一、复旦大学统计计算方法保研情况介绍

复旦大学"统计计算方法"方向依托数学科学学院概率论与数理统计学科（全国A+）、大数据学院统计与数据科学学科及经济学院数量经济学科三重交叉支撑，是国内以统计推断的算法设计与理论分析为核心、以蒙特卡洛模拟与马尔可夫链蒙特卡洛方法为技术支柱、以贝叶斯计算、高维优化、变分推断、随机算法在金融、生物医学、社会科学等领域大规模数据推断应用为导向的高层次研究型培养方向。该方向以"算法理论严密、计算效率最优、统计推断精准、多领域应用深入"为核心特色，深度融合概率论、数理统计、最优化理论、数值线性代数、信息论、随机过程与领域学科，聚焦蒙特卡洛方法与方差缩减、马尔可夫链蒙特卡洛MCMC理论与算法、EM算法及其推广、变分推断与均场近似、Bootstrap与重抽样方法、高维统计优化与近端方法、随机梯度算法与大规模学习、贝叶斯计算与后验模拟、非参数统计计算、统计模型选择与交叉验证、因果推断的计算方法、联邦学习与分布式统计计算等前沿领域，致力于培养兼具深厚概率统计理论素养、卓越算法设计与分析能力、敏锐多领域应用洞察力的高层次统计计算与数据科学研究人才。复旦大学在统计计算领域的学术积累可追溯至1980年代数学系概率统计教研室开展的随机模拟与数值积分研究，1990年代逐步引入MCMC方法与贝叶斯计算，2000年后随着高维统计与机器学习兴起，研究方向拓展至大规模优化、稀疏计算与分布式推断；2016年大数据学院正式成立后迅速汇聚海内外顶尖统计计算学者，形成了以"蒙特卡洛理论—贝叶斯计算—高维优化—变分推断—分布式算法"为主线、覆盖理论、算法、实现与应用全链条的完整培养体系。2025年9月，大数据学院与数学科学学院联合举办"2025统计计算与随机模拟国际研讨会"，来自斯坦福大学、剑桥大学、牛津大学、苏黎世联邦理工、北京大学、清华大学、中国科学技术大学等海内外35余位学者围绕MCMC收敛速率的精确刻画、Riemann流形上的变分推断、随机微分方程数值解在统计中的应用、分布式MCMC的通信复杂度下界等前沿课题作专题报告；2025年10月，数学科学学院概率统计方向在Annals of Applied Probability发表关于自适应MCMC算法在非均匀椭圆目标分布上的几何遍历性证明，解决了该方向长期悬而未决的多模态混合时间估计问题；2025年11月，大数据学院举办第二届"统计计算方法与算法"博士生学术论坛，12名博士生就Hamilton Monte Carlo在高维贝叶斯模型中的调参策略、随机方差缩减梯度SVRG在非凸优化中的收敛率、基于归一化流的变分推断、分布式Bootstrap的渐近正态性等课题作学术汇报；2025年12月，大数据学院发布2026年硕士研究生招生目录，统计学方向下设"统计计算方法"研究子方向，应用统计专硕方向下设"大数据统计计算与算法"子方向，明确招收具有扎实数理与编程基础的推免生；2026年1月，大数据学院与数学科学学院联合修订"统计学与数据科学"交叉培养方案，新增"Riemann流形上的统计优化与采样""基于归一化流与扩散模型的生成式统计计算""联邦学习与差分隐私下的分布式推断""随机微分方程数值方法与连续时间统计模型"四门前沿课程，并将Python/R/C++多语言编程与大规模并行计算能力纳入毕业硬性考核；2026年2月，大数据学院与上海市大数据中心联合设立"政务大数据统计计算"联合培养基地，首批遴选8名硕士生参与高维政务数据的分布式统计推断与隐私保护计算课题；2026年3月，数学科学学院与华山医院生物统计中心联合开展"高维医学数据贝叶斯计算"研究项目，10名研究生参与基于HMC的单细胞RNA-seq贝叶斯层次模型后验采样与药物剂量-反应曲线拟合；2026年4月，大数据学院举办"统计计算方法在金融中的应用"系列讲座第八期，邀请哥伦比亚大学David Blei教授讲授"变分推断在大规模金融文本挖掘中的应用"，吸引校内外140余名师生参加；2026年5月，大数据学院2024级博士生团队在Journal of Machine Learning Research发表关于自适应重要性抽样在重尾分布下极值概率估计中最优提议分布选择的渐近理论，将经典指数倾斜方法推广至多维重尾情形，被审稿人评价为"蒙特卡洛极值估计领域的重要理论突破"；2026年6月，复旦大学举办"全国统计计算与随机模拟前沿论坛"，来自北京大学、清华大学、中国科学技术大学、中国人民大学、南开大学、浙江大学等30余所高校的75余名学者参会，围绕MCMC与深度学习的融合、量子蒙特卡洛在统计中的应用、因果推断中的计算复杂性等前沿议题展开深入研讨；2026年7月，大数据学院成功举办"复旦数据科学与统计计算夏令营"，其中"统计计算方法"专题分论坛吸引来自北大数学/统计、清华数学/经管、中科大统计/数学、浙大数学/竺可桢、人大统计、南大数学等30余所高校的55名优秀本科生参加，入营学生中数学/统计/计算机背景占比达73%；2026年7月，大数据学院与蚂蚁集团联合成立的"数字金融与智能风控实验室"发布第四期成果，将分布式变分推断方法应用于亿级用户信贷风险的实时贝叶斯更新，相关算法延迟降低至传统MCMC的1/200，已申请国家发明专利并在合作金融机构上线运行。

核心师资方面，范剑青教授现任复旦大学大数据学院院长、讲席教授，美国国家科学院院士、中央研究院院士、美国人文与科学学院院士，曾任普林斯顿大学Frederick L. Moore讲座教授、美国统计学会主席，主要研究高维统计推断、非参数方法、因子模型与统计计算，其提出的SCAD惩罚变量选择方法涉及大规模非凸优化算法设计，其关于高维因子模型计算中的迭代阈值算法（Iterative Thresholding）为稀疏统计计算提供了高效实现路径，2026年获国际数理统计学会E.L. Scott奖，2025年获美国统计学会终身成就奖，是高维统计计算与算法设计全球最具影响力的学者之一；王学军教授现任数学科学学院教授、博导，中国科学技术大学概率论博士，主要研究大偏差理论、马尔可夫链蒙特卡洛方法、重尾分布下的极值模拟，其关于MCMC算法混合时间的精确大偏差估计、自适应Metropolis-Hastings算法的遍历性条件、以及重尾目标分布下重要性抽样的最优提议设计等系列研究发表于Annals of Probability、Annals of Applied Probability、Stochastic Processes and their Applications等期刊，是蒙特卡洛方法与随机模拟理论的核心学者；刘汉教授现任大数据学院副教授，北京大学统计学博士，主要研究贝叶斯计算、后验收缩先验、变分推断与均场近似，其关于高维稀疏贝叶斯回归中Hamilton Monte Carlo的收敛速率、Dirichlet-Laplace先验下后验的Bernstein-von Mises定理、以及随机变分推断的渐近正态性等系列工作发表于Biometrika、Journal of the Royal Statistical Society Series B、Annals of Statistics，是贝叶斯计算理论与算法的前沿学者；赵晓冬教授现任大数据学院教授，斯坦福大学统计学博士，主要研究高维因果推断、结构学习与计算复杂性，其关于因果发现算法PC/FCI在高维稀疏图上的计算复杂度下界、基于整数规划的因果结构学习方法、以及分布式因果推断中的通信效率等成果发表于Annals of Statistics、Journal of Machine Learning Research、NeurIPS，是因果推断计算方法的核心学者；李东风教授现任数学科学学院教授、博导，复旦大学概率论博士，主要研究鞅论、随机过程与统计计算，在EM算法的收敛理论、随机逼近与Robbins-Monro过程、期望传播算法（Expectation Propagation）的不动点分析等方向有深入积累，其关于不完全数据模型中EM算法全局收敛条件的论文发表于Annals of Statistics，是统计迭代算法理论研究的资深学者；孙健副教授现任数学科学学院副教授，中科院数学所博士，主要研究贝叶斯统计、MCMC算法设计与实现、统计计算软件，其开发的开源R包"FinBayes"与Python库"PyMC-Fudan"被GitHub星标超2500次，实现了自适应HMC、切片抽样、粒子MCMC等主流贝叶斯采样算法，广泛用于高维金融模型与研究生教学科研；陈学华教授现任大数据学院教授、博导，伦敦政治经济学院计量经济学博士，主要研究高维计量经济学计算、面板数据因子模型估计算法、结构突变的在线检测方法，其关于高维面板因子模型中交替最小二乘（ALS）算法的全局收敛性证明发表于Econometrica与Journal of Econometrics，是计量经济统计计算的核心学者；周光友教授现任经济学院金融系教授，主要研究金融风险建模中的蒙特卡洛模拟、信用风险组合模型的MCMC估计、系统性风险网络的Bootstrap推断，其关于大规模信用组合模型中方差缩减蒙特卡洛方法的研究被国内多家银行风控部门采用，讲授"金融风险管理实务"课程；张土生教授现任数学科学学院教授、博导，主要研究随机偏微分方程与无穷维随机分析，在随机微分方程数值解法（Euler-Maruyama、Milstein、高阶Runge-Kutta）的收敛性与稳定性分析、随机场模拟的谱方法等方向有深入积累，为统计计算中的连续时间模型离散化提供严格数学基础；楼平易副教授现任经济学院风险管理与保险学系副教授，南洋理工大学博士，FRM持证人，主要研究金融工程中的蒙特卡洛定价、保险准备金随机模拟、损失分布的Bootstrap推断，成果发表于Journal of Banking and Finance、Journal of Risk and Insurance等期刊，2024年获ARIA最佳论文奖，是统计计算方法在金融保险实务中应用的代表性学者；此外，来自中金公司量化研究部、蚂蚁集团数据科学部、华为诺亚方舟实验室、上海数据交易所、华山医院生物信息中心、联影医疗影像算法部等机构的20余位业界导师通过"双导师制"深度参与大规模统计算法工程实现、分布式计算平台搭建、模型部署与性能优化教学，确保理论研究与产业实践紧密衔接。

知识体系涵盖统计计算方法理论与知识体系（概率空间与测度论基础、大数定律与中心极限定理、经验过程理论与Glivenko-Cantelli定理、统计决策理论与最优性、信息论基础KL散度与Fisher信息、最优化理论基础凸分析与对偶理论、数值线性代数与矩阵分解、渐近统计理论与效率界、随机过程基础与鞅论）、蒙特卡洛方法与随机模拟（均匀随机数生成与伪随机数理论、逆变换法与接受-拒绝法、重要性抽样与指数倾斜、方差缩减技术对偶变量/控制变量/条件期望/分层抽样、拟蒙特卡洛与低差异序列Sobol/Halton/Faure、蒙特卡洛积分误差估计与置信区间、极值概率的蒙特卡洛估计、路径模拟与布朗桥构造、蒙特卡洛在金融定价中的应用）、马尔可夫链蒙特卡洛MCMC（Metropolis-Hastings算法与详细平衡、Gibbs抽样与数据增强、混合时间与收敛诊断Geweke/Raftery-Lewis、自适应MCMC与自适应Metropolis、Hamilton Monte Carlo与Riemann流形HMC、切片抽样与椭圆切片抽样、粒子MCMC与序列蒙特卡洛SMC、可逆跳跃MCMC与模型选择、MCMC在贝叶斯层次模型中的应用、并行与分布式MCMC）、EM算法与数据增强（EM算法基本框架与单调收敛性、ECM/ECME推广与加速策略、SEM随机EM与Monte Carlo EM、数据增强与潜在变量模型、EM在混合模型/隐马尔可夫模型/缺失数据中的应用、EM算法的收敛速率与Fisher信息、在线EM与增量学习、变分EM与期望传播EP）、变分推断与均场近似（变分推断基本框架与ELBO、均场变分推断与坐标上升CAVI、随机变分推断SVI与小批量更新、变分族设计与归一化流Normalizing Flows、变分自编码器VAE与摊销推断、变分推断的渐近理论与后验近似误差、Black-Box变分推断BBVI、期望传播EP与幂EP、变分推断在主题模型/图模型/深度学习中的应用）、Bootstrap与重抽样方法（经验分布函数与非参数Bootstrap、参数Bootstrap与模型假设检验、平滑Bootstrap与Wild Bootstrap、Block Bootstrap与时间序列重抽样、Bootstrap置信区间构造Percentile/BCa/Studentized、重抽样在模型选择与变量重要性中的应用、Jackknife与交叉验证、Permutation检验与随机化推断、Bagging与随机森林中的Bootstrap聚合）、高维统计优化与近端方法（凸优化基础与次梯度方法、近端算子与近端梯度方法、LASSO与稀疏优化的坐标下降、ADMM与分裂优化方法、Frank-Wolfe算法与条件梯度、牛顿法与拟牛顿法L-BFGS、内点法与约束优化、非凸优化与鞍点问题、随机优化与在线学习）、随机梯度算法与大规模学习（随机梯度下降SGD与收敛理论、小批量SGD与学习率调度、方差缩减方法SAGA/SVRG/SARAH、自适应学习率Adam/RMSProp/AdaGrad、分布式SGD与通信压缩、联邦学习FedAvg及其统计理论、隐私保护差分隐私SGD、大规模矩阵分解与交替最小二乘）、贝叶斯计算与后验模拟（先验分布设计与共轭性、后验分布的解析与数值近似、共轭先验下的解析后验、MCMC后验采样实践与诊断、贝叶斯模型比较与边际似然估计、贝叶斯模型平均BMA、经验贝叶斯与层次先验、贝叶斯非参数方法DP/GP计算、贝叶斯深度学习与SWAG/MC Dropout）、非参数统计计算（核密度估计与带宽选择算法、局部多项式回归计算、样条平滑与惩罚最小二乘、等oton回归与PAVA算法、秩统计量的排列分布计算、非参数Bootstrap与置信带构造、函数型数据的主成分计算、高维非参数估计的稀疏算法）、统计模型选择与验证（AIC/BIC/MDL准则计算、交叉验证K折/留一法/嵌套CV、广义交叉验证GCV与有效自由度、模型平均与Stacking、超参数搜索网格/随机/贝叶斯优化、早停与正则化路径算法LARS/LARS-EN）、因果推断的计算方法（倾向得分匹配与最近邻算法、因果森林与广义随机森林、工具变量的两阶段最小二乘与GMM计算、结构因果模型的do-calculus计算、因果发现算法PC/FCI/GES的计算复杂度、中介分析与自然效应估计的蒙特卡洛方法、敏感性分析的数值实现）、分布式与联邦统计计算（数据并行与模型并行策略、通信效率与梯度压缩、联邦学习中的统计异质性、安全多方计算MPC与同态加密、差分隐私机制Laplace/Gaussian/Exponential、分布式Bootstrap与Bag of Little Bootstraps、联邦因果推断与数据孤岛）、统计计算软件与工程实现（R/Python/C++/Julia多语言统计计算、GPU并行计算CUDA/cuPy/JAX、自动微分框架PyTorch/JAX/TensorFlow、概率编程语言Stan/Pyro/NumPyro、大规模稀疏矩阵运算与迭代求解器、云计算平台与分布式计算Spark/Dask/Ray、实验管理与可复现研究MLflow/W&B/Git）、领域应用（金融风险管理中的蒙特卡洛模拟与MCMC、生物医学高维组学数据的贝叶斯计算、基因组关联分析GWAS的大规模统计计算、自然语言处理中的变分推断与EM算法、推荐系统中的矩阵分解与随机优化、医学影像分割的MCMC与变分方法、气候模型中的粒子滤波与数据同化、社交网络分析中的随机图模型计算、工业质量控制中的Bootstrap与过程能力指数计算）等方向。

绩点方面，985高校学生需位于专业前10%以内，实际录取绩点普遍在3.7以上（满绩4.0）。英语方面，六级560分以上为稳妥线，雅思7.0或托福105分以上更具竞争力，该方向对英文统计计算经典文献（如Robert & CasellaMonte Carlo Statistical Methods、Gelman et al.Bayesian Data Analysis、BishopPattern Recognition and Machine Learning、Boyd & VandenbergheConvex Optimization）及Annals of Statistics、JASA、JRSS-B、Biometrika、Journal of Computational and Graphical Statistics、Journal of Machine Learning Research等顶刊的阅读能力要求极高。考核形式为笔试加面试，笔试含数学分析、高等代数、概率论与数理统计三模块（部分方向加考最优化方法或数值分析），面试约20—25分钟，重点考察概率统计理论功底、算法设计与分析直觉、编程实现能力、数值实验设计思路及科研潜力。生源主要来自北大数学/统计、清华数学/经管、中科大统计/数学、浙大数学/竺可桢、人大统计、南大数学/统计、上交数学/安泰、武大数学/统计等顶尖数理强校，数学与应用数学、统计学、计算机科学、物理学、金融工程、生物信息学等背景学生占比持续攀升，2026年夏令营入营学生中纯经济/管理本科背景仅占12%。具备全国大学生数学竞赛省一及以上、数学建模国赛/美赛奖项、Kaggle/天池数据科学竞赛获奖、统计建模大赛获奖、顶级期刊（Annals of Statistics、JASA、JMLR等）工作论文、统计计算相关开源项目贡献（如PyMC/Stan/R包开发）、头部量化/互联网/生物医药公司数据科学或算法实习的学生在同等条件下显著优先。

二、知点保研的主要优势

知点保研成立近10年，长期专注复旦大学保研辅导，对统计计算方法方向的导师专长（范剑青教授的高维统计计算与稀疏优化算法、王学军教授的蒙特卡洛理论与MCMC收敛分析、刘汉教授的贝叶斯计算与变分推断、赵晓冬教授的因果推断计算复杂性、李东风教授的EM算法理论与随机逼近、孙健副教授的MCMC算法实现与统计软件、陈学华教授的高维计量计算与ALS算法、周光友教授的金融风险蒙特卡洛模拟、张土生教授的随机微分方程数值解、楼平易副教授的金融保险蒙特卡洛实务等）、考核流程与评分侧重有持续跟踪。以定制化一对一辅导为核心，根据学生数理基础、编程实现能力、算法设计直觉与领域兴趣精准匹配导师，采取线上线下结合模式，配备督学团队全程跟踪，提供从保研定位、背景提升到推免填报的全流程指导，并延伸提供考研、考博及海外PhD/Quant/Algorithm Engineer岗位申请辅导服务。针对跨专业学生，特别开设"统计计算先修课衔接计划"，帮助纯数学/物理背景学生快速建立统计推断直觉与算法工程化思维，帮助计算机/经济/生物背景学生系统补强测度论、概率论、最优化理论与高性能编程等核心数理基础。

三、知点保研的辅导体系

辅导体系涵盖：绩点提升（核心课程学习方法与选课策略指导，重点强化数学分析、高等代数、概率论、数理统计、实变函数、最优化方法、数值分析、线性模型等先修课程）；英语辅导（六级冲刺、雅思托福备考、统计计算英文经典教材与专著精读、顶刊论文阅读与学术写作训练）；数理基础强化（测度论与Lebesgue积分、泛函分析基础、概率论高级专题鞅论与弱收敛、最优化理论凸分析与非凸松弛、数值线性代数与矩阵分析、随机过程与随机微分方程基础、信息论与统计决策论等核心模块系统补强）；编程与计算能力提升（Python/R统计建模与算法实现、C++/Julia高性能数值计算、PyTorch/JAX自动微分与GPU加速、概率编程语言Stan/Pyro/NumPyro实操、大规模数据处理Spark/Dask/Ray、云计算平台部署与容器化Docker/K8s、Git版本控制与可复现研究环境Conda/Nix、实验管理工具MLflow/W&B/Neptune）；专业课辅导（统计计算方法核心知识体系，含蒙特卡洛方法与方差缩减、MCMC理论与算法设计、EM算法与数据增强、变分推断与均场近似、Bootstrap与重抽样、高维优化与近端方法、随机梯度算法、贝叶斯计算、非参数统计计算、模型选择与验证、因果推断计算、分布式与联邦计算等模块）；研究方法辅导（算法收敛性证明技巧、混合时间与遍历性分析、计算复杂度分析与下界证明、数值实验设计与基准测试、模拟研究与参数敏感性分析、实证研究设计与稳健性检验、学术论文写作与顶刊投稿规范、开源代码发布与可复现性）；笔试辅导（数学分析/高等代数/概率统计真题精讲与限时模拟，含最优化方法与数值分析选考模块）；面试辅导（中英文模拟面试、统计理论推导白板演练、算法设计与复杂度分析口述、编程实现思路阐述、数值实验设计讨论、研究计划陈述与问答策略）；文书辅导（个人陈述突出数理-算法-计算-应用四维交叉深度、研究计划体现理论贡献与算法实现价值、英文简历对标Quant Research/Data Scientist/Research Scientist/Algorithm Engineer岗位JD）；竞赛与项目辅导（全国大学生数学竞赛备赛、数学建模国赛/美赛选题与写作、Kaggle/天池数据科学竞赛指导、全国大学生统计建模大赛、CFA/FRM考试备考规划、统计计算开源项目贡献指导、概率编程语言社区参与）；实习与科研对接（量化私募/券商金工蒙特卡洛模拟岗、互联网大厂数据科学部/算法部、生物医药公司生物统计部、金融机构风控建模岗、AI实验室统计推断岗实习内推、导师课题组RA机会推荐、联合培养基地课题参与、工作论文修改与Annals of Statistics/JASA/JRSS-B/Biometrika/JCGS/JMLR等顶刊投稿指导）。

咨询电话：4000003363，微信：13671344286。