金融科技人工智能實戰(以Python為工具)

張寧//趙亮

  • 出版商: 電子工業
  • 出版日期: 2020-08-01
  • 售價: $528
  • 貴賓價: 9.5$502
  • 語言: 簡體中文
  • 頁數: 271
  • 裝訂: 平裝
  • ISBN: 7121373173
  • ISBN-13: 9787121373176
  • 相關分類: Fintech

立即出貨 (庫存 < 4)

買這商品的人也買了...

商品描述

本書介紹了金融領域中的人工智能技術(以深度學習為主)應用,
其中第1~3章主要講解金融與金融市場、Python入門知識、金融深度學習平台的搭建等內容;
第4~6章主要講解金融數據的獲取方法、欺詐行為識別、非結構化金融客戶信息識別等內容;
第7~10章主要講解金融安全中的深度學習、金融時間序列預測中的深度學習、
金融輿情分析中的深度學習、金融客戶推薦中的深度學習應用等內容。
本書可供金融、保險類本科生使用,也可以作為投資學、管理學、統計學、
技術經濟、應用數學等金融科技相關專業的教材,
還可以作為對金融科技和深度學習感興趣的金融從業者、
有一定工程能力的軟件開發工程師等的參考書。

作者簡介

趙亮

北京師範大學數學科學學院/數學與復雜系統教育部重點實驗室副教授,
教育部“長江學者和創新團隊發展計劃”創新團隊成員,
中國指揮與控制學會青年工作委員會委員,中國科學院數學與系統科學研究院理學博士;
中央財經大學金融科技書系執行主編,人教版《普通高中教科書數學(B版)》分冊主編;
已主持國家自然科學基金兩項,發表論文20餘篇,研究方向包括人工智能、信息幾何、幾何偏微分方程等。

目錄大綱

目錄
第1章金融與金融市場
1.1認識金融
1.1.1金融的細分領域
1.1.2金融研究的核心內容
1.2貨幣
1.2.1貨幣的內涵與作用
1.2.2貨幣的分類
1.2.3貨幣制度
1.3信用
1.3 .1信用的定義
1.3.2信用的不同層次
1.3.3信用評價體係與企業
1.4金融機構
1.4.1按照地位和功能劃分
1.4.2按照金融機構的管理地位劃分
1.4.3按照是否能接收公眾存款劃分
1.4.4按照其他劃分
1.5金融市場
1.5.1金融市場的分類
1.5.2金融市場的交易
1.5.3金融市場的作用
1.5.4金融市場的參與者和組織形式
1.6金融衍生品與金融工程
1.7互聯網金融
1.7.1互聯網金融的特徵
1.7.2互聯網金融的四種模式

第2章深度學習的首選語言:Python
2.1 Python語言介紹
2.1.1 Python的設計理念
2.1.2 Python的特點
2.1.3 Python的優點
2.2 Python的安裝與使用
2.3數據類型
2.3.1數值
2.3.2布爾型數值
2.3.3字符串
2.4變量與運算符
2.4.1變量
2.4.2運算符
2.5函數
2.5.1函數的定義與調用
2.5.2函數參數
2.5.3函數返回值
2.6模塊
2.6.1 from.. .import語句
2.6.2常見模塊

第3章構建金融深度學習平台
3.1算力基礎:選擇硬件
3.1.1算力與深度學習雲平台
3.1.2深度學習中算力構建的路線選擇
3.2單精度計算和半精度計算
3.3算法平台:深度學習平台
3.3.1安裝與設置開發環境
3.3.2搭建深度學習平台
3.4代碼託管:Git和GitHub
3.4.1版本控制Git
3.4.2 GitHub的常用操作

第4章獲取金融數據
4.1金融數據獲取
4.1.1金融數據獲取的途徑
4.1.2公開數據平台
4.2用Python直接獲取金融數據
4.2.1大獎章量化接口
4.2.2利用Baostock獲取股票數據
4.2.3利用Tushare獲取全面金融數據

第5章識別金融業務中的欺詐行為
5.1金融欺詐介紹
5.2欺詐識別
5.2 .1不平衡數據處理
5.2.2信用卡欺詐識別
5.3保險欺詐識別

第6章金融非結構化客戶信息識別
6.1手寫信息識別
6.2圖片信息理解
6.3客戶人臉識別
6.3.1直方圖
6.3.2圖像、距離與灰度直方圖
6.3.3人臉識別實踐

第7章金融安全中的深度學習
7.1金融安全
7.2 RSA加密算法
7.2.1對稱加密體系
7.2.2非對稱加密體系
7.3驗證碼識別
7.3.1利用深度學習訓練卷積網絡
7.3.2繪製網絡結構圖
7.4票據反模糊與生成式對抗網絡
7.4.1生成式對抗網絡
7.4.2反模糊訓練的步驟

第8章金融時間序列預測中的深度學習
8.1金融時間序列數據簡介
8.1.1時間序列
8.1.2金融中的時間序列數據
8.2傳統的時間序列分析方法
8.3初識循環神經網絡
8.4利用循環神經網絡分析比特幣價格
8.4.1獲取相應數據
8.4.2傳統分析方法
8.4.3循環神經網絡方法

第9章金融輿情分析中的深度學習
9.1宏觀金融問題與人工智能
9.1.1宏觀金融學入門
9.1.2從大數據角度看宏觀金融學
9.2利用輿情進行宏觀金融分析
9.2.1數據的準備
9.2.2獲取關鍵詞趨勢
9.3中文詞向量
9.3.1自然語言處理
9.3.2獨熱表示法
9.3.3分佈式表示法
9.4金融輿情中的情緒判斷

第10章金融客戶推薦中的深度學習
10.1客戶分類與評估
10.1.1聚類的概念
10.1 .2劃分法
10.1.3層次法
10.1.4密度聚類算法
10.2推薦系統與深度學習
10.2.1協同過濾算法
10.2.2基於內容的推薦算法
10.2.3基於知識的推薦算法
10.2.4深度學習對推薦系統的提升