在金融领域，如何让科技更好的服务于金融，让金融业变得更安全、高效，一直是我国金融业界在研究、探讨和实践的话题。本书就是基于当前火热的人工智能技术服务于金融领域的一次前沿尝试，里面不仅探讨了金融领域从业人员关心的基础知识，还说明了如何利用人工智能技术识别金融欺诈、客户信息的识别、金融安全和金融时间序列，以及金融舆情分析等内容，不失为该行业不可多得的一本书。

本书是作者基于正在研究的“金融科技”课题，全力整合的一本专著。该研究课题已经获得中央高校基本科研业务费专项资金、第五批中央财经大学科研创新团队支持计划、教育部人文社会科学重点研究基地重大项目（编号：16JJD790060）等资助。

本书介绍了金融领域中的人工智能技术（以深度学习为主）应用，其中第1～3章主要讲解金融与金融市场、Python入门知识、金融深度学习平台的搭建等内容；第4～6章主要讲解金融数据的获取方法、欺诈行为识别、非结构化金融客户信息识别等内容；第7～10章主要讲解金融安全中的深度学习、金融时间序列预测中的深度学习、金融舆情分析中的深度学习、金融客户推荐中的深度学习应用等内容。

本书可供金融、保险类本科生使用，也可以作为投资学、管理学、统计学、技术经济、应用数学等金融科技相关专业的教材，还可以作为对金融科技和深度学习感兴趣的金融从业者、有一定工程能力的软件开发工程师等的参考书。

张宁，博士，中央财经大学金融学院教授，中央财经大学中国金融科技研究中心主任，中国银保监会偿咨委委员，生命质量研究会理事长，家族办公室合作与发展组织理事会主席兼首席经济学家，健康财富规划职业标准起草人，中央财经大学金融科技指数评价负责人，主持开发了金融脑（Finance Brain）平台、舆情平台APP、健康量化与医学大数据平台、智能风险评估与风险量化平台等，已出版专著和教材共17本，发表论文39篇，研究方向为金融科技、人工智能、保险精算、健康管理科学、生命质量与高净值人群等。邮件：zhang-ning@vip.163.com。

赵亮，博士，北京师范大学数学科学学院/教育部数学与复杂系统重点实验室副教授，中央财经大学中国金融科技研究中心研究员，教育部长江学者”创新团队成员，中国指挥与控制学会青年工作委员会委员，中国科学院数学与系统科学研究院理学博士；人教版《普通高中教科书数学（B版）》分册主编；已主持两项国家自然科学基金项目，发表论文20余篇，研究方向包括人工智能、金融数据分析、信息几何、几何偏微分方程等。

以下按姓氏拼音排序，排名不分先后。

本书作者长期进行深度学习研究和探索，他们在科研之余将经验总结成普适读物来助力金融和人工智能的融合，在书中提供了诸多应用深度学习的金融案例和具体代码，你可以迅速上手实践，相信会很有收获。

陈建成（Ken Seng Tan）

Professor of Division of Banking & Finance, Nanyang Business School，Nanyang Technological University；Director of Insurance Risk and Finance Research Centre

当前，金融科技在学术界和行业内都是热门方向。一方面，它有别于传统金融模型，提供了能够有效挖掘全量数据价值的手段和工具；另一方面，它作为全新的交叉学科，与其相关的研究、理解和应用都处于起步阶段，系统地介绍金融科技的书还不多见。张宁教授和赵亮博士的新书在介绍与金融科技有关的基础知识的同时，又突出了内容的实用性，通过金融领域的实际案例和示例代码，帮助你理解理论知识，并可快速上手进行实际操作，无论相关领域的学生还是从业人员，都可从本书中获益。

李嘉禹，中国科学技术大学数学科学学院执行院长

深度学习等人工智能技术是金融科技应用的重要技术之一。本书作者采用诸多案例展示了深度学习在金融反欺诈识别、信息安全、舆情等方面的具体应用，配备了相应的代码和图表，你可以轻松理解并上手学习。本书值得一读！

李建军，第二届全国金融青联委员，中央财经大学金融学院教授、院长，博士生导师

深度学习是新一代人工智能的重要形式，金融行业的许多业务都有应用深度学习的契机，本书作者长期关注这个方向，一直在深耕深度学习等人工智能技术在金融中的应用，希望本书能够传递这些应用经验，帮助更多读者快速实践融入这个充满前景的领域。

李晓林，中央财经大学保险学院教授、院长，博士生导师

在深度学习的众多应用领域中，金融尤其引人注目，本书作者长期探索深度学习以及它在金融中的实践，学术功底扎实，实务经验丰富。本书结合应用场景，提供了很多案例和代码，让你能够比照实践，有所收获！

刘立新，对外经济贸易大学统计学院教授、院长，博士生导师

金融，多少人为之迷倒！金融，多少人为之陷落！人工智能，无数人翘首以待，无数人争论不休！深度学习，作为当前人工智能热潮的关键技术，能否帮我们看清金融、冲破迷雾？相信张宁教授和赵亮博士的这本力作，能带给你许多思考！

马宏宾，北京理工大学教授，博士生导师

深度学习在金融领域中大有作为，与金融融合是一个很具前景的方向。作者在书中介绍了一系列可以直接上手的案例和代码，这对深度学习的入门者具有很好的指导意义。金融中丰富的数据和多种场景存在更多的应用可能，很期望看到越来越多的类似实践。

吴毅红，中科院自动化所模式识别国家重点实验室研究员，博士生导师

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

多年来，传统的金融模型与实际场景中的金融市场数据多有偏离，这一方面促进了传统金融模型的研究与发展，另一方面也推动了各种新理论、新工具在金融领域中的应用。在金融与科技融合的过程中，作为新一代人工智能的代表，深度学习是其中最引人注目的工具，它使用“全量数据”来理解金融问题，在强拟合、高阶特征抽取、泛化能力等方面都有突出优势，已成为金融业关注的焦点。

金融科技作为新的交叉学科，涉及繁杂的知识和多变的工具，有一定的进入门槛。笔者在与同行和学生交流的过程中，发现初学者常常不知从何处入手，于是萌发了编写本书的念头。本书不同于理论专著，而是一本入门性质的引导性书籍。它的目的不是探讨和研究金融中的深度学习理论，而是以应用为导向，介绍金融中典型的人工智能应用，特别是深度学习的应用，贴合实际的金融应用场景。你可以直接按照书中的介绍进行操作，感受使用深度学习解决金融问题的乐趣。

在此导向下，编者在写作过程中，尽量兼顾内容的基础性、实用性及典型性。基础性是指，本书阐述了金融的基本内涵和逻辑，介绍了与金融和深度学习有关的基础知识，方便初学者和有志于投身金融行业的开发人员快速了解；同时，本书结合金融业的场景，提供了许多具体的、可操作的平台搭建和代码编写范例，这可以帮助金融从业人员更好地理解金融与深度学习的结合，并能更快地实现相关代码的编写；最后，本书在选取案例时，一方面尽量涵盖金融业务中的诸多细分行业和场景，另一方面也注重案例在行业应用中的重要性和典型性，你在结合自己的背景进行思考和判断后，可以举一反三，形成交叉链接。

本书基于笔者正在进行的“金融科技”的相关研究，该研究获得了以下资助：中央高校基本科研业务费专项资金、第五批中央财经大学科研创新团队支持计划、教育部人文社会科学重点研究基地重大项目（编号：16JJD790060）。

在本书的写作过程中，对外经济贸易大学在职研究生王芳芳对文字和代码进行了细致的编辑整理，邹玉岩以及笔者的学生孙辉和宋佰秩协助完成了部分校对工作以及书中的部分图表，在此一并对他们表示感谢。