分析和预测，并为政策制定提供科学依据。
数学建模思想的实践刘华南【摘要】线性代数课程教学现状已经跟不上科技发展的要求,数学建模的方法和思想对于解决实际问题效果显著,将数学建模思想融入线性代数教学中不仅加强知识背景介绍,还可以有效提高抽象思维与实际问题之间的相互转化,增强学生对知识的理解以及主动学习能力和创新能力.【期刊名称】《中国科技信息》【年(卷),期】2013(000)014【总页数】1页(P60)【关键词】数学建模思想;线性代数【作者】刘华南【作者单位】黑龙江科技大学理学院,黑龙江哈尔滨150022【正文语种】中文【中图分类】G420线性代数课程是工科类专业非常重要的数学类主干课程，在机械、电子、建筑工程、交通运输、软件工程等工科专业的后继课程中大量涉及。
线性代数课程设置的初衷是培养和锻炼学生抽象思维能力、逻辑思维能力、探究、分析、解决问题的能力，并为各专业的后续课程做好知识储备，因此学好线性代数课程对于工科类学生是必然的要求。
1、工科线性代数教学现状线性代数课程理论内容十分抽象，出现了大量新的定义、新的数学符号，学生会觉得这门课程枯燥乏味，容易丧失学习热情，同时课堂上授课教师大多采用定义——定理——例题方式授课，学生很难参与到教学中，成为了一名旁观者，不利于学习积极性的培养还导致对内容理解不深刻“知其然，不知其所以然”，不能将所学知识转化为自身能力[1]。
这种情况背弃了线性代数的教学初衷，也是工科院校线性代数课程教学中普遍存在的问题。
2、数学建模思想和发展现状所谓数学模型，是指对于现实世界的某一特定研究对象，为了某个特定的目的，在做了一些必要的简化假设，运用适当的数学工具，并通过数学语言表述出来的一个数学结构。
我们常说的数学概念、数学性质、数学公式、数学法则等都是数学模型[2]，甚至可以是一个图表，一个图像，总之就是得到的结构一定要蕴含着数学意义，再经过不断的修改和检验，得到合理的结论。
这就是数学建模。
数学建模没有统一的数学工具，可以根据建模者知识水平决定采取何种数学手段，因此具有很大的开放性。
第 30 题传染病传播的数学模型由于人体的疾病难以控制和变化莫测，医学中的数学模型也是较为复杂的。
在研究传染病传播问题时，人们发现传染病传播所涉及的因素很多，例如，传染病人的多少，易受感染者的多少，免疫者 (或感染后痊愈者 )的多少等。
在将某一地区，某种传染病的统计数据进行处理和分析后，人们发现了以下的规律性：设 S 表示在开始观察传染病之后第 k 天易受感染者的k人数， H 表示在开始观察后第 k 天传染病人的人数， I 表kk示在开始观察后第 k 天免疫者 (或感染后痊愈者 ) 的人数，那么S+1=S-0.01S(1) kkk (2)H+1=H -0.2H＋0.01S kkkk I+1=I+0.2H(3) kkk其中 (1)式表示从第 k 天到第 k＋1 天有 1％的易受感染者得天的传 k+1 式表示在第 (2)病而离开了易受感染者的人群；染病人的人数是第 k 天的传染病人的人数减去痊愈的人数 0.2H(假设该病的患病期为 5 k(3)式表示在第 k＋ 1 天免疫者的人数是第 k 天免疫者的人数加上第 k 天后病人痊愈的人数。
将 (1)，(2)和(3)式化简得如果已知 S，H，I 的值，利用上式可以求得 S， H，10001I 的值，将这组值再代入上式，又可求得 S，H，I 的值，2221这样做下去，我们可以逐个地，递推地求出各组S，H，kk I 的值。
因此，我们把 S，H， I 和 S，H，I 之间kkkkk+1k+11k＋的关系式叫做递推关系式。
现在假设开始观察时易受感染者，传染病人和免疫者的人数分别为将上述数据 (5)代入 (4) 式右边得利用递推关系式 (4)反复计算得表 30-1。
在建立上述数学模型的过程中，如果还要考虑该地区人员的迁入和迁出，人口的出生和死亡所引起的总人数的变化等因素，那么传染病传播的数学模型变得非常复杂。
所以必须舍去次要因素，抓住主要因素，把问题简化，建立相应的数学模型。
