清华大学 · 07_计算机与金融双学位

2026-07-28 · 备考资料 · 鸡蛋强基计划综合评价

计算机与金融双学士学位项目

Dual Bachelor Degree Program in Computer Science and Finance

A. 项目画像与考察重点

计算机与金融双学士学位项目由清华大学计算机科学与技术系与经济管理学院联合培养，是国内最早探索"理工+经管"深度融合的本科双学位项目之一。学生四年完成两大学科核心课程，毕业同时获得工学学士（计算机科学与技术）与经济学学士（经济与金融）两个学位，学制为四年，弹性最长可延至六年。项目面向已被清华录取的大一新生二次选拔，目标是培养兼具扎实工程能力与现代金融素养的复合型顶尖人才，服务金融科技（FinTech）这一国家战略与产业前沿。

选拔流程通常在新生入学前后展开：报名（以2026年为例为7月27日至8月19日）后经材料初审、专业测试、资格认定与最终确认四个环节。需要特别注意的是，该项目学生不参与全校范围的转专业，但允许在大一、大二阶段申请退出，转入计算机科学与技术或经济与金融两个单一专业之一继续学习，这一"退出机制"既是压力缓冲也考验学生的规划定力。

考察重点可概括为三方面：一是数理与编程硬基础，包括数学分析、线性代数、程序设计的能力底色；二是金融直觉与商业洞察，能否用计算机思维重新解构金融问题；三是自我驱动力与抗压素质，因为双学位课业强度显著高于普通专业，面试会通过动机、经历与压力问题加以甄别。

关键词：双学位培养 · 计算机系×经管学院 · 工学+经济学双学士 · 四年弹性六年 · 不参与转专业可退出 · 二次选拔四环节 · 金融科技复合人才 · 数理与编程硬基础

B. 核心概念速查

① 货币时间价值：今天的钱比未来等额的钱更值钱，因可投资生息，是贴现与估值的基础思想。
② 复利：利息计入本金再计息，长期呈指数增长，"世界第八大奇迹"。
③ 量化交易：用数学模型与程序自动生成并执行交易信号，区别于人为主观判断投资。
④ 有效市场假说：股价已反映所有公开信息，持续战胜市场极难，弱式/半强式/强式三层次。
⑤ 金融科技FinTech：以技术重构支付、信贷、投顾、保险、监管等金融服务的产业版图。
⑥ 区块链：去中心化分布式账本，靠共识机制保证多方无需互信即可记账。
⑦ 信用评分：用大数据与模型预测借款人违约概率，是AI风控的核心应用。
⑧ 高频交易：以毫秒级速度、算法化、低持仓时间进行大量交易，赚微小价差。

C. 面试真题（Q1–Q20）

Q1你为什么选择计算机与金融双学位，而不是单独读计算机或单独读经管？专业重点

参考回答

我观察到现代金融的底层正在被技术重构：高频交易、智能投顾、风控建模无不需要工程能力，而纯计算机背景又常缺乏对市场机制与风险本质的理解。单独读计算机，我可能只会写系统却不懂它在金融场景中的价值；单独读经管，又难以亲手实现算法与平台。双学位让我同时掌握"造工具的本领"和"理解市场的思维"，这正是金融科技最稀缺的复合画像。我也接受课业更重、淘汰机制更严的现实，愿意用六年弹性学制换取这种交叉深度，而非两个专业的简单叠加。

备考提示：避免说"两个都想要"这类模糊动机，要体现交叉价值的清醒认知。

Q2双学位课业压力极大，你打算如何应对？专业重点

参考回答

我先做了功课：该项目需在四年内修完两院核心课，学分显著高于普通专业，确实很紧。我的应对分三层：一是时间管理上用"重要-紧急"矩阵，把数学与编程基础课放在精力最好的上午，提前预习降低课堂损耗；二是学习方法上，两门学科存在互补，比如用编程作业巩固概率统计、用金融案例理解最优化，主动建立知识连接而非割裂记忆；三是心理层面，我了解大一大二可申请退出机制，这让我敢于全力以赴而不必焦虑"沉没成本"。我高中已习惯高强度节奏，相信结构化规划能扛住压力。

备考提示：展现具体可执行策略，而非空喊"我能吃苦"。

Q3有人质疑双学位"两边都学不精"，你如何回应？专业重点

参考回答

这个质疑有道理但不全面。坦率说，双学位毕业生在单一学科的纵深确实可能不如专注一个方向的同侪。但金融科技的价值恰恰在"接口"处：懂模型的人不懂系统落地，懂系统的人不懂风险定价，而真正稀缺的是能在这两者间翻译、协作、定义问题的人。我理解的"精"不是成为两领域的顶尖学者，而是达到能独立建模并工程实现、能与两方专家对话的水平。清华两院的课程设计也保证了核心课达标，退路又清晰，所以"学不精"更取决于个人投入，而非项目结构本身。

备考提示：承认局限再翻转，比一味反驳更有说服力。

Q4你的数学基础如何？请谈谈对微积分和线性代数的理解。专业重点

参考回答

数学是这两个学科的共同语言。微积分方面，我理解的不仅是求导积分技巧，更是"变化率"与"累积"的思维——金融里的边际效用、风险随时间的演化都依赖它；线性代数则是数据的天然表达，资产收益可用向量、协方差矩阵描述组合风险，主成分分析能降维提取市场因子。我高中参加过数学竞赛，已自学了多元函数与矩阵运算基础。我也清楚清华课程难度更高，计划入学前巩固实分析与概率论前置知识，把数学从"工具"升级为"直觉"。

备考提示：结合金融/计算场景谈数学，别只罗列知识点。

Q5请分享一次团队合作的经历，你在其中扮演什么角色？专业重点

参考回答

高二时我带队参加数学建模比赛，五人小组要在三天内完成城市充电桩选址优化。我担任建模与协调双重角色：先用聚类算法划分需求区，再建立整数规划模型，并负责把数学语言翻译给负责写作与编程的两位同学。冲突出现在第三天的参数调优上，我组织大家用"分头试错+对照表"的方式快速收敛分歧。最终获省一等奖。这段经历让我体会到：复合项目里最难的不是技术，而是让不同专长的人对齐目标——这也正是双学位人才未来要做的"翻译者"。

备考提示：突出"协调与翻译"能力，贴合项目交叉属性。

Q6你的职业规划是什么？投行、科技公司、量化，你更倾向哪条路？专业重点

参考回答

我希望先积累"硬能力"再选赛道。短期目标是进入量化研究或金融科技平台实习，因为这里最能同时用到两学位的训练：写策略要概率统计与机器学习，跑实盘要低延迟系统与工程素养。中长期我更倾向科技公司里的金融基础设施方向（如支付清算、风控中台），而非纯投行——投行偏重人际与制度套利，技术含量相对有限。当然这随认知会调整，双学位给我的底气正是"可进可退"的选项宽度，而不是一条被锁死的路。

备考提示：体现"双学位赋能"而非在三者间摇摆不定。

Q7你如何理解项目的"退出机制"？它会动摇你的决心吗？专业重点

参考回答

退出机制允许大一大二申请转入计算机或经管任一单专业，我认为这是理性的制度设计而非退路暗示。它保护的是"发现自己真实不匹配"的学生，而非鼓励动摇。我的态度是：把它当成安全阀，反而能让我更安心地全力投入——不必担心一步选错就满盘皆输。但我已认真评估过自己的兴趣与能力，双学位是我主动选择而非妥协，所以不会把它当Plan B来稀释当下的努力。若真到那时发现偏科严重，理性退出也是对自己负责。

备考提示：把退出机制说成"理性保护"而非"备选逃跑"。

Q8请解释货币时间价值，并说明现值与终值的关系。专业重点

参考回答

货币时间价值指同样面额的钱因所处时点不同而有不同价值，核心原因是钱可投资生息、存在机会成本与通胀。终值是现在一笔钱按某利率在未来时点的价值，现值则是未来一笔钱折算到今天的价值，二者通过复利因子互为逆运算：终值 FV = PV×(1+r)^n，现值 PV = FV/(1+r)^n。折现率r实际上是对"等待"与"风险"的补偿。这一思想是所有资产定价、贷款分期、企业估值的基础——任何现金流都要先统一到同一时点才能比较，否则决策会失真。

备考提示：务必讲清"折算到同一时点比较"这一本质。

Q9风险与收益是什么关系？分散化投资为什么能降低风险？专业重点

参考回答

一般规律是"高风险高收益"，因为投资者要求额外补偿才愿承担波动，这体现为资产预期收益与其风险（如波动率、β）的正相关。但分散化能降低"非系统性风险"：当组合持有多只收益不完全相关的资产时，个别公司的特有冲击会相互抵消，组合总波动小于各资产波动的简单平均。数学上，组合方差取决于协方差而非仅方差之和，相关性越低分散效果越好。需注意分散化无法消除系统性风险（如市场整体下跌），所以它是"免费午餐"但有限度。

备考提示：区分系统性/非系统性风险，提到协方差更显专业。

Q10什么是量化交易？它和主观投资有何不同？专业重点

参考回答

量化交易是用数学模型从历史与实时数据中挖掘统计规律，由程序自动生成信号并下单的投资方式。与主观投资相比：决策主体上，量化靠算法、主观靠人脑判断；处理规模上，量化可同时监控成千上万标的，主观受精力限制；情绪干扰上，量化纪律性强、规避人性弱点；但量化也面临模型过拟合、历史不代表未来、同质化踩踏等风险。主观投资在信息不对称、事件驱动、定性研判上仍有优势。实践中二者常融合，如主观基金经理用量化工具做风控与选股辅助。

备考提示：对比维度清晰（主体/规模/情绪/风险）即可得分。

Q11请描绘金融科技FinTech的产业版图，并举几类应用。专业重点

参考回答

FinTech是用技术重构金融服务，主要版图包括：支付清算（移动支付、跨境结算，如二维码与数字人民币）、借贷（大数据信用贷、P2P演进后的合规小贷）、财富管理（智能投顾、 robo-advisor 按风险画像自动配置）、保险科技（UBI 车险、理赔自动化）、资本市场（量化交易、另类数据）、监管科技 RegTech（反洗钱监测、合规自动化）。其共同逻辑是用数据与算法降低信息不对称、压缩中介成本、提升普惠金融覆盖。对双学位学生而言，每一块都是"计算能力×金融场景"的结合点。

备考提示：按"支付/信贷/投顾/保险/监管"分类记忆最稳。

Q12请用直觉解释区块链与数字货币，并谈谈对央行数字人民币的理解。专业重点

参考回答

区块链本质是一个去中心化的分布式账本：交易由全网节点共同记录，靠"共识机制"（如工作量证明、权益证明）在无互信的多方间达成唯一账本，且不可篡改。比特币等加密货币用它实现点对点价值转移、无需银行中介。但央行数字人民币（e-CNY）是另一回事：它是法定货币的数字化，由央行中心化发行，价值锚定人民币，本质是"现金的数字化"而非去中心化加密货币。它提升支付效率与可追溯性，利于货币政策精准投放，但不同于比特币的投机属性。理解二者区别，是金融科技的常识底线。

备考提示：务必区分"去中心化加密货币"与"央行法定数字货币"。

Q13大数据与AI如何应用于金融风控，以信用评分为例说明。专业重点

参考回答

传统风控靠专家规则与少数变量（收入、抵押物），覆盖面窄。大数据风控则融合交易流水、设备行为、社交图谱、甚至合规的替代数据，用机器学习建模预测违约概率。以信用评分为例：先构建特征（如还款历史、负债比、消费稳定性），再用逻辑回归、梯度提升树或神经网络训练违约分类器，输出0–1的评分；模型持续用新样本迭代并做公平性校验。优势是能服务传统"信用白户"，但挑战在于数据隐私、模型黑箱与算法歧视，需要监管与可解释AI配合。

备考提示：提"特征—模型—评分—迭代"流程，兼谈隐私挑战显全面。

Q14算法与数据结构基础中，时间复杂度是什么？排序或哈希在高频交易中有何意义？专业重点

参考回答

时间复杂度描述算法运行时间随输入规模增长的渐近趋势，用大O记号（如O(n log n)）刻画，是评估可扩展性的核心。在高频交易中，微秒级延迟直接决定盈亏：哈希表以O(1)平均查找，可极速定位订单簿中某只证券的状态，远胜O(log n)的树或O(n)的遍历；排序则用于维护最优买卖价队列，如用堆O(log n)动态取最优对手价。但工程上还要考虑缓存友好、无锁结构与内存布局，算法复杂度只是第一关，系统级优化同样关键。

备考提示：把O(1)哈希与订单簿定位挂钩，紧扣"高频"场景。

Q15你的编程基础如何？有过Python或C++经历吗？专业重点

参考回答

我以Python为主力语言，高中用它在数学建模里写过数据清洗与可视化脚本，也自学了pandas、numpy做回归分析，对NumPy的向量化思维有所体会。C++方面我读过基础语法与STL，理解它与Python在性能上的差距——这也是为什么量化低延迟系统多用C++。我清楚真正的工程能力要在大学项目里锤炼，所以计划第一学期巩固C++与数据结构，并尝试用Python复现一个简单的均线策略回测，把语言当成"表达金融想法"的工具而非目的。

备考提示：诚实分层陈述，别虚报C++深度，强调"工具服务于想法"。

Q16请通俗解释有效市场假说，以及AI量化对它提出了什么挑战？专业重点

参考回答

有效市场假说认为股价已充分反映所有可得信息，因此靠公开信息持续跑赢市场几乎不可能，分弱式（反映历史价）、半强式（反映公开信息）、强式（反映一切包括内幕）三层次。但AI量化带来挑战：海量另类数据（卫星图像、舆情、供应链）让"信息边界"被重新定义，机器学习能挖掘传统模型忽略的非线性、高维弱信号，短期制造超额收益；然而这也可能是数据挖掘假象，且当策略同质化时优势迅速消失。所以AI未必推翻假说，而是把"无效"的窗口压得更短、更隐蔽。

备考提示：点出"另类数据+非线性的短暂窗口"，是高分关键。

Q172008年金融危机或近年硅谷银行事件，给你什么教训？专业重点

参考回答

硅谷银行2023年倒闭典型暴露了"久期错配+挤兑"风险：它用客户存款买入长期国债，加息后债券浮亏扩大，又因抛售引发信心崩塌与光速挤兑。2008年则是次贷衍生品层层包装、风险被隐藏、杠杆过高所致。共同教训有：一是期限错配与高杠杆是系统性风险的温床；二是信息披露与监管滞后会让局部问题传染全局；三是在技术时代，社交媒体放大挤兑速度，流动性管理比账面盈利更重要。对金融科技而言，技术能提升效率，却也可能加速风险传播，风控与监管须同步进化。

备考提示：选一个事件讲透"错配/杠杆/传染"三层教训即可。

Q18请讨论高频交易的利与弊。专业重点

参考回答

高频交易（HFT）以毫秒级速度、算法化、极短持仓赚取微小价差。其利：提供海量流动性、缩小买卖价差、提升价格发现效率，使普通投资者成交更优。其弊：可能加剧闪崩（如2010年美国股市闪崩），存在抢先交易（front-running）与不公平竞争，基础设施军备竞赛造成资源浪费，且部分策略无助于实体经济。监管常用熔断、最小报价单位、延迟优先等平衡。我的看法是HFT本身中性，关键在于规则设计能否抑制其负外部性、保留其流动性贡献。

备考提示：用"利：流动性/价差；弊：闪崩/不公"结构，结尾给中立判断。

Q19如果让你用计算机技术改进一项金融服务，你会做什么产品构想？专业重点

参考回答

我构想一个"小微企业现金流预警与智能信贷"产品：用API打通企业税务、电商与银行流水，实时构建现金流图谱，用时序模型预测未来90天资金缺口并提前预警；同时基于替代数据生成动态信用评分，对接银行实现"无接触"循环授信。技术上用流式计算保证实时性、用可解释模型满足监管、用隐私计算保护数据不出域。它的价值在于把传统覆盖不到的"信用白户"小微企业纳入正规金融，既普惠又控险——典型的计算机能力解决金融普惠痛点的场景。

备考提示：构想要落到"数据+模型+合规"三角，避免空想炫技。

Q20你了解清华计算机系与经管学院分别能提供哪些资源吗？专业重点

参考回答

计算机系方面，我有了解其人工智能、系统软件、网络与信息安全的优势方向，以及姚班、智班等交叉培养土壤，实验室与开源生态活跃；经管学院则有强大的金融、会计、经济学科，钱颖一、白重恩等学者为代表，且MBA/EMBA校友网络与业界联系紧密。双学位的独特红利正是能同时蹭两院课程、讲座与实习通道。我希望在前两年打牢两院基础课后，依托计算机系做系统/AI训练，依托经管做市场与实证，并尝试加入两院联合的金融科技相关课题组，把资源真正用足。

备考提示：点出两院各自强项+你打算"如何串联"资源，显主动性。

D. 备考要点

备考清单：
1. 数理与编程：巩固数学分析、线代、概率基础，准备Python/C++作品或项目陈述。
2. 金融直觉：吃透货币时间价值、风险收益、分散化、有效市场等核心概念。
3. 科技前沿：梳理FinTech版图、区块链/数字人民币、AI风控、量化与高频交易。
4. 时事案例：准备2008危机、硅谷银行、闪崩等事件的逻辑与教训。
5. 动机表达：用具体经历支撑"为何双学位""抗压""退出机制"等软问题。
6. 院校认知：了解计算机系与经管学院的强项、课程与联合资源，展现规划。
7. 模拟面试：按"专业题+动机题"组合练习，控制回答在2–3分钟、结构清晰。

返回二次选拔