建立共同基础
从微观、宏观、数学、统计和经济史/制度背景开始,训练把口语问题写成约束、均衡和可比较假设。
Economics
用理论模型、数学与数据分析资源配置、市场行为和公共政策。经济学研究个人、企业、政府和市场如何在约束下作选择,以及制度和政策怎样影响资源配置。核心不是记宏观新闻,而是用模型提出可检验机制,再用计量方法判断数据能否支持因果结论。
从微观、宏观、数学、统计和经济史/制度背景开始,训练把口语问题写成约束、均衡和可比较假设。
进入计量经济学、博弈、公共经济、国际、劳动和金融等方法;需要用代码清理数据、估计模型并检查识别假设。
可深化理论、计量、政策、发展、行为、产业组织或政治经济。方向差异体现在数学深度、数据方法和制度问题。
毕业项目从问题、理论机制、数据和识别策略出发;相关关系、预测和因果推断必须明确区分。
problem set、数学推导、数据作业和论文阅读并行。喜欢讨论商业或国际新闻不等于喜欢经济学;真正学习会持续面对模型假设、反直觉结果和不完整数据。
Economics 数学和理论最完整;Econometrics 更重统计识别;Economics and Management 增加组织商业;Political Economy 连接制度权力;Business Economics 往往更应用。
微观、宏观、计量与政策
喜欢用模型解释社会选择
经济研究、咨询、金融、政策
因果推断、时间序列、面板和计算
数学统计强并愿意处理脏数据
数据、研究、量化、评估
制度、权力、分配与国家市场关系
希望连接经济与政治历史
政策、研究、国际组织
贫困、教育、健康、税收与项目评估
关注公共问题和实证证据
政府、咨询、NGO、研究
预测、金融市场、平台与大规模数据
愿意连接经济机制和计算
金融、科技、数据与风险
专业兴趣要同时放进真实学习、职业资格与真实工作中判断。
本科训练首先形成可迁移的学科能力,之后才在行业、岗位和地区中逐步专业化。岗位名称相同,工作任务、责任边界与进入条件也可能不同。
构建模型、分析数据、预测或评估政策,并把不确定性写成可供决策的建议。
微宏观、计量、代码和政策写作;专业经济学岗位常偏好硕士。
进入政府、央行、咨询、研究或行业经济。
界定市场、评估竞争、需求或政策影响,形成客户报告和专家证据。
经济机制、数据、结构化表达和项目协作。
进入竞争经济、监管、战略或项目负责人。
阅读研究、分析行政数据、比较政策选项并评估分配影响。
计量、制度理解、写作和利益协调。
进入政府、智库、国际组织或政策领导。
定义指标、设计实验、分析用户或市场行为并支持产品决策。
统计、SQL/Python、实验和商业机制。
进入决策科学、定价、增长或数据产品。
跟踪宏观、行业或信用变量,建立情景并解释风险传导。
宏观、金融、时间序列和清晰判断。
进入银行、资管、评级、保险或研究。
雇主示例用于理解知识落在什么业务中,不代表固定就业通道。
业务环境:税收、通胀、竞争和公共服务需要在效率、分配与实施之间取舍。
对应能力:政策经济、计量、写作和责任意识。
可做项目:对一项政策建立逻辑模型并区分预测、因果与价值判断。
业务环境:竞争、诉讼、监管、定价和市场进入依赖模型与行业证据。
对应能力:产业组织、计量、Excel/代码和表达。
可做项目:分析一个市场的需求、竞争边界与数据限制。
业务环境:宏观情景、信用、市场和政策变化影响资产和风险。
对应能力:宏观、金融、统计和情景分析。
可做项目:建立利率或通胀情景,解释传导机制而非只做价格预测。
业务环境:定价、匹配、广告和实验需要理解激励、网络效应与行为。
对应能力:微观、因果、实验、SQL/Python。
可做项目:设计一项平台实验,同时讨论溢出效应与公平。
伦敦集中政策、金融和咨询;Civil Service、央行和监管提供公共经济路径。
量化课程、研究项目和实习重要,专业 economist 岗位常要求研究生训练。
金融、贸易、地产、监管和区域经济研究突出。
英文/中文表达、亚洲制度理解和金融/政策数据能力可形成差异。
平台经济、产业研究、宏观政策、咨询和金融需求广,但岗位名称并不保证使用经济学方法。
用研究设计和代码证明能力;政策与量化路径可能要求硕士。
正在发生:行政数据和实验扩大评估能力,但隐私、外部效度和政策执行仍限制结论。
推动因素:行政数据、平台实验和现代因果方法让政策评估更接近真实决策,但外部效度和执行环境仍会改变结果。
对学习与就业:经济学训练将更重代码、识别策略和政策实施;只做宏观评论而缺少方法不足以支撑专业岗位。
正在发生:供应链、贸易、技术和能源使企业与政府都需要制度化分析。
推动因素:供应链安全、产业补贴、贸易限制和能源转型使国家与市场的边界重新成为核心问题。
对学习与就业:政治经济、产业组织和国际经济需求提高,区域与行业知识会成为经济模型之外的第二能力。
正在发生:算法定价、劳动力和数据优势提出新的竞争、分配与监管问题。
推动因素:平台、算法定价与 AI 改变竞争、劳动和信息结构,同时引发数据优势与市场支配问题。
对学习与就业:竞争经济、监管和产品经济岗位增长,需要把微观理论、因果数据与数字平台机制结合。
以下为规划逻辑,不替代申请当年的课程官网。
高选择性 Economics 与 Econometrics 的核心要求。
对数学密集课程和牛剑/LSE 竞争有明显价值。
Economics 有助于入门但通常不替代数学;History/Politics 支持制度和论证。
Mathematics + Further Mathematics + Economics/History。数学强度应优先于是否修过 Economics。
Economics and Management 通过联合课程学习经济与组织,申请测试按当年官网核对。
Economics 数学和计量强,College 条件与 TMUA 等当年要求须核验。
Economics 与 Econometrics and Mathematical Economics 对数学要求高;部分周期要求 TMUA。
Economics 可能位于商学院、社科学院或跨学科数据项目,学院入口与选科分别核对。
用于识别可申请的专业名称和课程重心;不是官网跳转目录。
经济与管理、PPE 等联合路径各有重心。
完整微宏观、计量与选修体系。
与金融和数据高度结合。
经济、计量与统计联合选择较多。
经济、计量、政治经济和联合学位密集。
经济与金融可联合或分方向。
经济学与计量、全球研究连接。
商学院与数学经济交叉。
经济、金融和数据应用并行。
未检索到该方向下的对应本科专业;相关内容可能只存在于选修模块或研究生阶段。
按地区和院校排列,直接回答每所学校在该方向下有哪些本科专业。同一专业的不同学制不重复拆分;课程名称、Programme code 与招生入口可能按申请周期调整,正式申请时仍需回到当年院校官网核对。
先问想解释市场机制、评估政策,还是用数据识别因果。
区分 Economics、Econometrics、Finance、Business 和 Political Economy 的数学与问题。
核对 Mathematics、Further Mathematics、测试、计量必修和学院入口。
项目从机制和识别开始;就业讨论说明 economist、咨询、政策、金融与平台分析的任务差异。