91短视频app下载,91插插插网站

內(nèi)容簡介

　　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、非結構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(nèi)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(tǒng)計學、技術經(jīng)濟、應用數(shù)學等金融科技相關專業(yè)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(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，中央財經(jīng)大學金融學院教授，中央財經(jīng)大學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)濟學家，健康財富規(guī)劃職業(yè)標準起草人，中央財經(jīng)大學金融科技指數(shù)評價負責人，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)學大數(shù)據(jù)平臺、智能風險評估與風險量化平臺等，已出版專著和教材共17本，發(fā)表論文39篇，研究方向為金融科技、人工智能、保險精算、健康管理科學、生命質(zhì)量與高凈值人群等。郵件：zhang-ning@vip.163.com。趙亮，博士，北京師范大學數(shù)學科學學院/教育部數(shù)學與復雜系統(tǒng)重點實驗室副教授，中央財經(jīng)大學中國金融科技研究中心研究員，教育部長江學者”創(chuàng)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(shù)學與系統(tǒng)科學研究院理學博士；人教版《普通高中教科書數(shù)學（B版）》分冊主編；已主持兩項國家自然科學基金項目，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 認識金融 1
1.1.1 金融的細分領域 .. 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 金融機構 ..... 11
1.4.1 按照地位和功能劃分 ...... 11
1.4.2 按照金融機構的管理地位劃分 .... 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章深度學習的首選語言：Python .. 27
2.1 Python語言介紹 27
2.1.1 Python的設計理念 ... 27
2.1.2 Python的特點 .... 28
2.1.3 Python的優(yōu)點 .... 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 變量與運算符 .... 35
2.4.1 變量 . 35
2.4.2 運算符 .... 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章構建金融深度學習平臺 47
3.1 算力基礎：選擇硬件 .... 47
3.1.1 算力與深度學習云平臺 .. 47
3.1.2 深度學習中算力構建的路線選擇 48
3.2 單精度計算和半精度計算 ... 55
3.3 算法平臺：深度學習平臺 ... 58
3.3.1 安裝與設置開發(fā)環(huán)境 ...... 58
3.3.2 搭建深度學習平臺 ... 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 大獎章量化接口 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 保險欺詐識別 .. 127
第6章金融非結構化客戶信息識別 .... 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 人臉識別實踐 .. 149
第7章金融安全中的深度學習 ..... 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 驗證碼識別 ...... 163
7.3.1 利用深度學習訓練卷積網(wǎng)絡 ...... 163
7.3.2 繪制網(wǎng)絡結構圖 ..... 172
7.4 票據(jù)反模糊與生成式對抗網(wǎng)絡 178
7.4.1 生成式對抗網(wǎng)絡 ..... 178
7.4.2 反模糊訓練的步驟 . 181
第8章金融時間序列預測中的深度學習 .... 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 . 196
8.4 利用循環(huán)神經(jīng)網(wǎng)絡分析比特幣價格 ...... 199
8.4.1 獲取相應數(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)絡方法 . 213
第9章金融輿情分析中的深度學習 .... 225
9.1 宏觀金融問題與人工智能 . 225
9.1.1 宏觀金融學入門 ..... 225
9.1.2 從大數(shù)據(jù)角度看宏觀金融學 ...... 227
9.2 利用輿情進行宏觀金融分析 .... 227
9.2.1 數(shù)據(jù)的準備 . 227
9.2.2 獲取關鍵詞趨勢 ..... 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習 .. 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)與深度學習 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 深度學習對推薦系統(tǒng)的提升 .... 259