金融专硕（MasterofFinance）的数学考试范围通常包括微积分、线性代数和概率论与数理统计三个部分。不同院校的具体要求可能略有差异，但大体上会遵循以下框架：

1.微积分（Calculus）

-函数与极限（FunctionsandLimits）：理解函数的概念，掌握极限的计算方法。

-导数与微分（DerivativesandDifferentiation）：了解导数的定义和性质，能够求解各种函数的导数，如幂函数、指数函数、对数函数等。

-不定积分（IndefiniteIntegration）：掌握基本积分公式，能够进行不定积分的计算。

-定积分（DefiniteIntegration）：理解定积分的概念，掌握换元积分法、分部积分法等技巧。

-多元函数微分学（MultivariableCalculus）：了解偏导数、全微分、极值和最值问题。

-级数（Series）：掌握无穷级数的收敛性判别，了解泰勒级数。

2.线性代数（LinearAlgebra）

-矩阵（Matrices）：理解矩阵的基本概念，掌握矩阵运算（加减乘、转置、行列式）。

-向量空间（VectorSpaces）：了解向量空间的概念及其性质。

-线性方程组（LinearEquations）：掌握高斯消元法，能够求解线性方程组。

-特征值与特征向量（EigenvaluesandEigenvectors）：理解特征值和特征向量的概念，能够计算矩阵的特征值和特征向量。

-二次型（QuadraticForms）：了解二次型的概念，掌握其化简方法。

3.概率论与数理统计（ProbabilityandStatistics）

-概率论（ProbabilityTheory）：理解概率的基本概念，掌握概率的加法规则、乘法规则以及贝叶斯定理。

-随机变量（RandomVariables）：理解随机变量的概念，掌握离散型和连续型随机变量的分布函数和概率密度函数。

-期望与方差（ExpectationandVariance）：了解随机变量的期望和方差的计算方法。

-协方差与相关系数（CovarianceandCorrelation）：理解协方差和相关系数的概念，掌握它们的计算方法。

-描述性统计（DescriptiveStatistics）：了解数据的集中趋势和离散程度的度量方法。

-推断性统计（InferentialStatistics）：掌握参数估计和假设检验的基本原理和方法。

在准备金融专硕的数学考试时，建议考生系统地复习上述内容，并通过大量练习题来巩固和提高解题能力。同时，结合金融学相关的实际案例，将数学知识应用到实际问题中，有助于加深理解和提高分析问题的能力。