確實這取決於你以後想做什麼型別的工作。金融裡有幾乎完全不用數學的工作（除了算術），也有對數學要求很高的工作。但個人覺得，在學生階段（包括本科和研究生），多學一些數學總是好的，至少可以幫助你很好地應付碩士的課程，小組作業不用抱別人大腿，也可以節省很多時間做其他事情。
我本科也是隻學了基本的微積分、線性代數和機率統計，以及數學物理方法。之後碩士的時候發現這些知識對於一些比較難的課很不夠用。所以開始看了一些數學分析、實分析、隨機過程的書。自己啃教材而沒有老師教的話，短時間內很難掌握得很好，頂多只能是理解一些概念，而無法達到自己進行證明的程度。不過對我來說這些也夠了。
關於刷題，因為我本科之後幾乎沒有刷過題，所以也不是很清楚是否有用。但個人覺得沒有必要，畢竟不是學數學的。數學家的工作是創造數學並且給出嚴格的證明和定義等，但我們的目的是使用數學，所以相比於刷題、證明等，理解概念，並能運用更重要。但是實踐也標明，如果一點習題都不做的話，知識掌握得不是很好，這也就是為什麼一般自己單純看書的效果不如上課，因為有作業、練習題和考試來督促你。而且一般上課聽過之後就忘得差不多了，反而是寫作業的過程中學會了如何運用。甚至我還經常遇到考試答題的時候想明白了之前一直沒有想過的問題等等（在考試中學習。。）。所以適度的做題也是有好處的。
並且不僅是數學，建議lz也要加強程式設計和計算機的功底，入門的話推薦MATLAB，簡單實用，功能強大，接著再學Stata和SAS。R的話我不是很瞭解。有空也可以學學python，但門檻稍微高一些。MATLAB的資料推薦Kevin Sheppard的講義（連結），內容很好。他後來也推出了python的講義，但是由於python的包更新的比較快，有些舊版本的命令新版本已經不推薦使用了，所以還是推薦直接看numpy、pandas這些包的官方documentation。
下面推薦一些比較有用的書吧。
數學分析和實分析
這部分其實不需要花太多時間，只是有時間便看看就可以。直接的用處大部分都不是很大，但是對於理解一些東西很有用。其中個人覺得最有用的是測度論。至少要知道測度是個什麼東西，對於理解機率論相當有用！甚至可以說，瞭解了測度論，才真正學明白了機率論，你會覺得眼前豁然開朗。
比較經典的教材就是Rudin和Apostol的教材，包括：
Tim Apostol, Calculus I & II
Tim Apostol, Mathematical Analysis
Rudin, Principles of Mathematical Analysis
Rudin, Real and Complex analysis
個人比較喜歡中間兩本，稍微薄一些。第一本的一套太厚了，估計沒有耐心看的。
機率論和數理統計
這部分是金融的重中之重，畢竟金融就是研究不確定性的。統計學也是計量經濟學的基礎。推薦以下兩本：
Billingsley, Probability and Measure
Jun Shao, Mathematical Statistics
這兩本我只看過一點點，內容比較充實，不過我主要當做參考書了。下面在隨機過程部分會提到我極力推薦的Shreve的書：同時補了機率論，又學了隨機分析。
計量經濟學
我不大清楚計量經濟學在業界是否有用，至少我周圍認識的工作的同學沒有聽說誰工作用到計量的。但對於學術研究、寫畢業論文之類的是必會的知識。個人不是很喜歡經典的伍德里奇的教材，大概因為我第一次學計量就是碩士的時候直接用矩陣表示了，特別不習慣伍德里奇書上不用矩陣形式。因此推薦下面這本百科全書似的教材。
Greene, Econometric Analysis
偏金融的時間序列分析的話，下面這本也不錯，內容簡單易懂。
Brooks, Introductory Econometrics for Finance
隨機過程/分析
隨機過程這部分，重點推薦Shreve的書！我在讀碩士之前是一點沒有接觸過的，完全是靠Shreve的書學會的。書中深入淺出地講解，注重概念的理解和運用，而不是證明。並且也涉及到了一些基於測度論的機率論，以及很多這些數學在金融中的應用。這本書分為上下兩冊。上冊是離散時間模型，書很薄，幾乎不太用細看。下冊是連續時間的，也就是需要重點看的，稍微厚一些。據說書後習題經常用來面量化：
Shreve, Stochastic Calculus for Finance I & II
還有一本也被譽為經典教材，我最近在看，當做複習了。相對於Shreve的書，這本書的數學性沒有那麼強：
Bjork, Arbitrage Theory in Continuous Time
雖然金融中連續時間模型用的比較多，也就是隨機分析（Stochastic calculus），但對於離散時間模型的瞭解也是需要的，比如Markov過程等，我買的是下面這本：
Resnick, Adventures in Stochastic Processes
確實這取決於你以後想做什麼型別的工作。金融裡有幾乎完全不用數學的工作（除了算術），也有對數學要求很高的工作。但個人覺得，在學生階段（包括本科和研究生），多學一些數學總是好的，至少可以幫助你很好地應付碩士的課程，小組作業不用抱別人大腿，也可以節省很多時間做其他事情。
我本科也是隻學了基本的微積分、線性代數和機率統計，以及數學物理方法。之後碩士的時候發現這些知識對於一些比較難的課很不夠用。所以開始看了一些數學分析、實分析、隨機過程的書。自己啃教材而沒有老師教的話，短時間內很難掌握得很好，頂多只能是理解一些概念，而無法達到自己進行證明的程度。不過對我來說這些也夠了。
關於刷題，因為我本科之後幾乎沒有刷過題，所以也不是很清楚是否有用。但個人覺得沒有必要，畢竟不是學數學的。數學家的工作是創造數學並且給出嚴格的證明和定義等，但我們的目的是使用數學，所以相比於刷題、證明等，理解概念，並能運用更重要。但是實踐也標明，如果一點習題都不做的話，知識掌握得不是很好，這也就是為什麼一般自己單純看書的效果不如上課，因為有作業、練習題和考試來督促你。而且一般上課聽過之後就忘得差不多了，反而是寫作業的過程中學會了如何運用。甚至我還經常遇到考試答題的時候想明白了之前一直沒有想過的問題等等（在考試中學習。。）。所以適度的做題也是有好處的。
並且不僅是數學，建議lz也要加強程式設計和計算機的功底，入門的話推薦MATLAB，簡單實用，功能強大，接著再學Stata和SAS。R的話我不是很瞭解。有空也可以學學python，但門檻稍微高一些。MATLAB的資料推薦Kevin Sheppard的講義（連結），內容很好。他後來也推出了python的講義，但是由於python的包更新的比較快，有些舊版本的命令新版本已經不推薦使用了，所以還是推薦直接看numpy、pandas這些包的官方documentation。
下面推薦一些比較有用的書吧。
數學分析和實分析
這部分其實不需要花太多時間，只是有時間便看看就可以。直接的用處大部分都不是很大，但是對於理解一些東西很有用。其中個人覺得最有用的是測度論。至少要知道測度是個什麼東西，對於理解機率論相當有用！甚至可以說，瞭解了測度論，才真正學明白了機率論，你會覺得眼前豁然開朗。
比較經典的教材就是Rudin和Apostol的教材，包括：
Tim Apostol, Calculus I & II
Tim Apostol, Mathematical Analysis
Rudin, Principles of Mathematical Analysis
Rudin, Real and Complex analysis
個人比較喜歡中間兩本，稍微薄一些。第一本的一套太厚了，估計沒有耐心看的。
機率論和數理統計
這部分是金融的重中之重，畢竟金融就是研究不確定性的。統計學也是計量經濟學的基礎。推薦以下兩本：
Billingsley, Probability and Measure
Jun Shao, Mathematical Statistics
這兩本我只看過一點點，內容比較充實，不過我主要當做參考書了。下面在隨機過程部分會提到我極力推薦的Shreve的書：同時補了機率論，又學了隨機分析。
計量經濟學
我不大清楚計量經濟學在業界是否有用，至少我周圍認識的工作的同學沒有聽說誰工作用到計量的。但對於學術研究、寫畢業論文之類的是必會的知識。個人不是很喜歡經典的伍德里奇的教材，大概因為我第一次學計量就是碩士的時候直接用矩陣表示了，特別不習慣伍德里奇書上不用矩陣形式。因此推薦下面這本百科全書似的教材。
Greene, Econometric Analysis
偏金融的時間序列分析的話，下面這本也不錯，內容簡單易懂。
Brooks, Introductory Econometrics for Finance
隨機過程/分析
隨機過程這部分，重點推薦Shreve的書！我在讀碩士之前是一點沒有接觸過的，完全是靠Shreve的書學會的。書中深入淺出地講解，注重概念的理解和運用，而不是證明。並且也涉及到了一些基於測度論的機率論，以及很多這些數學在金融中的應用。這本書分為上下兩冊。上冊是離散時間模型，書很薄，幾乎不太用細看。下冊是連續時間的，也就是需要重點看的，稍微厚一些。據說書後習題經常用來面量化：
Shreve, Stochastic Calculus for Finance I & II
還有一本也被譽為經典教材，我最近在看，當做複習了。相對於Shreve的書，這本書的數學性沒有那麼強：
Bjork, Arbitrage Theory in Continuous Time
雖然金融中連續時間模型用的比較多，也就是隨機分析（Stochastic calculus），但對於離散時間模型的瞭解也是需要的，比如Markov過程等，我買的是下面這本：
Resnick, Adventures in Stochastic Processes