美国也有一些大学开设金融数学项目，一般是硕士。很多老师在业界都有工作经验，甚至还是在职的，因此他们白天上班，晚上过来讲课赚点外快，因此这类项目很多晚上才上课。白天可以去实习、找工作。
如果想毕业去美国读金融数学、金融工程的硕士，那么本科读金融数学应该是最对口的。但美国金融数学、金融工程极少博士，而很长时间人们认为美国量化就业博士比硕士吃香，所以想去美国找量化交易的工作，可能读博士比硕士好，这时候本科读金融数学未必最好。
很多北美做量化的中国人读的是统计、运筹、管理科学与工程、数学、计算数学、应用数学的博士，那么他们本科也大概率读对应的专业，反而不会读金融数学。北大没有应用数学本科，那么一般是计算数学、基础数学的人申请美国应用数学的博士。
信息科学其实本质上跟计算机科学与技术很像，只是国内就业的时候，很多HR卡专业卡死“计算机”这3个字，导致信息科学的人很难申请这类工作。申请美国硕士的时候，如果申请Computer Science，那么人家也可能卡死本科也要Computer Science，这样又被排除掉。所以这个专业比较尴尬。当热，如果申请博士，对方一般看研究经验，反而不会卡专业的名称。北大数院每年好几个去麻省理工EECS，估计都是信息科学的居多。
北大计算数学专业很多申请到斯坦福ICME的，很多实习、毕业也会做量化。其实我觉得数值计算跟机器学习还比较接近，因为机器学习最终还是要求解优化问题数值解，这就需要数值计算，包括数值线性代数、数值优化等，如果是期权定价可能还要数值偏微分方程，这些跟计算数学的关系比较大。
其实我也不大明白为何弄那么多统计类专业，美国Data Scientist就业也不是很乐观，据说在谷歌发展也不是很好，毕竟那是码农的天下，在谷歌的Quantitative Analyst和Data Scientist似乎都不是太核心的员工。当然，在量化交易公司这些是核心的。说实话，我觉得在互联网公司，与其做Data anlyst/scientist/engineer，不如做product manager，其实也需要数据分析的能力，比如分析竞品哪个好，做A/B Test等，发展路径比纯技术的数据分析要好。