幫助中心 | 我的帳號 | 關於我們

金融中的人工智慧/金融科技系列

  • 作者:吳漢銘//(印)蘇哈什·沙阿|責編:胡俊英|譯者:葉偉民
  • 出版社:人民郵電
  • ISBN:9787115579195
  • 出版日期:2022/05/01
  • 裝幀:平裝
  • 頁數:203
人民幣:RMB 79.9 元      售價:
放入購物車
加入收藏夾

內容大鋼
    近年來,人工智慧在各個領域被廣泛應用,但對於很多金融從業人員來說,人工智慧仍然給人一種高深莫測的感覺。本書旨在從新技術(如人工智慧)的視角給出金融業務的新興解決方案。
    本書內容通俗易懂,不僅揭示了人工智慧在金融業中的重要性,還結合機器學習演算法和示例給出了一系列的金融科技解決方案,涉及時間序列分析、強化學習、預測分析、自動化投資組合管理、情緒分析、自然語言處理等知識點。此外,本書還結合現實工作總結了相關的注意事項。
    本書適合傳統金融行業的從業者以及新興金融科技領域的實踐者閱讀。讀者可從本書深入淺出的知識點和案例中了解到人工智慧的魅力,為更好地運用人工智慧技術賦能金融業務做好準備。

作者介紹
吳漢銘//(印)蘇哈什·沙阿|責編:胡俊英|譯者:葉偉民

目錄
第1部分  金融業人工智慧概述
  第1章  人工智慧在金融業中的重要性
    1.1  什麼是人工智慧
      1.1.1  機器是如何學習的
      1.1.2  實施人工智慧的軟體要求
      1.1.3  實施人工智慧的硬體要求
      1.1.4  建模方法論——CRISP-DM
    1.2  了解金融業
      1.2.1  金融業相對於全球經濟的規模
      1.2.2  金融業的客戶
    1.3  金融業務可獲得性的重要性
      1.3.1  開源軟體和數據
      1.3.2  我們為什麼需要人工智慧
    1.4  人工智慧在金融業的應用
    1.5  本章小結
第2部分  機器學習演算法和實例
  第2章  時間序列分析
    2.1  了解時間序列分析
    2.2  M2M通信
      2.2.1  商業銀行業務簡介
      2.2.2  M2M通信在商業銀行業務中的作用
    2.3  金融市場的基本概念
    2.4  人工智慧模型
      2.4.1  時間序列模型ARIMA模型簡介
      2.4.2  神經網路簡介——準確預測需求的秘訣
    2.5  使用時間序列分析進行需求預測
      2.5.1  下載數據
      2.5.2  對數據進行預處理
      2.5.3  通過擬合數據來建立模型
    2.6  基於Keras的神經網路在大宗商品採購中的應用
    2.7  本章小結
  第3章  使用強化學習自動化商業銀行貸款融資
    3.1  分解商業銀行的業務
      3.1.1  主要風險類型
      3.1.2  資產和負債管理
      3.1.3  利率計算
      3.1.4  信用評級
    3.2  人工智慧建模技術
      3.2.1  蒙特卡羅模擬
      3.2.2  邏輯回歸模型
      3.2.3  決策樹
      3.2.4  神經網路
      3.2.5  強化學習
      3.2.6  深度學習
    3.3  模型性能的測量指標
      3.3.1  指標1——ROC曲線
      3.3.2  指標2——混淆矩陣
      3.3.3  指標3——分類報告
    3.4  構建破產風險預測模型
      3.4.1  獲取數據

      3.4.2  構建模型
    3.5  使用強化學習自動化貸款融資
      3.5.1  了解利益相關者
      3.5.2  得出解決方案
    3.6  本章小結
  第4章  資本市場決策自動化
    4.1  了解投資銀行業務的願景
    4.2  財務領域的基本概念
      4.2.1  財務報表
      4.2.2  優化公司最佳資本結構的理論
      4.2.3  測量項目價值的全要素生產率
      4.2.4  一個項目的現金流模式
      4.2.5  預測財務報表條目
    4.3  人工智慧建模思想
      4.3.1  線性優化
      4.3.2  線性回歸
    4.4  尋找最佳資本結構
    4.5  使用宏觀經濟場景來提供財務表現預測
    4.6  本章小結
  第5章  預測投資銀行(券商)業務
    5.1  投資銀行(券商)業務基礎知識
      5.1.1  投資銀行在IPO中的工作
      5.1.2  股票分類——股票風格
      5.1.3  投資者分類
      5.1.4  合併和收購
      5.1.5  人工智慧在併購中的應用
      5.1.6  上市公司的申報義務
    5.2  了解數據技術
    5.3  聚類模型
    5.4  新發行證券的自動辛迪加融資
      5.4.1  解決問題的步驟
      5.4.2  構建相似度模型
      5.4.3  構建投資者聚類模型
      5.4.4  構建股票聚類模型
    5.5  識別收購者和目標公司
    5.6  本章小結
  第6章  使用特雷諾·布萊克模型和ResNet自動化投資組合管理
    6.1  財務概念
      6.1.1  資本資產定價模型中的alpha和beta回報
      6.1.2  已實現和未實現投資回報
      6.1.3  投資政策聲明
      6.1.4  資產類別
      6.1.5  投資行業的參與者
      6.1.6  基準——比較的基線
      6.1.7  投資者是要尋求回報的
      6.1.8  趨勢跟蹤基金
      6.1.9  交易策略
    6.2  理解馬科維茨的均值-方差組合模型
    6.3  探索特雷諾·布萊克模型
    6.4  基於特雷諾·布萊克模型構建投資組合

    6.5  預測證券的走勢
    6.6  本章小結
  第7章  感知市場情緒,在賣方進行演算法營銷
    7.1  理解情緒分析
    7.2  利用情緒分析感知市場需求
    7.3  基於Neo4j的關係網路構建與分析
    7.4  本章小結
  第8章  使用API構建個人財富顧問機器人
    8.1  管理客戶的數字數據
    8.2  開放銀行項目
      8.2.1  手機App——使用Flask和MongoDB構建API
      8.2.2  了解IPS
      8.2.3  行為分析——支出分析
      8.2.4  通過API對外提供人工智慧服務
    8.3  文檔布局分析
      8.3.1  文檔布局分析步驟
      8.3.2  使用Gensim建立主題模型
      8.3.3  Word2Vec的向量維數
    8.4  使用開放銀行API預測現金流
    8.5  使用發票實體識別記錄日常開支
    8.6  本章小結
  第9章  客戶終身財富的大規模定製
    9.1  財富工具的金融概念
    9.2  集成學習
    9.3  預測客戶反應
    9.4  構建聊天機器人為客戶提供全天候服務
    9.5  基於NLP和圖的知識管理
      9.5.1  基於圖資料庫的知識檢索
      9.5.2  具體實施
    9.6  本章小結
  第10章  現實工作中的注意事項
    10.1  本書所涵蓋技術的摘要
    10.2  對金融專業人士、監管機構和政府的影響
      10.2.1  對金融專業人士的影響
      10.2.2  對監管機構的影響
      10.2.3  對政府的影響
    10.3  如何提取特徵並獲取業務領域知識
    10.4  與人工智慧部署相關的IT生產環境考慮因素
    10.5  去哪裡尋找更多的用例
    10.6  哪些領域需要更多的實際研究
    10.7  本章小結

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032