伦敦政治经济学院LSE作为G5的社科强校，目前2025年在读学生有1.4万,中国学生有接近2300人。其中本科中国学生816（24年是714）。中国学生在增长。LSE的数学系在读学生是1000人，中国学生大约是300人，本科在读150-180人。因此每年录取学生50-60人。数学主要有4大专业：
BSc Mathematics with Data Science 数学与数据科学
BSc Mathematics and Economics 数学和经济
BSc Mathematics with Economics 数学（经济学方向）
BSc Financial Mathematics and Statistics 金融数学与统计。
学费：35700镑/26年
学术：A*AA IB 39/766
雅思：雅思7，单项7
考试：推荐TMUA ，无面试
统计系在读学生是500人，在读本科300人，中国学生占一半。
统计系4大专业：
BSc Actuarial Science 精算（还有一个实习年的）
BSc Data Science 数据科学
BSc Economics and Data Science 计量经济学与数据科学
BSc Mathematics, Statistics and Business. 数学、统计与商务。
学费：30700镑 32100镑 35700 镑 32100镑/26年
统计系只有学费不同，其他录取要求都和数学系一样。
选科建议：
从官网可以看出，数学A*是必选，进阶数学A是第2强烈推荐。那么第3个需要看你对应课程，比如物理、化学、经济等。数学系强烈推荐TMUA，统计系是推荐。对于中国学生来说，这个就是必须了。从数学系和统计系中国学生的比例来看，中国都占据一半了。这个竞争就是中国人自己内部的竞争了。
对于竞赛，LSE看的也是有用而已，还没有TMUA有用，捎带也是可以用，因为LSE申请完全依赖PS，所以，可以把竞赛和STEP之类写进去。竞赛最大的作用是证明你对数学的“额外兴趣”。LSE 喜欢看到你在 PS 中讨论竞赛中遇到的某个具体难题及其逻辑推导过程，这比列出一堆奖项名字要有用得多。
上面的数据（25/26年）就是数学和统计的申请难度对比了，其中经济学与数据科学是26年新开的，没有数据。数据科学方向是最热门的。
LSE数学与统计与其他G5的区别
LSE（伦敦政经）与牛津、剑桥、帝国理工在数学学科上最本质的区别：LSE 本质上是一所社会科学大学，它的所有数学和统计课程都是为“解决现实世界问题”服务的。
在 LSE，没有像Topology（拓扑学）或Number Theory（数论）这种纯粹为了探索数学奥秘而存在的“纯数”专业。LSE 数学系的研究方向并不是传统物理意义上的应用数学（如流体力学），而是离散数学。它主要服务于 经济学、博弈论和算法。
典型课程：Game Theory（博弈论）、Combinatorics（组合数学）、Optimization（最优化理论）。目的：为了研究人们在市场中如何做决策，或者如何设计最优的计算算法。所以它叫“数学与经济”，核心还是为了经济模型。
统计系：是“随机建模与金融数据”. 统计系的应用方向更加明确，主要服务于金融、风险和大数据。应用领域：保险、投行、精算和 AI。典型课程：Stochastic Processes（随机过程）、Regression Modeling（回归建模）、Machine Learning（机器学习）。目的：为了在不确定的金融市场里算概率。所以它叫“金融数学与统计”，核心是为了处理钱和风险。
个人陈述：数学系
LSE 数学系的申请者几乎全员A*AA或A*A*A*，且雅思全部达标。当硬性成绩拉不开差距，且 LSE没有面试时，PS 就成了招生官判断“你是真的数学天才”还是“刷题机器”的唯一依据。在 LSE 内部评估中，一旦你的学术成绩达标（门槛通过），PS 的表现往往决定了最终 Offer 的归属。 每年都有大量 A-Level 四个 A* 且 TMUA 满分的中国学生被拒，绝大多数原因都是 “PS 缺乏足够的学术深度”。
PS是你的生命线，必须极度硬核。LSE 并不关心你的社团活动或领导力，它只关心你是否具备在社会科学语境下处理高度抽象数学的能力。
LSE 数学系要“有社科头脑的量化天才”，最喜欢的学生：“逻辑偏执狂”，由于 LSE 的强项是博弈论和算法，他们喜欢对组合数学、图论、策略博弈有浓厚兴趣的学生。
1. 核心定位：展示“纯粹的逻辑热情”
尽管 LSE 教的是应用数学，但他们招收的是具备纯数思维的人。
建议：不要一上来就说“我喜欢金融，所以想学数学”。你应该展现对数学证明、逻辑严密性的迷恋。
具体点：描述你如何自学了一个 A-Level 之外的数学概念（如：图论、群论、或博弈论中的纳什均衡证明），并分享你在推导过程中的具体思考。
2. 体现“离散数学”与“量化建模”的联系
LSE 数学系偏好离散数学（Discrete Math）而非物理类的连续数学。
建议：如果你参加过数学竞赛（AMC, BMO）或做过数学建模，挑一个具体的难题展开。
写法：不要只说“我拿了奖”，要写“为了解决 BMO 中的一道组合计数题，我对比了递归算法与生成函数的效率，这让我对离散结构的优化产生了兴趣”。这直接对接了 LSE 数学系的研究方向。
3. 学术阅读：拒绝肤浅，深入底层
LSE 招生官非常看重你的深度阅读能力。
建议：不要只看《魔鬼经济学》这种大众科普书。去读一些基础的学术专著。在 PS 里讨论书中某个令你困惑后又豁然开朗的数学模型，而不是总结全书大意。
推荐书单素材：
1. 针对“博弈论与逻辑” (数学系必看)
LSE 数学系是博弈论研究的重镇，这类书最容易引起招生官共鸣。
《Game Theory: A Very Short Introduction》——Ken Binmore
推荐理由：作者是 LSE 名誉教授，博弈论大师。书虽小但含金量极高，涉及纳什均衡、囚徒困境等核心逻辑。
PS 切入点：讨论数学如何量化人类的决策冲突。
《The Art of Strategy》——Avinash Dixit & Barry Nalebuff
推荐理由：将博弈论应用于商业和生活，但底层逻辑非常严密，适合想报“数学与经济”的学生。
2. 针对“离散数学与计算机科学”
LSE 喜欢研究算法、图论和最优化问题。
《Discrete Mathematics and Its Applications》——Kenneth Rosen
推荐理由：这虽然是教材级别，但你可以选读其中关于“图论”或“组合计数”的章节。
PS 切入点：讨论如何利用数学结构解决网络传输或资源分配的最优解问题。
《The Algorithmic Beauty of Plants》——Przemyslaw Prusinkiewicz
推荐理由：展示分形几何和数学建模如何描述自然生长，视角独特，容易让 PS 脱颖而出。
3. 针对“统计、概率与风险” (统计系/数据科学必看)
统计系希望看到你对“不确定性”的深刻理解。
《The Drunkard’s Walk: How Randomness Rules Our Lives》——Leonard Mlodinow
推荐理由：深入浅出地讲解了概率论的历史和逻辑误区。
PS 切入点：讨论“均值回归”或“条件概率”在现实评估中的反直觉表现。
《The Signal and the Noise》——Nate Silver
推荐理由：大数据时代的经典。探讨为什么有些预测成功，而有些失败。
PS 切入点：讨论贝叶斯定理在复杂数据环境下的预测能力。
4. 针对“量化金融” (金融数学/精算必看)
《Fortune's Formula》——William Poundstone
推荐理由：讲述了凯利准则（Kelly Criterion）在投资和赌博中的应用。
PS 切入点：探讨如何通过数学模型在风险与收益之间找到最优平衡点。
统计系PS建议：申请 LSE统计系（包括数据科学、金融数学与统计、精算）的 PS，其核心逻辑与数学系略有不同：数学系看重“逻辑的严密性”，而统计系看重“对随机性的掌控力”。
统计系最喜欢的学生：“数据洞察者”，统计系更喜欢能把枯燥的数字转化成决策依据的学生。他们喜欢明白“世界上没有百分之百”的学生。如果你能熟练运用概率、风险评估、贝叶斯逻辑来拆解问题，你就是他们的菜。他们喜欢关注社会热点、金融波动，并试图用数据解释这些现象背后规律的人。
针对 2027 年的申请，以下是统计系招生官最想看到的四个维度：
1. 展现“数据直觉” (Data Intuition)
统计系不希望招收只会套用公式的学生，他们想要的是能透过数字看到背后含义的人。
建议：不要只说“我数学很好”，要写你如何观察现实中的统计现象。
素材点：比如你观察到某个社会现象中的“辛普森悖论”，或者你对“相关性不等于因果关系”的某个具体案例的思考。
2. 强调“量化建模”的能力 (Modeling)
统计学是关于“如何用模型简化世界”的学科。
建议：描述一个你尝试建立模型解决问题的经历（即便是一个很小的模型）。
写法：例如在处理某项竞赛数据或学校课题时，你如何选择变量、如何处理异常值、以及为什么选择某种特定的分布（如泊松分布或正态分布）来拟合数据。这种“决策过程”比结果更重要。
3. 编程与工具的融合 (Coding & Tools)
统计系（尤其是数据科学专业）非常看重编程能力，但千万不要写成“计算机简历”。
建议：重点写编程如何辅助你解决数学难题。
素材点：如果你学过R 语言、Python 或 Excel，描述你如何编写脚本来进行“蒙特卡洛模拟”或处理大规模数据集。要体现编程是你的工具，而统计思维是你的大脑。
4. 体现对“风险与不确定性”的理解
这是统计系与数学系最大的区别。
建议：讨论一个你感兴趣的风险评估问题。
素材点：如果你申请精算，可以讨论保险费率的精算逻辑；如果申请金融数学，可以讨论贝叶斯定理如何改变你对股市波动的看法。LSE 统计系非常喜欢贝叶斯思维 (Bayesian Thinking)。
5. 针对 2027 申请季的避坑指南
别只谈金融：如果你申请统计系只是为了进投行赚大钱，招生官会觉得你学术动力不足。要表现出对统计学理论本身（如大数定律、中心极限定理）的热爱。
别写太宏观：不要大谈“大数据将改变世界”，要缩写到“我如何利用主成分分析（PCA）简化了三个变量之间的复杂关系”。
跨学科联系：LSE 是社科强校，如果你能在 PS 里顺便提一句统计如何辅助社会学或经济学的研究，会非常加分。
推荐给统计系申请者的“加分动作”：
去Kaggle网站看一个基础的数据分析案例，或者去LSE Statistics 官网看一下他们教授最近在研究什么方向（比如：高维数据分析、时间序列）。在 PS 里提到一两个相关的专业术语并给出你的见解。
最后特别提醒：一定要死磕PS，学校能敏锐观察到你到底是不是真的他们想要的人。每年的拒信基本都是来自PS的不够学术，不够真了解LSE。
留学提醒：
在英国，伦敦政治经济学院（LSE）的学生被视为顶级量化精英和未来的全球领袖。LSE 是伦敦金融城（The City）的“亲儿子”。在顶级投行和咨询公司（如高盛、麦肯锡），LSE 的校友密集度甚至在某些部门超过牛剑。LSE：被视为“极度务实的专家”。这里的学生通常被认为更具国际视野、更了解市场运作、且更早地进入职业化状态。
在英国雇主眼中，LSE 的学生“入职即用”，适应能力极强。能考入 LSE 意味着你在量化分析和学术逻辑上处于全英前 1% 的水平。根据英国高等教育统计局（HESA）的数据，LSE 毕业生的平均起薪长期稳居全英第一或第二（常与帝国理工争夺榜首），这种“多金”属性也确立了其学生在社会中坚力量的地位。作为 LSE 的学生，你在英国会被默认为一个极度聪明、充满竞争意识、且在金融或政策领域拥有极高发言权的精英。
对中国学生而言，LSE“量化金融”就是就业光环（核心驱动力），在求职市场，这些专业被视为“智力证明”。毕业生不仅能做量化交易（Quant），也能跨界做投行分析师、数据科学家或互联网算法岗。
相比牛津、剑桥数学系那令人心理压力极大的面试，LSE 主要看硬指标（成绩+笔试+PS）。对于表现稳健但可能在面试中因语言或压力发挥不佳的中国学生来说，录取确定性更高。LSE 教的是应用数学。很多中国学生虽然数学好，但并不想研究纯粹的抽象理论，LSE 这种“数学+经济/金融/数据”的结合方式完美契合了“学以致用”的观念。
LSE 拥有全英最活跃的中国校友会之一。这种“学长带学弟”的内推文化在金融圈非常盛行。在国内家长和 HR 眼中，“伦敦政经”四个字本身就代表了精英地位，回国就业的品牌认可度极高。近年来，随着 AI 和大数据爆发，LSE 开设的 BSc Data Science 和 Financial Mathematics and Statistics 精准踩中了时代红利。中国学生普遍敏锐地捕捉到了这个高薪且高门槛的赛道。且毕业后的投资回报率（ROI）极高，是量化背景学生在英国留学的“最优解”。
