本書通過Python示例介紹人工智能技術在金融數據分析中的應用。你將了解如何運用神經網絡、強化學習等深度學習技術預測金融市場。本書分為六大部分。第一部分介紹人工智能算法的核心概念，包括監督學習和神經網絡，并描繪超級人工智能愿景。第二部分討論機器學習技術在金融市場中的應用。第三部分更進一步，討論如何利用神經網絡和強化學習技術解決金融市場中的統計失效問題。第四部分詳述如何利用算法交易解決統計失效問題。第五部分展望未來，探討人工智能會如何改變金融業。第六部分給出以Python實現的神經網絡，可用于時間
“十四五”時期，我國社會信用體系建設將進入高質法治化發展新階段，作為推動“放管服”改革、提升治理能力的基礎支撐，信用優化營商環境成為引領經濟新常態的重要抓手，信用支撐數字經濟成為經濟可持續發展的新思維。本書系統地介紹了我國社會信用體系建設現狀及發展趨勢，講解了大數據信用智能評估技術原理及其在互聯網金融、養老、醫藥、社會治理等領域的示范應用案例，為信用評估技術在科技服務、社會治理及其他新型服務等方面的應用提供參考和借鑒，從而優化社會信用環境，助推社會信用體系建設。本書適合征信、金融、科技、社會管理
本書作者通過個人學習Python的經歷, 萃取出一套高效率的學習途徑, 幫助零基礎的非專業程序員迅速掌握Python語言來進行數據處理、分析金融數據以及展開數字化營銷。全書共7章, 第1章介紹基礎知識, 第2章介紹如何寫腳本, 第3章重點介紹Pandas數據分析, 第4章介紹Python數據抓取, 第6章和第7章介紹如何運用Python來進行金融數據分析和數字化營銷。
本書圍繞當今汽車金融的實際操作需要，以真實生動的案例、翔實可靠的數據，系統介紹了汽車金融的概述、目前國內外汽車金融的發展概況、汽車金融市場的主體、汽車消費信貸、汽車保險、汽車租賃、汽車置換以及當前汽車金融發展面臨的困境和未來的發展趨勢。每個項目都引人了實際案例分析，貼合生活，并且通過指導學生實踐，結合實際案例，強化其實踐應用能力，有利于更好地把握知識內容。
本書以作者首次提出的“股東資源”這一全新的學術概念，全面分析論證了其在公司生存、發展中的重要價值。作者認為，與其“事后觀察”并討論股權結構對于公司治理、公司業績的影響，不如“事前預判”什么樣的股東會走到一起創辦公司并共同追求價值增值。在股東資源邏輯看來，“物以類聚，人以群分”很好地刻畫了公司由傳統的“資合”向現代的“人合+資合”蛻變過程中所體現的資源效應（物質基礎）以及內嵌于公司運行中的治理邏輯（上層建筑）。其中，股東資源（主要指少數大股東的資源稟賦）的異質性、互補性、長期性，以及股東資源集聚對
大數據征信是大數據技術與征信業務相結合的產物，它通過對多源、異構、海量、實時數據進行采集、整理、分析和挖掘，實現多維度刻畫信用主體畫像，并運用大數據技術設計征信評價模型，向使用者提供信用主體的履約和信用狀況，作者團隊研發平臺為大數據征信智能評估與開放服務平臺。在《中華人民共和國數據安全法》和《中華人民共和國個人信息保護法》相繼施行的背景下，本書就如何規范大數據征信行業及如何讓大數據征信賦能其他行業展開分析和設計。 本書主要面向大數據技術從業人員、征信行業從業人員和有意愿了解大數據征信的各行業主體
本書從實踐出發，從每個家庭資產配置必備的三個賬戶出發，將保險的功用、類別、產品選擇等原理與配置邏輯一一闡釋清楚，貫通保險的選擇和配置全過程。
本書共六章，內容包括：研究所涉概念界定和理論基礎、國內高校保險學專業發展歷程、保險科技的融合發展、保險行業人才需求調查、部分高校保險學專業人才培養方案的修訂與調整、教學模式與教學方法改革的探索。
本書首先構建了研究中國RTFD-FCI的理論分析框架和統計計量模型，并構建了中國貨幣政策雙重最終目標混頻損失函數（MLF），接著選擇30個金融指標，使用新構建的頻率之比隨機的MF-MI-TVP-SV-SFAVAR模型，實證測度了中國RTFD-FCI，并實證檢驗了其對（或與）產出和通貨膨脹的領先性、一致性、相關性、因果關系和預測能力，最后將其應用到金融風險狀況監測、金融系統性風險分析、金融經濟基本面波動趨勢預測中，具有較大的學術借鑒意義和應用價值。
債券市場上通宏觀政策，下連微觀主體，在一國金融體系中發揮著基礎性作用。中國債市是名副其實的大國債市，債市國際化之路，也是我國金融強國之路的重要環節，關乎人民幣國際化，關乎全球標準制定，更關乎全球金融話語權。本書闡釋了我國債市國際化內涵和意義，對債市國際化實踐和制度建設做了詳細梳理，從金融改革、可持續金融、全球博弈等維度分析了債市國際化的方向，并指出要總結借鑒國際經驗，克服債市國際化阻力，從金融強國的高度邁向高水平債市國際化。
新書資訊 新書推薦