金融工程中常用的建模方法包括：
基本财务指标模型：
用于分析企业的财务状况，包括收入、利润、现金流等基本指标。
市盈率模型：
用于评估股票的相对价值，通过比较公司股票价格与其每股收益的比率来进行。
股价GBM模型：
即Black-Scholes-Merton模型，用于估算欧式期权的理论价格。
NSE模型：
可能指的是印度国家证券交易所的特定模型，用于分析股票价格变动。
传统指标统计模型：
利用传统的财务指标进行统计分析，以识别市场趋势和潜在的风险。
Vasicek模型：
一种简单的利率模型，用于描述短期利率的动态变化。
数学建模：
使用数学方法来描述金融市场的行为和规律，如资产定价模型、期权定价模型等。
数值计算模型：
通过数值方法对金融模型进行求解，以得到具体的数值结果。
网络图解模型：
利用网络图的方法来分析和预测金融市场的变化。
仿真模拟模型：
通过模拟金融市场的运行，来评估不同策略和决策的效果。
最优化模型：
用于在金融工程中寻求最优化的决策方案，如资产配置、投资组合优化等。
Python金融建模：
利用Python语言及其丰富的金融库（如NumPy、Pandas、Yfinance、Matplotlib等）进行金融数据的处理、分析和建模。
这些模型和方法在金融工程中有着广泛的应用，从基础的财务分析到复杂的衍生品定价和风险管理，都离不开这些建模技术的支持。建议在实际应用中，根据具体需求和场景选择合适的模型和方法。
