顶部
收藏

金融智能:理论与实践


作者:
郑小林主编; 朱梦莹 陈超超副主编
定价:
42.00元
ISBN:
978-7-04-058665-7
版面字数:
430.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-01-28
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机类专业核心课程
三级分类:
人工智能

本书是新一代人工智能系列教材之一。金融科技经历了金融电子化阶段、互联网金融阶段,进入了金融智能阶段。本书从金融智能的理论、应用和监管三个视角出发,围绕金融智能理论,结合金融智能应用场景,介绍了人工智能、大数据等新兴技术所引起的金融业的解构与重构。本书共分5篇14章,主要内容包括金融智能概论、金融大数据概览、金融大数据管理、金融智能建模基础、推荐系统、知识图谱、金融智能客服、金融智能风控、金融智能营销、智能投顾、传统金融的智能化、合规科技、监管科技以及相关的实验要求和实验指南。本书内容丰富、系统全面、实践性强,为读者理解和掌握金融智能知识提供了广泛的视角和实践的基础。

本书可作为高等学校人工智能、金融科技等专业高年级本科生和研究生相关课程教材,也可作为金融业从业人员学习金融智能知识的参考读物。

  • 前辅文
  • 第一篇 金融智能概述
    • 第1章 金融智能概论
      • 1.1 金融智能的概念
        • 1.1.1 金融科技的发展
        • 1.1.2 金融智能的定义
        • 1.1.3 金融智能的内涵
        • 1.1.4 金融智能面临的挑战
      • 1.2 金融智能的发展现状
      • 1.3 金融智能的支撑技术
        • 1.3.1 大数据和人工智能
        • 1.3.2 区块链和隐私保护
        • 1.3.3 云计算和物联网
      • 1.4 金融智能的应用
        • 1.4.1 智能客服
        • 1.4.2 智能风控
        • 1.4.3 智能营销
        • 1.4.4 智能投顾
        • 1.4.5 传统金融智能化
      • 1.5 金融监管科技
        • 1.5.1 合规科技
        • 1.5.2 监管科技
      • 1.6 全书布局
      • 本章小结
      • 习题
  • 第二篇 金融智能理论
    • 第2章 金融大数据概览
      • 2.1 金融大数据概述
        • 2.1.1 金融大数据的定义
        • 2.1.2 金融大数据的特点
        • 2.1.3 金融大数据带来的机遇和挑战
      • 2.2 金融大数据的处理流程
        • 2.2.1 数据获取与存储
        • 2.2.2 数据分析
        • 2.2.3 数据建模
        • 2.2.4 数据应用
      • 2.3 金融大数据管理
        • 2.3.1 数据中台概述
        • 2.3.2 数据中台与数据仓库
        • 2.3.3 数据中台架构
        • 2.3.4 数据中台的建设
      • 本章小结
      • 习题
    • 第3章 金融大数据管理
      • 3.1 数据资源与数据质量
        • 3.1.1 数据资源的分类
        • 3.1.2 数据质量的常见问题
      • 3.2 数据获取
        • 3.2.1 数据获取的方式
        • 3.2.2 爬虫的基本原理
        • 3.2.3 爬虫的基本流程
        • 3.2.4 常见的爬虫基本库
      • 3.3 数据存储
        • 3.3.1 数据存储的基本方式
        • 3.3.2 分布式数据存储
      • 3.4 数据分析
        • 3.4.1 数据分析概述
        • 3.4.2 探索性数据分析
        • 3.4.3 数据预处理
        • 3.4.4 特征工程
      • 本章小结
      • 习题
    • 第4章 金融智能建模基础
      • 4.1 金融智能建模流程概述
      • 4.2 监督学习概述
        • 4.2.1 监督学习的基本概念
        • 4.2.2 监督学习的特点
        • 4.2.3 监督学习在金融领域的应用场景
      • 4.3 监督学习——分类与回归
        • 4.3.1 分类与回归的基本概念
        • 4.3.2 性能度量
        • 4.3.3 常见的监督学习算法
      • 4.4 无监督学习概述
        • 4.4.1 无监督学习的基本概念
        • 4.4.2 无监督学习的特点
        • 4.4.3 无监督学习在金融中的应用场景
      • 4.5 无监督学习——聚类
        • 4.5.1 聚类任务的基本概念
        • 4.5.2 性能度量
        • 4.5.3 距离计算
        • 4.5.4 常见的聚类算法
      • 本章小结
      • 习题
    • 第5章 金融智能建模进阶1:推荐系统
      • 5.1 推荐系统概述
        • 5.1.1 推荐系统的设计
        • 5.1.2 基础方法与分类
        • 5.1.3 推荐算法的评估
      • 5.2 协同过滤
        • 5.2.1 基于邻域的协同过滤
        • 5.2.2 基于矩阵分解的评分预测
        • 5.2.3 面向隐式反馈的矩阵分解
      • 5.3 时空感知的推荐
        • 5.3.1 时序推荐
        • 5.3.2 序列推荐
        • 5.3.3 基于位置的推荐
      • 5.4 基于特征融合的推荐
        • 5.4.1 基于特征融合的推荐算法框架
        • 5.4.2 基于因子分解的推荐算法
        • 5.4.3 基于树模型的推荐算法
        • 5.4.4 深度学习模型
      • 本章小结
      • 习题
    • 第6章 金融智能建模进阶2:知识图谱
      • 6.1 知识图谱概述
        • 6.1.1 什么是知识图谱
        • 6.1.2 知识图谱的发展和应用
      • 6.2 知识图谱的构建
        • 6.2.1 命名实体识别
        • 6.2.2 知识图谱嵌入
        • 6.2.3 知识图谱的建模与存储
        • 6.2.4 金融知识图谱的构建
      • 6.3 基于随机游走模型的知识图谱
        • 6.3.1 随机游走模型
        • 6.3.2 路径排序算法
      • 6.4 基于神经网络的知识图谱
        • 6.4.1 基于神经网络的知识图谱模型
        • 6.4.2 深度学习与知识图谱
        • 6.4.3 自然语言处理与知识图谱
      • 本章小结
      • 习题
  • 第三篇 金融智能应用
    • 第7章 金融智能客服
      • 7.1 金融智能客服概述
        • 7.1.1 金融智能客服的定义
        • 7.1.2 金融智能客服的发展和分类
      • 7.2 金融智能客服的流程
      • 7.3 金融智能客服的核心技术
        • 7.3.1 意图识别和槽位填充
        • 7.3.2 对话管理
        • 7.3.3 问答技术
        • 7.3.4 自然语言生成
      • 7.4 金融智能客服应用案例:保险智能客服
        • 7.4.1 保险业知识图谱构建
        • 7.4.2 基于知识的问答系统构建
      • 7.5 金融智能客服的未来展望
      • 本章小结
      • 习题
    • 第8章 金融智能风控
      • 8.1 金融智能风控概述
        • 8.1.1 金融智能风控的定义
        • 8.1.2 金融智能风控的发展历程
        • 8.1.3 金融智能风控的应用场景
      • 8.2 金融智能风控的流程
        • 8.2.1 贷前申请准入管理
        • 8.2.2 贷中存量客户管理
        • 8.2.3 贷后逾期客户管理
      • 8.3 金融智能风控的核心技术
        • 8.3.1 贷前欺诈检测
        • 8.3.2 贷前申请评分卡建模
        • 8.3.3 贷中行为评分卡
        • 8.3.4 贷后催收评分卡
      • 8.4 金融智能风控的未来展望
        • 8.4.1 金融智能风控场景创新
        • 8.4.2 金融智能风控技术变革
        • 8.4.3 金融智能风控服务扩展
      • 本章小结
      • 习题
    • 第9章 金融智能营销
      • 9.1 金融智能营销概述
        • 9.1.1 金融智能营销的业务背景
        • 9.1.2 金融智能营销的发展历程
      • 9.2 金融智能营销流程
        • 9.2.1 潜在客户挖掘
        • 9.2.2 产品生命周期识别
        • 9.2.3 精准营销执行
        • 9.2.4 营销效果评估
        • 9.2.5 营销闭环搭建
      • 9.3 金融智能营销的核心技术
        • 9.3.1 潜在客户挖掘技术
        • 9.3.2 产品生命周期识别技术
        • 9.3.3 精准营销技术
        • 9.3.4 营销效果评估技术
        • 9.3.5 流失预警技术
      • 9.4 金融智能营销的未来展望
        • 9.4.1 营销体验变革:客户情绪分析与管理
        • 9.4.2 营销渠道变革:社交营销和智能客服
        • 9.4.3 营销决策变革:决策分析报告自动生成
      • 本章小结
      • 习题
    • 第10章 智能投顾
      • 10.1 智能投顾概述
        • 10.1.1 智能投顾的定义
        • 10.1.2 智能投顾的作用
        • 10.1.3 智能投顾的发展历程
      • 10.2 智能投顾的投资流程
        • 10.2.1 客户分析
        • 10.2.2 投资组合构建和投资组合再平衡
        • 10.2.3 交易执行
        • 10.2.4 税负管理与投资组合分析
      • 10.3 智能投顾的理论基础
        • 10.3.1 现代投资组合理论
        • 10.3.2 资本增长理论
        • 10.3.3 有效市场假说与行为金融学
      • 10.4 投资组合配置技术
        • 10.4.1 单周期投资组合策略
        • 10.4.2 多周期投资组合策略
        • 10.4.3 投资过程评价
      • 10.5 智能投顾的未来
        • 10.5.1 智能投顾体验变革:更好地度量风险
        • 10.5.2 智能投顾交易优化:控制交易费用
        • 10.5.3 智能投顾交易拓展:市场流动性考量
        • 10.5.4 未来的智能投顾:零和博弈问题
      • 本章小结
      • 习题
    • 第11章 传统金融的智能化
      • 11.1 保险科技
        • 11.1.1 保险科技概述
        • 11.1.2 保险科技的技术支撑
        • 11.1.3 保险科技案例
        • 11.1.4 保险科技的未来发展趋势
      • 11.2 数字银行
        • 11.2.1 数字银行概述
        • 11.2.2 数字银行的技术支撑
        • 11.2.3 数字银行案例
        • 11.2.4 数字银行的未来发展趋势
      • 11.3 数字货币
        • 11.3.1 数字货币介绍
        • 11.3.2 数字货币的技术支撑
        • 11.3.3 数字货币案例
        • 11.3.4 数字货币的未来发展趋势
      • 本章小结
      • 习题
  • 第四篇 金融合规与监管科技
    • 第12章 合规科技
      • 12.1 大数据隐私保护与合规科技
        • 12.1.1 隐私的定义
        • 12.1.2 隐私泄露案例
        • 12.1.3 数据合规的定义
        • 12.1.4 数据合规的全球监管趋势
        • 12.1.5 我国数据合规监管的现状
      • 12.2 核心技术——隐私保护技术
        • 12.2.1 数据隐私保护概述
        • 12.2.2 攻击者模型和安全性定义
        • 12.2.3 数据脱敏
        • 12.2.4 匿名化技术
        • 12.2.5 数据扰动
        • 12.2.6 基于密码学的技术
      • 12.3 应用——隐私保护机器学习
        • 12.3.1 基于全同态加密的隐私保护机器学习
        • 12.3.2 基于混合协议的隐私保护机器学习
      • 12.4 应用——联邦学习
        • 12.4.1 横向联邦学习
        • 12.4.2 纵向联邦学习
        • 12.4.3 联邦迁移学习
      • 12.5 未来展望
        • 12.5.1 合规科技的发展和应用
        • 12.5.2 合规科技的技术标准
        • 12.5.3 数据合规的相关法律法规
      • 本章小结
      • 习题
    • 第13章 监管科技
      • 13.1 监管科技概述
        • 13.1.1 监管科技的概念
        • 13.1.2 监管科技的发展
        • 13.1.3 我国监管科技的发展现状
        • 13.1.4 监管科技的意义
      • 13.2 电子数据存证
        • 13.2.1 电子数据存证面临的问题
        • 13.2.2 基于区块链的电子数据存证技术
        • 13.2.3 金融监管中的电子数据存证
        • 13.2.4 挑战与展望
      • 13.3 监管沙盒
        • 13.3.1 监管沙盒概述
        • 13.3.2 监管沙盒框架
      • 13.4 未来展望
        • 13.4.1 法律法规和政策:金融智能监管的发展基石
        • 13.4.2 技术:金融智能监管的重要手段
        • 13.4.3 人力:金融智能监管的规模保障
      • 本章小结
      • 习题
  • 第五篇 实验指导
    • 第14章 实验要求和实验指南
      • 14.1 实验一:金融数据获取实验
        • 14.1.1 问题描述
        • 14.1.2 实验目的
        • 14.1.3 实验步骤
      • 14.2 实验二:金融数据预处理实验
        • 14.2.1 问题描述
        • 14.2.2 实验内容
        • 14.2.3 数据描述
        • 14.2.4 实验步骤
      • 14.3 实验三:聚类与分类实验
        • 14.3.1 问题描述
        • 14.3.2 实验内容
      • 14.4 实验四:推荐系统实验
        • 14.4.1 问题描述
        • 14.4.2 数据描述
        • 14.4.3 实验步骤
      • 14.5 实验五:知识图谱实验
        • 14.5.1 问题描述
        • 14.5.2 数据描述
        • 14.5.3 实验步骤
      • 14.6 实验六:智能风控实验
        • 14.6.1 问题描述
        • 14.6.2 数据描述
        • 14.6.3 评价指标
      • 14.7 实验七:智能营销实验
        • 14.7.1 问题描述
        • 14.7.2 数据描述
        • 14.7.3 实验步骤
      • 14.8 实验八:智能投顾实验
        • 14.8.1 问题描述
        • 14.8.2 数据描述
        • 14.8.3 实验步骤
      • 14.9 实验九:联邦学习实验
        • 14.9.1 问题描述
        • 14.9.2 数据描述
        • 14.9.3 实验步骤
        • 14.9.4 评价指标
  • 参考文献

本数字课程与《金融智能:理论与实践》纸质教材一体化设计,配套使用,内容涵盖电子教案等形式的辅助教学资源,丰富了知识的呈现形式,拓展了教材内容;在提升课程教学效果的同时,为学生学习提供了思考与探索的空间。

相关图书