以美国金融类硕士为例，金融硕士大概可以分为金融硕士和量化金融硕士。大体来说，这些金融类硕士项目都比较喜欢数学背景的学生，但是也由于项目设置不同，对数学的要求也有很大的差别，量化金融类硕士对数学的相对会更高。
量化金融(Financial Engineering, Financial Mathematics, Quantitative Finance, Computational Finance):属于理工科中的理工科，数学是基础。从业者属于工程师，需要的核心素质和其它工程行业的工程师很相似，如数学建模，抽象简化的能力，编程和软件使用能力，数据处理，分析和可视化能力。
金融(Finance)：属于商科八大方向之一(其它商科方向包括accounting，marketing，business analytics，物流等)，属于半文半理，高等数学使用并不多。
这里重点讲讲量化金融类硕士对数学能力的要求：
基础数学课程
本科微积分和线性代数是基础的基础
随机微积分与本科微积分的联系
基础统计课程
为何统计知识如此重要
原因1： 金融衍生品定价(主要用于卖方，如投行)
原因2：时间序列分析 (主要用于买方，如hedge fund)
高级数学课程
常微分方程 / 偏微分方程：解析解法 / 数值解法 / 随机解法(蒙特卡洛)
数学优化：Linear / Nonlinear / Convex / Integer /。。。
数学建模能力
金融市场的复杂性 vs 数学模型的抽象性
美国大学生数学建模竞赛 / 全国大学生数学建模竞赛
GRE数学Sub(申请美国量化金融类硕士)
1. 很少有学校一定要求SUB，但如果考出理想成绩，对于量化金融申请加分极多;
2.考试的时间：ETS每年4月、10月和11月会有专项考试，但是在中国大陆只有11月份有，香港、台湾也是。如果时间紧的话，可以考虑一下新加坡，三次都有的，不过全新加坡只有一个考点，要抓紧占考位;
3. 考试内容广度极大，但难度有限。不是数学竞赛，在技巧上中规中矩;
4. 在美国没有《数学分析》、《高等代数》这些课程的，中国学校是沿用了前苏联的课程设置。在美国本科生最早接触的是超多学分的Calculus，这里面已经涵盖了部分Analytic Geometry的内容;之后是Linear Algebra以及Ordinary Differential Equations了;再之后可能会讲到一些Functions of a Complex Variable和Introduction to Probability。这里面涵盖了SUB考试的大部分内容;
5. 除此以外，Sub还要考到： Introduction to Analysis, Abstract Algebra, Set Topology, Discrete Mathematics、 Combinatorics, Number Theory
如何在文书中描述数学知识?
1. 要体现对数学各个分支的理解，及与量化金融的关系;
2. 不一定都在课上学过，可以综合利用多种渠道获取知识，包括网课，自学，做Projects;
3.对于跨专业的学生，要寻找在数学基础上，两门学科的交集。
经济转：Econometrics
物理转：四大力学和场论中的PDE及统计知识
力学/机械/航空转：力学中的PDE
计算机转：人工智能相关课程中的统计知识
EE转：电磁学中的PDE和信号处理课程中的统计学
