金融科技人工智能實戰(zhàn)：以Python為工具

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(lǐng)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(gòu) ..... 11
1.4.1 按照地位和功能劃分 ...... 11
1.4.2 按照金融機構(gòu)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(shè)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(gòu)建金融深度學習平臺 47
3.1 算力基礎(chǔ)：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(gòu)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(shè)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(jié)構(gòu)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(luò) ...... 163
7.3.2 繪制網(wǎng)絡(luò)結(jié)構(gòu)圖 ..... 172
7.4 票據(jù)反模糊與生成式對抗網(wǎng)絡(luò) 178
7.4.1 生成式對抗網(wǎng)絡(luò) ..... 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(luò) . 196
8.4 利用循環(huán)神經(jīng)網(wǎng)絡(luò)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(luò)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(guān)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