智能金融

金融科技促进金融科技监管的智能化 #生活知识# #科技生活# #科技改变生活# #科技金融#

本书是为适应金融科技专业建设及金融计算机交叉学科发展需要而编写的。本书突出了智能金融的理论性、专业学习的适用性、教学实践的可用性以及行业发展的同步性。在智能金融的理论性方面，本书介绍了智能金融的基本原理以及场景价值，并深入讲解了相关智能方法的理论基础；在专业学习的适用性方面，本书介绍了有足够适用性的机器学习和人工智能的各类方法；在教学实践的可用性方面，本书详细列举了实践场景或代码案例；在行业发展的同步性方面，本书介绍了行业的发展现状和趋势及智能方法的最新进展，并对智能金融相关问题和焦点问题进行了分析解读。

本书可以作为金融科技、金融学、金融工程、数字经济、大数据与人工智能等相关专业的本科或研究生教学用书；用作本科教学用书时，教材内容可以适当取舍。同时，本书也可以作为其他层次或其他专业教学的参考教材或阅读材料。

前辅文第一章 智能金融的基本原理第一节 人工智能概述第二节 人工智能简史第三节 中国的人工智能第四节 智能金融的概念、场景与价值第二章 智能金融中的线性方法第一节 回归类分析方法及其运用场景概述第二节 多元定性响应变量的回归模型第三节 回归模型的选择、正则化与降维第四节 支持向量机第三章 关联规则分析与产品推荐第一节 关联规则分析方法概述及其运用场景第二节 Apriori 算法第三节 协同过滤算法第四节 公募基金持仓关联规则挖掘第四章 降维第一节 线性降维算法第二节 非线性降维算法第三节 特征选择算法第五章 聚类第一节 聚类方法简介第二节 聚类算法中的距离第三节 聚类方法介绍第四节 金融中的聚类算法应用：信贷审批聚类分析第六章 智能优化第一节 智能优化综述第二节 遗传算法第三节 利用遗传规划挖掘宽基指数择时因子第七章 树类分析方法第一节 树类分析方法概述及其运用场景第二节 决策树与随机森林第三节 梯度提升决策树及其实现第四节 集成学习第五节 树类分析在金融领域的运用第八章 概率图模型与贝叶斯分类第一节 概率图简介第二节 贝叶斯分类的原理第三节 朴素贝叶斯分类算法第四节 用朴素贝叶斯分类进行信用风险评级第九章 深度学习第一节 人工神经网络与反向传播算法第二节 卷积神经网络第三节 循环神经网络第四节 注意力机制第十章 自然语言处理技术第一节 自然语言处理概述第二节 中文分词与词向量第三节 关键词提取与主题模型第四节 文本分析案例第十一章 半监督学习与强化学习第一节 半监督学习第二节 强化学习第三节 深度强化学习方法第四节 智能金融应用第十二章 图数据分析第一节 图数据的概念与应用场景第二节 核方法与图核方法第三节 图神经网络第四节 基于图的机器学习算法的金融应用举例第十三章 隐私计算第一节 隐私计算的产生、分类与应用第二节 安全多方计算第三节 可信执行环境第四节 联邦学习第五节 联邦学习初步实践第十四章 智能金融行业实践第一节 智能金融在银行业的实践第二节 智能金融在证券业的实践第三节 智能金融在保险业的实践第十五章 智能投顾第一节 智能投顾简介第二节 智能投顾原理第三节 智能投顾监管政策参考文献

网址：智能金融 https://www.yuejiaxmz.com/news/view/795937

相关内容

智能金融新纪元：AI助力金融安全
虚拟助手与金融：智能投资与金融管理
金融领域人工智能应用
知商金融科技有限公司：打造智能金融新生态
人工智能金融领域应用
金融智慧：智能理财，财富无忧
人工智能将如何重塑金融行业 专家热议“AI+金融”
金融科技演进之路：从传统到智能的金融革命
科技赋能金融服务，简理财的“智慧金融”如何布局？
开源大模型+智能体平台，金融壹账通接入DeepSeek探索智能金融新模式

随便看看