金融科技人工智能實(shí)戰(zhàn)：以Python為工具

定　價：￥88.00

作　者：	張寧趙亮著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥84.50)

ISBN：	9787121373176	出版時間：	2020-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	284	字?jǐn)?shù)：

內(nèi)容簡介

　　本書介紹了金融領(lǐng)域中的人工智能技術(shù)（以深度學(xué)習(xí)為主）應(yīng)用，其中第1～3章主要講解金融與金融市場、Python入門知識、金融深度學(xué)習(xí)平臺的搭建等內(nèi)容；第4～6章主要講解金融數(shù)據(jù)的獲取方法、欺詐行為識別、非結(jié)構(gòu)化金融客戶信息識別等內(nèi)容；第7～10章主要講解金融安全中的深度學(xué)習(xí)、金融時間序列預(yù)測中的深度學(xué)習(xí)、金融輿情分析中的深度學(xué)習(xí)、金融客戶推薦中的深度學(xué)習(xí)應(yīng)用等內(nèi)容。本書可供金融、保險(xiǎn)類本科生使用，也可以作為投資學(xué)、管理學(xué)、統(tǒng)計(jì)學(xué)、技術(shù)經(jīng)濟(jì)、應(yīng)用數(shù)學(xué)等金融科技相關(guān)專業(yè)的教材，還可以作為對金融科技和深度學(xué)習(xí)感興趣的金融從業(yè)者、有一定工程能力的軟件開發(fā)工程師等的參考書。

作者簡介

　　張寧，博士，中央財(cái)經(jīng)大學(xué)金融學(xué)院教授，中央財(cái)經(jīng)大學(xué)中國金融科技研究中心主任，中國銀保監(jiān)會償咨委委員，生命質(zhì)量研究會理事長，家族辦公室合作與發(fā)展組織理事會主席兼首席經(jīng)濟(jì)學(xué)家，健康財(cái)富規(guī)劃職業(yè)標(biāo)準(zhǔn)起草人，中央財(cái)經(jīng)大學(xué)金融科技指數(shù)評價負(fù)責(zé)人，主持開發(fā)了金融腦（Finance Brain）平臺、輿情平臺APP、健康量化與醫(yī)學(xué)大數(shù)據(jù)平臺、智能風(fēng)險(xiǎn)評估與風(fēng)險(xiǎn)量化平臺等，已出版專著和教材共17本，發(fā)表論文39篇，研究方向?yàn)榻鹑诳萍?、人工智能、保險(xiǎn)精算、健康管理科學(xué)、生命質(zhì)量與高凈值人群等。郵件：zhang-ning@vip.163.com。趙亮，博士，北京師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院/教育部數(shù)學(xué)與復(fù)雜系統(tǒng)重點(diǎn)實(shí)驗(yàn)室副教授，中央財(cái)經(jīng)大學(xué)中國金融科技研究中心研究員，教育部長江學(xué)者”創(chuàng)新團(tuán)隊(duì)成員，中國指揮與控制學(xué)會青年工作委員會委員，中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院理學(xué)博士；人教版《普通高中教科書數(shù)學(xué)（B版）》分冊主編；已主持兩項(xiàng)國家自然科學(xué)基金項(xiàng)目，發(fā)表論文20余篇，研究方向包括人工智能、金融數(shù)據(jù)分析、信息幾何、幾何偏微分方程等。

圖書目錄

第1章金融與金融市場 . 1
1.1 認(rèn)識金融 1
1.1.1 金融的細(xì)分領(lǐng)域 .. 1
1.1.2 金融研究的核心內(nèi)容 . 3
1.2 貨幣 . 3
1.2.1 貨幣的內(nèi)涵與作用 ..... 3
1.2.2 貨幣的分類 ..... 4
1.2.3 貨幣制度 .. 5
1.3 信用 . 5
1.3.1 信用的定義 ..... 5
1.3.2 信用的不同層次 .. 6
1.3.3 信用評價體系與企業(yè) . 8
1.4 金融機(jī)構(gòu) ..... 11
1.4.1 按照地位和功能劃分 ...... 11
1.4.2 按照金融機(jī)構(gòu)的管理地位劃分 .... 14
1.4.3 按照是否能接收公眾存款劃分 .... 15
1.4.4 按照其他劃分 .... 15
1.5 金融市場 ..... 17
1.5.1 金融市場的分類 18

1.5.2 金融市場的交易 20
1.5.3 金融市場的作用 21
1.5.4 金融市場的參與者和組織形式 .... 21
1.6 金融衍生品與金融工程 22
1.7 互聯(lián)網(wǎng)金融 . 23
1.7.1 互聯(lián)網(wǎng)金融的特征 ... 24
1.7.2 互聯(lián)網(wǎng)金融的四種模式 .. 25
第2章深度學(xué)習(xí)的首選語言：Python .. 27
2.1 Python語言介紹 27
2.1.1 Python的設(shè)計(jì)理念 ... 27
2.1.2 Python的特點(diǎn) .... 28
2.1.3 Python的優(yōu)點(diǎn) .... 28
2.2 Python的安裝與使用 .... 29
2.3 數(shù)據(jù)類型 ..... 33
2.3.1 數(shù)值 . 33
2.3.2 布爾型數(shù)值 ... 34
2.3.3 字符串 .... 35
2.4 變量與運(yùn)算符 .... 35
2.4.1 變量 . 35
2.4.2 運(yùn)算符 .... 36
2.5 函數(shù) ...... 39
2.5.1 函數(shù)的定義與調(diào)用 ... 40
2.5.2 函數(shù)參數(shù) 40
2.5.3 函數(shù)返回值 ... 42
2.6 模塊 ...... 43
2.6.1 from ... import語句 ... 43
2.6.2 常見模塊 44
第3章構(gòu)建金融深度學(xué)習(xí)平臺 47
3.1 算力基礎(chǔ)：選擇硬件 .... 47
3.1.1 算力與深度學(xué)習(xí)云平臺 .. 47
3.1.2 深度學(xué)習(xí)中算力構(gòu)建的路線選擇 48
3.2 單精度計(jì)算和半精度計(jì)算 ... 55
3.3 算法平臺：深度學(xué)習(xí)平臺 ... 58
3.3.1 安裝與設(shè)置開發(fā)環(huán)境 ...... 58
3.3.2 搭建深度學(xué)習(xí)平臺 ... 58
3.4 代碼托管：Git和GitHub .... 67
3.4.1 版本控制Git . 67
3.4.2 GitHub的常用操作 .. 69
第4章獲取金融數(shù)據(jù) .. 77
4.1 金融數(shù)據(jù)獲取 .... 77
4.1.1 金融數(shù)據(jù)獲取的途徑 ...... 77
4.1.2 公開數(shù)據(jù)平臺 .... 79
4.2 用Python直接獲取金融數(shù)據(jù) ..... 85
4.2.1 大獎?wù)铝炕涌? 85
4.2.2 利用Baostock獲取股票數(shù)據(jù) . 88
4.2.3 利用Tushare 獲取全面金融數(shù)據(jù) . 93
第5章識別金融業(yè)務(wù)中的欺詐行為 .... 115
5.1 金融欺詐介紹 .. 115
5.2 欺詐識別 ... 116
5.2.1 不平衡數(shù)據(jù)處理 ..... 116
5.2.2 信用卡欺詐識別 ..... 122
5.3 保險(xiǎn)欺詐識別 .. 127
第6章金融非結(jié)構(gòu)化客戶信息識別 .... 133
6.1 手寫信息識別 .. 134
6.2 圖片信息理解 .. 139
6.3 客戶人臉識別 .. 144
6.3.1 直方圖 .. 145
6.3.2 圖像、距離與灰度直方圖 ... 147
6.3.3 人臉識別實(shí)踐 .. 149
第7章金融安全中的深度學(xué)習(xí) ..... 154
7.1 金融安全 ... 154
7.2 RSA加密算法 . 155
7.2.1 對稱加密體系 .. 155
7.2.2 非對稱加密體系 ..... 156
7.3 驗(yàn)證碼識別 ...... 163
7.3.1 利用深度學(xué)習(xí)訓(xùn)練卷積網(wǎng)絡(luò) ...... 163
7.3.2 繪制網(wǎng)絡(luò)結(jié)構(gòu)圖 ..... 172
7.4 票據(jù)反模糊與生成式對抗網(wǎng)絡(luò) 178
7.4.1 生成式對抗網(wǎng)絡(luò) ..... 178
7.4.2 反模糊訓(xùn)練的步驟 . 181
第8章金融時間序列預(yù)測中的深度學(xué)習(xí) .... 183
8.1 金融時間序列數(shù)據(jù)簡介 ..... 183
8.1.1 時間序列 ..... 183
8.1.2 金融中的時間序列數(shù)據(jù) 185
8.2 傳統(tǒng)的時間序列分析方法 . 187
8.3 初識循環(huán)神經(jīng)網(wǎng)絡(luò) . 196
8.4 利用循環(huán)神經(jīng)網(wǎng)絡(luò)分析比特幣價格 ...... 199
8.4.1 獲取相應(yīng)數(shù)據(jù) .. 199
8.4.2 傳統(tǒng)分析方法 .. 207
8.4.3 循環(huán)神經(jīng)網(wǎng)絡(luò)方法 . 213
第9章金融輿情分析中的深度學(xué)習(xí) .... 225
9.1 宏觀金融問題與人工智能 . 225
9.1.1 宏觀金融學(xué)入門 ..... 225
9.1.2 從大數(shù)據(jù)角度看宏觀金融學(xué) ...... 227
9.2 利用輿情進(jìn)行宏觀金融分析 .... 227
9.2.1 數(shù)據(jù)的準(zhǔn)備 . 227
9.2.2 獲取關(guān)鍵詞趨勢 ..... 230
9.3 中文詞向量 ...... 235
9.3.1 自然語言處理 .. 235
9.3.2 獨(dú)熱表示法 . 235
9.3.3 分布式表示法 .. 236
9.4 金融輿情中的情緒判斷 ..... 238
第10章金融客戶推薦中的深度學(xué)習(xí) .. 246
10.1 客戶分類與評估 ... 246
10.1.1 聚類的概念 .... 247
10.1.2 劃分法 247
10.1.3 層次法 250
10.1.4 密度聚類算法 252
10.2 推薦系統(tǒng)與深度學(xué)習(xí) 254
10.2.1 協(xié)同過濾算法 255
10.2.2 基于內(nèi)容的推薦算法 .. 257
10.2.3 基于知識的推薦算法 .. 258
10.2.4 深度學(xué)習(xí)對推薦系統(tǒng)的提升 .... 259