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。

张宁，博士，中央财经大学副教授，闽南师范大学讲座教授，中国保监会偿付能力监管咨询委员会咨询专家，教育部人文社会科学重点研究基地中国精算研究院大数据中心/金融科技中心主任，已经以第一作者或者通信作者在《中国科学》《计算机科学》《保险研究》《金融发展研究》等期刊发表论文20余篇，出版专著2本，作为副主编出版的《中国保险公司竞争力评价》已经连续出版7年，出版的《保险蓝皮书》连续出版3年。赵亮，北京师范大学副教授，中国指挥与控制学会青年工作委员会委员，央财金融科技书系执行主编，主持国家自然科学基金（天元） 源于超对称的变分问题、参加国家自然科学基金（青年）Moser-Trudinger不等式及预定Q-曲率问题。

第1 章 金融与金融市场 .................................................................................................... 1
1.1 认识金融 ........................................................................................................................ 1
1.1.1 金融的细分领域 ................................................................................................ 1
1.1.2 金融研究的核心内容 ........................................................................................ 3
1.2 货币 ................................................................................................................................ 3
1.2.1 货币的内涵与作用 ............................................................................................ 3
1.2.2 货币的分类 ........................................................................................................ 4
1.2.3 货币制度 ............................................................................................................ 5
1.3 信用 ................................................................................................................................ 5
1.3.1 信用的定义 ........................................................................................................ 5
1.3.2 信用的不同层次 ................................................................................................ 6
1.3.3 信用评价体系与企业 ........................................................................................ 8
1.4 金融机构 ...................................................................................................................... 11
1.4.1 按照地位和功能划分 ...................................................................................... 11
1.4.2 按照金融机构的管理地位划分 ...................................................................... 14
1.4.3 按照是否能接收公众存款划分 ...................................................................... 15
1.4.4 按照其他划分 .................................................................................................. 15
1.5 金融市场 ...................................................................................................................... 17
1.5.1 金融市场的分类 .............................................................................................. 18
1.5.2 金融市场的交易 .............................................................................................. 20
1.5.3 金融市场的作用 .............................................................................................. 21
1.5.4 金融市场的参与者和组织形式 ...................................................................... 21
1.6 金融衍生品与金融工程 .............................................................................................. 22
1.7 互联网金融 .................................................................................................................. 23
1.7.1 互联网金融的特征 .......................................................................................... 24
1.7.2 互联网金融的四种模式 .................................................................................. 25
第2章 深度学习的首选语言：Python ........................................................................... 27
2.1 Python语言介绍 .......................................................................................................... 27
2.1.1 Python的设计理念 .......................................................................................... 27
2.1.2 Python的特点 .................................................................................................. 28
2.1.3 Python的优点 .................................................................................................. 28
2.2 Python的安装与使用 .................................................................................................. 29
2.3 数据类型 ...................................................................................................................... 33
2.3.1 数值 .................................................................................................................. 33
2.3.2 布尔型数值 ...................................................................................................... 34
2.3.3 字符串 .............................................................................................................. 35
2.4 变量与运算符 .............................................................................................................. 35
2.4.1 变量 .................................................................................................................. 35
2.4.2 运算符 .............................................................................................................. 36
2.5 函数 .............................................................................................................................. 39
2.5.1 函数的定义与调用 .......................................................................................... 40
2.5.2 函数参数 .......................................................................................................... 40
2.5.3 函数返回值 ...................................................................................................... 42
2.6 模块 .............................................................................................................................. 43
2.6.1 from ... import语句 .......................................................................................... 43
2.6.2 常见模块 .......................................................................................................... 44
第3章 构建金融深度学习平台 ....................................................................................... 47
3.1 算力基础：选择硬件 .................................................................................................. 47
3.1.1 算力与深度学习云平台 .................................................................................. 47
3.1.2 深度学习中算力构建的路线选择 .................................................................. 48
3.2 单精度计算和半精度计算 .......................................................................................... 55
3.3 算法平台：深度学习平台 .......................................................................................... 58
3.3.1 安装与设置开发环境 ...................................................................................... 58
3.3.2 搭建深度学习平台 .......................................................................................... 58
3.4 代码托管：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 获取金融数据 ..................................................................................................... 77
4.1 金融数据获取 .............................................................................................................. 77
4.1.1 金融数据获取的途径 ...................................................................................... 77
4.1.2 公开数据平台 .................................................................................................. 79
4.2 用Python直接获取金融数据 ..................................................................................... 85
4.2.1 大奖章量化接口 .............................................................................................. 85
4.2.2 利用Baostock获取股票数据 .......................................................................... 88
4.2.3 利用Tushare 获取全面金融数据 ................................................................... 93
第5章 识别金融业务中的欺诈行为 ............................................................................. 115
5.1 金融欺诈介绍 ............................................................................................................ 115
5.2 欺诈识别 .................................................................................................................... 116
5.2.1 不平衡数据处理 ............................................................................................ 116
5.2.2 信用卡欺诈识别 ............................................................................................ 122
5.3 保险欺诈识别 ............................................................................................................ 127
第6章 金融非结构化客户信息识别 ............................................................................. 133
6.1 手写信息识别 ............................................................................................................ 134
6.2 图片信息理解 ............................................................................................................ 139
6.3 客户人脸识别 ............................................................................................................ 144
6.3.1 直方图 ............................................................................................................ 145
6.3.2 图像、距离与灰度直方图 ............................................................................ 147
6.3.3 人脸识别实践 ................................................................................................ 149
第7章 金融安全中的深度学习 ..................................................................................... 154
7.1 金融安全 .................................................................................................................... 154
7.2 RSA加密算法 ........................................................................................................... 155
7.2.1 对称加密体系 ................................................................................................ 155
7.2.2 非对称加密体系 ............................................................................................ 156
7.3 验证码识别 ................................................................................................................ 163
7.3.1 利用深度学习训练卷积网络 ........................................................................ 163
7.3.2 绘制网络结构图 ............................................................................................ 172
7.4 票据反模糊与生成式对抗网络 ................................................................................ 178
7.4.1 生成式对抗网络 ............................................................................................ 178
7.4.2 反模糊训练的步骤 ........................................................................................ 181
第8章 金融时间序列预测中的深度学习 ...................................................................... 183
8.1 金融时间序列数据简介 ............................................................................................ 183
8.1.1 时间序列 ........................................................................................................ 183
8.1.2 金融中的时间序列数据 ................................................................................ 185
8.2 传统的时间序列分析方法 ........................................................................................ 187
8.3 初识循环神经网络 .................................................................................................... 196
8.4 利用循环神经网络分析比特币价格 ........................................................................ 199
8.4.1 获取相应数据 ................................................................................................ 199
8.4.2 传统分析方法 ................................................................................................ 207
8.4.3 循环神经网络方法 ........................................................................................ 213
第9章 金融舆情分析中的深度学习 ............................................................................. 225
9.1 宏观金融问题与人工智能 ........................................................................................ 225
9.1.1 宏观金融学入门 ............................................................................................ 225
9.1.2 从大数据角度看宏观金融学 ........................................................................ 227
9.2 利用舆情进行宏观金融分析 .................................................................................... 227
9.2.1 数据的准备 .................................................................................................... 227
9.2.2 获取关键词趋势 ............................................................................................ 230
9.3 中文词向量 ................................................................................................................ 235
9.3.1 自然语言处理 ................................................................................................ 235
9.3.2 独热表示法 .................................................................................................... 235
9.3.3 分布式表示法 ................................................................................................ 236
9.4 金融舆情中的情绪判断 ............................................................................................ 238
第10章 金融客户推荐中的深度学习 ........................................................................... 246
10.1 客户分类与评估 ...................................................................................................... 246
10.1.1 聚类的概念 .................................................................................................. 247
10.1.2 划分法 .......................................................................................................... 247
10.1.3 层次法 .......................................................................................................... 250
10.1.4 密度聚类算法 .............................................................................................. 252
10.2 推荐系统与深度学习 .............................................................................................. 254
10.2.1 协同过滤算法 .............................................................................................. 255
10.2.2 基于内容的推荐算法 .................................................................................. 257
10.2.3 基于知识的推荐算法 .................................................................................. 258
10.2.4 深度学习对推荐系统的提升 ...................................................................... 259