加州大学洛杉矶分校量化经济学硕士项目
就读于该项目23Fall的Mason学长认为该项目虽然没有纯金工项目名头响，但是胜在性价比高！项目录取考虑因素更全面，GPA并不是唯一标准。并且这个项目也属于STEM专业，享受三年OPT机会。
话不多说一起来听听学长怎么说！
学员介绍
本科：University of Toronto
专业：Economics
GPA：3.7+
TOEFL/IELTS：无
GRE/GMAT：325+
学长怎么说？
整个项目课程偏量化但对先修课要求不高，适合目标是金融或金工但相关背景不够硬的同学。
上下来感觉办学很用心，以学生为中心。比如职业发展课，上了一学期大家反应课太水，之后这门课就改革了。而且UCLA排名好看，地理位置机构，回国和留美都有机会，还是非常推荐的！
项目概况
UCLA是全美申请人数最多，入学竞争最激烈的公立大学之一。量化经济学 (MQE) 是由UCLA经济学院 (Department of Economics) 开办的STEM硕士项目。
项目并不是纯金工项目，前身是应用经济学MAE (Applied Econ)，后面为了更符合项目的课程风格和特色改名为MQE(Quant Econ)。改成MQE后新开设了许多DS方向的课程。
官网上的话就给出了MQE课程最好的解释：
“Where Economics meets Data Science and Finance”，课程设置就是围绕这个中心展开。
目前共有三个主修方向，在某一方向中完成至少3门课程即可获取对应方向认证。
●Finance
●Data Analytics
●International & Monetary economics
因此课程也是融合了这三个领域，可以根据自己的职业或者研究方向，搭配适合自己的课程。课程的另一个高光点是涉及到Quant的课可选范围大，比如Quant Finance, Quant Econ等。
除此之外，项目还从技能培养出发，注重训练学生的Python,SQL,Excel,Tableau,Power Bl等编程技能。
除了课上学习，MQE和不同公司合作的Applied Project也给学生提供了实际应用这些技能解决的问题的情景，项目的涉及话题不尽相同，推荐大家按照自己感兴趣的领域选择适合自己项目。
申请难度
录取背景还是相对比较多元化的，国内Top2及美本Top50的同学GPA能达到3.6+、Top级985或两财一贸的同学GPA达到3.7+均有机会，弱Quant甚至无Quant背景也可被录取。
给大家列了一些基本条件以供参考：
● GPA：建议 3.6+
● GRE：建议 325+
●先修课程:
Economics
Mathematics
Statistics Programming(R/Python)
以上为官方强烈建议有的课程，非经济专业的选手(选不到经济课程)必须展现很强的数学统计能力。
●实习/科研:
如果未来考虑读博，建议至少要有一段科研经历，项目因为有不同分支方向，所以实习和科研做哪个分支都可以(经济或金融相关)。
如果本科非经济or商科，建议在实习和科研中体现个人与经济领域的相关性，这个项目还是以经济学科为主(纯DS或是数统经历可能不太行)。
同学背景
同学里百分之七十以上是中国人，但是这里面一半都是美本或者海本。
包括但不限于UCB、UCSD、UCI等很多UC系的同学，还有威斯康星、华大西雅图、雪城、福特汉姆，以及像我一样其他国家的UBC、多大等。
陆本学校背景跨度比较大，包括但不限于北大、人大、南开、央财、贸大、北航、南大、厦大、中大、武大、湖大、北语、外交学院，也有一部分普通一本的同学。总之生源比较diverse。
课程设置
MQE项目总共48学分，可在9-18个月内完成，必修课较少。项目就读时长非常灵活，完成48个学分和毕业要求（实战项目/考试/论文等）即可拿到学位。
可调控的时长是一个非常大的优点，一方面因人而异地调整了课程强度（适应快的可选9-12个月，反之则把时间拉长），同时可以结合自身的找工情况安排毕业时间。
UCLA是Quarter制，3个月为一个学季，所以课程进度紧凑，考试和作业DDL很紧密。
基本上一开学上两到三周的课，就可以开始为期中考试做打算，你会觉得时间过得特别快，所以及时适应强度，加强复习在这里很重要。
在开学前有训练营，为期两周，主要内容是复习数学、预习R和Python。
然后三学期一共上大概十二门课，课程非常应用导向。选修课集中在Data和Finance两个方向，基本每门课的作业都需要用到R和Python，所以认真写作业的话可以软件练的很熟。
必修课:
410:涉及Guest Lecture & Mini Course (Finance/Data/Econ相关)和就业发展。
430:使用R和Python介绍经济学、商业和政府中使用的概率、统计学、计量经济学和时间序列方法。
个人觉得430这门课偏计量和Data的结合，对Coding能力有一定的要求，难度较大。
其余为自己选修，每个学季的学分最少不能低于8分，课程的学分从1-4分不等，大部分为3分或4分。
如果以就业为导向可以搭配涉及到实用技能更多的课以及选择专门为职业发展的课。
如果想要读博，MQE每个学季都可以选择经济系下的一些博士课和博士生们一起上，是一个很好的能够接触读博和博士课程难度的渠道，有读博意愿的话可以多体验博士课程，同时也有更多的机会和经济系教授和博士生交流。
就业情况
先给大家分享一些学院的就业资源。有幸目睹MQE就业资源的迅速增长，项目是真的有在费心去做拓展的!
1.基本OPT/CPT情况
MQE属于STEM项目，学期中可以通过CPT进行实习，毕业后最长可以获得3年的OPT时间(基础1年+延长2年)，最多可以获得3次抽 H1B签证的机会。
虽然MQE有这方面资质，但还是需要个人积极通过Networking或者参加Career Events等方式，找到能Sponsor的工作岗位!
2.MQE Career Prep
这是一个经常被忽略，但很实用的信息渠道。每周 MQE都会以邮件形式发送 Weekly Newsletter，内容包括但不限于:
●企业/专家/其他学院的Workshops
●Job Referrals /Opportunities
●Career Onboarding Courses
●校内相关机构的联系方式
●Resume, Cover Letter, Interview等方面指导和实用资料
如果想了解 MQE的最新实习或全职机会，以及近期可以参加的专家、行业讲座，最高效的方式就是通过最新的 Newsletter进行查询。邮件中的机会都有附上基本信息和链接，感兴趣的话可以随时邮件 Faculty去进一步咨询。
3.Career Summit/Events
MQE现有的就业活动和机会推广数量不少且增长速度真的很快。固定的活动包括410附带的一些就业分享和专家论坛，以及Applied Project提供的潜在就业机会。
项目也会不定期举办一些招聘会、校友座谈、学生分享等，提供多样化的就业资讯渠道。
还可以参加 UCLA就业中心举办的一些就业活动，也能遇到一些给Sponsor的岗位。
4.APAC Connections
这是MQE去年关注的就业重点之一，每周的 Newsletter中都会涵盖国内的最新实习、全职机会，专门有一个微信群聊分享就业信息，未来有望对接更多国内企业进行招聘。
去年秋招有内推的赛道包括PE/期货/互联网/数据/快消/事务所等。
UCLA最近的排名表现还不错，过简历关的时候至少不会被学校拖后腿。剩下的就非常看个人的本科院校背景、实习经历、成绩、能力、专长等因素了。
项目解析
UCLA MQE项目致力于利用数据科学、金融和经济学解决社会挑战。学生将学习数据科学、金融建模、预测和经济学等一系列课程，并接触R, Python, SQL, Excel等许多金融工具和平台。
该项目为学生提供了集理论和应用于一体的强化课程，增强了他们在经济学领域的实践能力。除此以外，这些课程帮助学生成为了令公司及雇主满意的、具有量化技能和丰富实践经验的人才。
申请条件
随着近两年美研申请的人数持续增多，申请的条件也越来越高，有意向申请的同学一定要客观的评估自己的现阶段水平，做好筹备。
不过，UCLA的MQE并未表现出对海外本科同学的特别偏好，所以对于在国内读本科的同学稍微友好一些。
如果申请者本科专业不是经济学，你需要修过工程或数学专业的微积分1、2，中级宏观经济学和中级微观经济学。此外，如果你没有学过计量经济学，那么建议有较强的统计学基础。
官方申请要求：
● GPA：官方3.0，实际至少3.3，建议3.5及以上
● GRE：必须提交，建议325（Q165以上）
●托福：官方要求87分，建议至少90分以上
●或者雅思：7.0（美国对雅思要求普遍偏高，主申美国不建议考雅思）
●相关实习
申请材料：
●Statement of Purpose
●Personal History Statement
●Resume/CV
●Two Letters of Recommendation
●Unofficial Transcript & GPA Requirement
●GRE
●TOEFL/IELTS (if applicable)
●Application Fee
课程设置
UCLA的这个项目其实也是个很新的项目，它是在2015年开设的，2016年第一届学生入学。
3个学期主要由经济学基础课、应用课和选修课组成，在第三个选修课阶段还有各种经济学名人的讲座和Final Project。课程围绕金融(Finance)、经济学(Economics) 和数据科学(Data Science)三个专业领域展开。
9-18个月的学习时间里，学生们要通过Python、R、SQL、Excel等基础数据处理工具来学习如何分析浩如烟海的经济数据，并且从中找到关于未来经济发展的线索指向。
为了帮助学生更好地掌握量化分析市场的能力，专门设置了Applied Data Management、Machine Learning等会提供强大的数理训练的课程。
一个学期四门课，如果你想延长几个月毕业，每个学期可以少修几门课，平摊到后面的学期。至少修满48学分课程并完成毕业Capstone项目方可毕业。
秋季课程
•Macroeconomics (Econ 402)
•Economists in Action (Econ 410)
•Professional Development for Emerging Economists (Econ 429A)
•Applied Statistics and Econometrics with R and Python (Econ 430)
•Core Finance (Econ 433)
•Financial Accounting (Econ 436)
•Applied Data Management for Economists (Econ 441A)
•SQL and Data Management (Econ 443A)
•The Stock Market and Fundamental Equity Research Analysis (Econ 444)
•Collaboration and Team Management for Emerging Economists (Econ 449)
冬季课程
•Economics of Entreprenuership (Econ 407)
•Exchange Rate Forecasting, Big Data and Portfollo Deslgn (Econ 409)
•Incentives, information and Markets (Econ 421)
•Machine Learning (Econ 425)
•Professional Development for Emerging Economists (Econ 429B)
•Data Sclence for Financlal Engineering (Econ 432)
•Applled Data Management for Economists (Econ 441B)
•MOE Finance Laboratory(Econ 442B)
•Appllcations of Cloud Computing and Blockchain (Econ 446)
•Applled Financial Forecasting and Machine Learning (Econ 447)
选修课
•Income Inequality(Econ 405)
•Money and Banking (Econ 406)
•Fundamentals of Blg Data (Econ 412)
•Asset Pricing and Portfollo Theory in Practice (Econ 414)
•International Economics (Econ 422)
•Machine Learning & Big Data for Economists (Econ 434)
•Princlples of Blg Data Management Systems (Econ 435)
•Applied Data Management for Economists (Econ 441C)
•MQE Financial Forecasting Lab (Econ 442C)
就业去向
MQE的毕业生几乎在所有能想到的领域都能工作，大多数学生接受的职位是数据分析、金融、咨询和技术。
90%以上的MQE毕业生能够在毕业后6个月内可以完成就业。就职的公司也都是世界驰名的非常有竞争力的公司，埃森哲、阿里巴巴、麦肯锡、亚马逊、中国银行、中信、德勤、IMF等等。
大多数学生都从事咨询、数据分析、财务等领域的职位，常见的职位有产品经理、数据分析师、数据顾问、金融分析师、投资银行分析师等，还有钻研学术方面的经济学家、数据科学家或者学校讲师等。
MQE项目有专门的职业指导和企业关系团队，专注于帮助MQE学生获得工作和实习机会。整个学年，该项目将举办社交活动、职业座谈会、培训研讨会和招聘会，将学生与全球雇主联系起来。
职业导师会和你讨论你的职业目标，并提供资源和建议来帮助你实现职业目标。
以上就是Mason学长在加州大学洛杉矶分校量化经济学硕士项目的全部就读体验啦！
【竞赛报名/项目咨询请加微信：mollywei007】
