金融科技人工智能实战:以Python为工具

金融科技人工智能实战:以Python为工具

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

因版权原因待上架

编辑推荐

深度学习助力金融应用,丰富案例实操指南。

内容简介

本书主要讲解通过深度学习和机器学习知识,在金融领域的应用。如通过大数据分析获客,通过交叉信息采集分析客户的爱好和风险偏好,以及在量化投资中和客户服务中为读者提供相应的技术防范。内容涉及了深度学习技术中的 卷积网络,循环神经网络,注意力模型等,全书案例丰富,操作性强,适合有一定基础知识但想在深度学习领域继续加深实操的用户使用。

章节目录

封面

前折页

书名页

版权页

推荐语

前言

目录

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

后折页

封底

金融科技人工智能实战:以Python为工具是2020年由电子工业出版社出版,作者张宁。

得书感谢您对《金融科技人工智能实战:以Python为工具》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

购买这本书

你可能喜欢
金融科技风险控制 电子书
本书是高等职业教育金融科技专业教材。主要包含两大部分内容:第一部分的基础理论知识主要是比较概括地梳理金融科技的产生、发展历程及现状和问题,以及大数据、区块链、云计算和人工智能对金融科技产生的互动和融合,还大致介绍了新金融业态的各种常态风险的存在。第二部分主要是分析互联网银行、互联网保险、供应链金融等各种新型金融业态的风险分析和风险控制的措施及对策。本书适合高等职业教育金融科技、互联网金融相关专业教
金融科技前沿动态 电子书
随着金融科技在金融行业中的广泛应用,金融业态发生了深刻的改变,大数据、云计算、人工智能、区块链等新技术对金融市场以及金融服务业务供给产生了重大影响。本书内容主要聚焦金融科技、智能投资、区块链、5G、人工智能等新兴技术,是作者长期扎根相关研究的成果。本书内容包括金融科技的发展现状与未来趋势、第三方支付发展问题、量化投资发展与策略问题、大数据与大数据金融、物联网发展与金融应用、区块链发展与金融应用、5
海洋移民、贸易与金融网络:以侨批业为中心 电子书
本书围绕侨批业,讨论了中国近现代国际金融汇兑的发展历史。
广东金融科技发展报告(2018) 电子书
本书在对广东金融科技与互联网金融行业进行总体分析和展望的基础上,重点对广东全省以及广州、深圳和东莞等广东金融科技与互联网金融发展主要集聚地区的金融科技生态环境和专项整治情况进行分析和讨论;在及时总结经验的基础上,建立健全广东省金融科技与互联网金融监管长效机制,提高广东金融科技与互联网金融整体发展水平,更好地服务于广东实体经济发展。同时,亦希望为全国其他地区金融科技与互联网金融发展提供有益参考。
金融投资工具应用与风险管理 电子书
本书系统阐述了金融投资工具的种类、制度安排、功能和属性,深入探讨了投资者运用工具进行投资的理论、行为与过程,分析了金融投资工具的风险属性及其微观风险宏观化的流动机理。