导语

  

内容提要

  

    本书介绍了金融领域中的人工智能技术（以深度学习为主）应用，其中第1～3章主要讲解金融与金融市场、Python入门知识、金融深度学习平台的搭建等内容；第4～6章主要讲解金融数据的获取方法、欺诈行为识别、非结构化金融客户信息识别等内容；第7～10章主要讲解金融安全中的深度学习、金融时间序列预测中的深度学习、金融舆情分析中的深度学习、金融客户推荐中的深度学习应用等内容。
    本书可供金融、保险类本科生使用，也可以作为投资学、管理学、统计学、技术经济、应用数学等金融科技相关专业的教材，还可以作为对金融科技和深度学习感兴趣的金融从业者、有一定工程能力的软件开发工程师等的参考书。

第1章  金融与金融市场
  1.1  认识金融
    1.1.1  金融的细分领域
    1.1.2  金融研究的核心内容
  1.2  货币
    1.2.1  货币的内涵与作用
    1.2.2  货币的分类
    1.2.3  货币制度
  1.3  信用
    1.3.1  信用的定义
    1.3.2  信用的不同层次
    1.3.3  信用评价体系与企业
  1.4  金融机构
    1.4.1  按照地位和功能划分
    1.4.2  按照金融机构的管理地位划分
    1.4.3  按照是否能接收公众存款划分
    1.4.4  按照其他划分
  1.5  金融市场
    1.5.1  金融市场的分类
    1.5.2  金融市场的交易
    1.5.3  金融市场的作用
    1.5.4  金融市场的参与者和组织形式
  1.6  金融衍生品与金融工程
  1.7  互联网金融
    1.7.1  互联网金融的特征
    1.7.2  互联网金融的四种模式
第2章  深度学习的首选语言：Python
  2.1  Python语言介绍
    2.1.1  Python的设计理念
    2.1.2  Python的特点
    2.1.3  Python的优点
  2.2  Python的安装与使用
  2.3  数据类型
    2.3.1  数值
    2.3.2  布尔型数值
    2.3.3  字符串
  2.4  变量与运算符
    2.4.1  变量
    2.4.2  运算符
  2.5  函数
    2.5.1  函数的定义与调用
    2.5.2  函数参数
    2.5.3  函数返回值
  2.6  模块
    2.6.1  from...import语句
    2.6.2  常见模块
第3章  构建金融深度学习平台
  3.1  算力基础：选择硬件
    3.1.1  算力与深度学习云平台
    3.1.2  深度学习中算力构建的路线选择
  3.2  单精度计算和半精度计算
  3.3  算法平台：深度学习平台
    3.3.1  安装与设置开发环境
    3.3.2  搭建深度学习平台
  3.4  代码托管：Git和GitHub
    3.4.1  版本控制Git
    3.4.2  GitHub的常用操作
第4章  获取金融数据
  4.1  金融数据获取
    4.1.1  金融数据获取的途径
    4.1.2  公开数据平台
  4.2  用Python直接获取金融数据
    4.2.1  大奖章量化接口
    4.2.2  利用Baostock获取股票数据
    4.2.3  利用Tushare获取全面金融数据
第5章  识别金融业务中的欺诈行为
  5.1  金融欺诈介绍
  5.2  欺诈识别
    5.2.1  不平衡数据处理
    5.2.2  信用卡欺诈识别
  5.3  保险欺诈识别
第6章  金融非结构化客户信息识别
  6.1  手写信息识别
  6.2  图片信息理解
  6.3  客户人脸识别
    6.3.1  直方图
    6.3.2  图像、距离与灰度直方图
    6.3.3  人脸识别实践
第7章  金融安全中的深度学习
  7.1  金融安全
  7.2  RSA加密算法
    7.2.1  对称加密体系
    7.2.2  非对称加密体系
  7.3  验证码识别
    7.3.1  利用深度学习训练卷积网络
    7.3.2  绘制网络结构图
  7.4  票据反模糊与生成式对抗网络
    7.4.1  生成式对抗网络
    7.4.2  反模糊训练的步骤
第8章  金融时间序列预测中的深度学习
  8.1  金融时间序列数据简介
    8.1.1  时间序列
    8.1.2  金融中的时间序列数据
  8.2  传统的时间序列分析方法
  8.3  初识循环神经网络
  8.4  利用循环神经网络分析比特币价格
    8.4.1  获取相应数据
    8.4.2  传统分析方法
    8.4.3  循环神经网络方法
第9章  金融舆情分析中的深度学习
  9.1  宏观金融问题与人工智能
    9.1.1  宏观金融学入门
    9.1.2  从大数据角度看宏观金融学
  9.2  利用舆情进行宏观金融分析
    9.2.1  数据的准备
    9.2.2  获取关键词趋势
  9.3  中文词向量
    9.3.1  自然语言处理
    9.3.2  独热表示法
    9.3.3  分布式表示法
  9.4  金融舆情中的情绪判断
第10章  金融客户推荐中的深度学习
  10.1  客户分类与评估
    10.1.1  聚类的概念
    10.1.2  划分法
    10.1.3  层次法
    10.1.4  密度聚类算法
  10.2  推荐系统与深度学习
    10.2.1  协同过滤算法
    10.2.2  基于内容的推荐算法
    10.2.3  基于知识的推荐算法
    10.2.4  深度学习对推荐系统的提升