前辅文
 第一篇　金融智能概述
  第1章　金融智能概论
   1.1　金融智能的概念
    1.1.1　金融科技的发展
    1.1.2　金融智能的定义
    1.1.3　金融智能的内涵
    1.1.4　金融智能面临的挑战
   1.2　金融智能的发展现状
   1.3　金融智能的支撑技术
    1.3.1　大数据和人工智能
    1.3.2　区块链和隐私保护
    1.3.3　云计算和物联网
   1.4　金融智能的应用
    1.4.1　智能客服
    1.4.2　智能风控
    1.4.3　智能营销
    1.4.4　智能投顾
    1.4.5　传统金融智能化
   1.5　金融监管科技
    1.5.1　合规科技
    1.5.2　监管科技
   1.6　全书布局
   本章小结
   习题
 第二篇　金融智能理论
  第2章　金融大数据概览
   2.1　金融大数据概述
    2.1.1　金融大数据的定义
    2.1.2　金融大数据的特点
    2.1.3　金融大数据带来的机遇和挑战
   2.2　金融大数据的处理流程
    2.2.1　数据获取与存储
    2.2.2　数据分析
    2.2.3　数据建模
    2.2.4　数据应用
   2.3　金融大数据管理
    2.3.1　数据中台概述
    2.3.2　数据中台与数据仓库
    2.3.3　数据中台架构
    2.3.4　数据中台的建设
   本章小结
   习题
  第3章　金融大数据管理
   3.1　数据资源与数据质量
    3.1.1　数据资源的分类
    3.1.2　数据质量的常见问题
   3.2　数据获取
    3.2.1　数据获取的方式
    3.2.2　爬虫的基本原理
    3.2.3　爬虫的基本流程
    3.2.4　常见的爬虫基本库
   3.3　数据存储
    3.3.1　数据存储的基本方式
    3.3.2　分布式数据存储
   3.4　数据分析
    3.4.1　数据分析概述
    3.4.2　探索性数据分析
    3.4.3　数据预处理
    3.4.4　特征工程
   本章小结
   习题
  第4章　金融智能建模基础
   4.1　金融智能建模流程概述
   4.2　监督学习概述
    4.2.1　监督学习的基本概念
    4.2.2　监督学习的特点
    4.2.3　监督学习在金融领域的应用场景
   4.3　监督学习——分类与回归
    4.3.1　分类与回归的基本概念
    4.3.2　性能度量
    4.3.3　常见的监督学习算法
   4.4　无监督学习概述
    4.4.1　无监督学习的基本概念
    4.4.2　无监督学习的特点
    4.4.3　无监督学习在金融中的应用场景
   4.5　无监督学习——聚类
    4.5.1　聚类任务的基本概念
    4.5.2　性能度量
    4.5.3　距离计算
    4.5.4　常见的聚类算法
   本章小结
   习题
  第5章　金融智能建模进阶1：推荐系统
   5.1　推荐系统概述
    5.1.1　推荐系统的设计
    5.1.2　基础方法与分类
    5.1.3　推荐算法的评估
   5.2　协同过滤
    5.2.1　基于邻域的协同过滤
    5.2.2　基于矩阵分解的评分预测
    5.2.3　面向隐式反馈的矩阵分解
   5.3　时空感知的推荐
    5.3.1　时序推荐
    5.3.2　序列推荐
    5.3.3　基于位置的推荐
   5.4　基于特征融合的推荐
    5.4.1　基于特征融合的推荐算法框架
    5.4.2　基于因子分解的推荐算法
    5.4.3　基于树模型的推荐算法
    5.4.4　深度学习模型
   本章小结
   习题
  第6章　金融智能建模进阶2：知识图谱
   6.1　知识图谱概述
    6.1.1　什么是知识图谱
    6.1.2　知识图谱的发展和应用
   6.2　知识图谱的构建
    6.2.1　命名实体识别
    6.2.2　知识图谱嵌入
    6.2.3　知识图谱的建模与存储
    6.2.4　金融知识图谱的构建
   6.3　基于随机游走模型的知识图谱
    6.3.1　随机游走模型
    6.3.2　路径排序算法
   6.4　基于神经网络的知识图谱
    6.4.1　基于神经网络的知识图谱模型
    6.4.2　深度学习与知识图谱
    6.4.3　自然语言处理与知识图谱
   本章小结
   习题
 第三篇　金融智能应用
  第7章　金融智能客服
   7.1　金融智能客服概述
    7.1.1　金融智能客服的定义
    7.1.2　金融智能客服的发展和分类
   7.2　金融智能客服的流程
   7.3　金融智能客服的核心技术
    7.3.1　意图识别和槽位填充
    7.3.2　对话管理
    7.3.3　问答技术
    7.3.4　自然语言生成
   7.4　金融智能客服应用案例：保险智能客服
    7.4.1　保险业知识图谱构建
    7.4.2　基于知识的问答系统构建
   7.5　金融智能客服的未来展望
   本章小结
   习题
  第8章　金融智能风控
   8.1　金融智能风控概述
    8.1.1　金融智能风控的定义
    8.1.2　金融智能风控的发展历程
    8.1.3　金融智能风控的应用场景
   8.2　金融智能风控的流程
    8.2.1　贷前申请准入管理
    8.2.2　贷中存量客户管理
    8.2.3　贷后逾期客户管理
   8.3　金融智能风控的核心技术
    8.3.1　贷前欺诈检测
    8.3.2　贷前申请评分卡建模
    8.3.3　贷中行为评分卡
    8.3.4　贷后催收评分卡
   8.4　金融智能风控的未来展望
    8.4.1　金融智能风控场景创新
    8.4.2　金融智能风控技术变革
    8.4.3　金融智能风控服务扩展
   本章小结
   习题
  第9章　金融智能营销
   9.1　金融智能营销概述
    9.1.1　金融智能营销的业务背景
    9.1.2　金融智能营销的发展历程
   9.2　金融智能营销流程
    9.2.1　潜在客户挖掘
    9.2.2　产品生命周期识别
    9.2.3　精准营销执行
    9.2.4　营销效果评估
    9.2.5　营销闭环搭建
   9.3　金融智能营销的核心技术
    9.3.1　潜在客户挖掘技术
    9.3.2　产品生命周期识别技术
    9.3.3　精准营销技术
    9.3.4　营销效果评估技术
    9.3.5　流失预警技术
   9.4　金融智能营销的未来展望
    9.4.1　营销体验变革：客户情绪分析与管理
    9.4.2　营销渠道变革：社交营销和智能客服
    9.4.3　营销决策变革：决策分析报告自动生成
   本章小结
   习题
  第10章　智能投顾
   10.1　智能投顾概述
    10.1.1　智能投顾的定义
    10.1.2　智能投顾的作用
    10.1.3　智能投顾的发展历程
   10.2　智能投顾的投资流程
    10.2.1　客户分析
    10.2.2　投资组合构建和投资组合再平衡
    10.2.3　交易执行
    10.2.4　税负管理与投资组合分析
   10.3　智能投顾的理论基础
    10.3.1　现代投资组合理论
    10.3.2　资本增长理论
    10.3.3　有效市场假说与行为金融学
   10.4　投资组合配置技术
    10.4.1　单周期投资组合策略
    10.4.2　多周期投资组合策略
    10.4.3　投资过程评价
   10.5　智能投顾的未来
    10.5.1　智能投顾体验变革：更好地度量风险
    10.5.2　智能投顾交易优化：控制交易费用
    10.5.3　智能投顾交易拓展：市场流动性考量
    10.5.4　未来的智能投顾：零和博弈问题
   本章小结
   习题
  第11章　传统金融的智能化
   11.1　保险科技
    11.1.1　保险科技概述
    11.1.2　保险科技的技术支撑
    11.1.3　保险科技案例
    11.1.4　保险科技的未来发展趋势
   11.2　数字银行
    11.2.1　数字银行概述
    11.2.2　数字银行的技术支撑
    11.2.3　数字银行案例
    11.2.4　数字银行的未来发展趋势
   11.3　数字货币
    11.3.1　数字货币介绍
    11.3.2　数字货币的技术支撑
    11.3.3　数字货币案例
    11.3.4　数字货币的未来发展趋势
   本章小结
   习题
 第四篇　金融合规与监管科技
  第12章　合规科技
   12.1　大数据隐私保护与合规科技
    12.1.1　隐私的定义
    12.1.2　隐私泄露案例
    12.1.3　数据合规的定义
    12.1.4　数据合规的全球监管趋势
    12.1.5　我国数据合规监管的现状
   12.2　核心技术——隐私保护技术
    12.2.1　数据隐私保护概述
    12.2.2　攻击者模型和安全性定义
    12.2.3　数据脱敏
    12.2.4　匿名化技术
    12.2.5　数据扰动
    12.2.6　基于密码学的技术
   12.3　应用——隐私保护机器学习
    12.3.1　基于全同态加密的隐私保护机器学习
    12.3.2　基于混合协议的隐私保护机器学习
   12.4　应用——联邦学习
    12.4.1　横向联邦学习
    12.4.2　纵向联邦学习
    12.4.3　联邦迁移学习
   12.5　未来展望
    12.5.1　合规科技的发展和应用
    12.5.2　合规科技的技术标准
    12.5.3　数据合规的相关法律法规
   本章小结
   习题
  第13章　监管科技
   13.1　监管科技概述
    13.1.1　监管科技的概念
    13.1.2　监管科技的发展
    13.1.3　我国监管科技的发展现状
    13.1.4　监管科技的意义
   13.2　电子数据存证
    13.2.1　电子数据存证面临的问题
    13.2.2　基于区块链的电子数据存证技术
    13.2.3　金融监管中的电子数据存证
    13.2.4　挑战与展望
   13.3　监管沙盒
    13.3.1　监管沙盒概述
    13.3.2　监管沙盒框架
   13.4　未来展望
    13.4.1　法律法规和政策：金融智能监管的发展基石
    13.4.2　技术：金融智能监管的重要手段
    13.4.3　人力：金融智能监管的规模保障
   本章小结
   习题
 第五篇　实验指导
  第14章　实验要求和实验指南
   14.1　实验一：金融数据获取实验
    14.1.1　问题描述
    14.1.2　实验目的
    14.1.3　实验步骤
   14.2　实验二：金融数据预处理实验
    14.2.1　问题描述
    14.2.2　实验内容
    14.2.3　数据描述
    14.2.4　实验步骤
   14.3　实验三：聚类与分类实验
    14.3.1　问题描述
    14.3.2　实验内容
   14.4　实验四：推荐系统实验
    14.4.1　问题描述
    14.4.2　数据描述
    14.4.3　实验步骤
   14.5　实验五：知识图谱实验
    14.5.1　问题描述
    14.5.2　数据描述
    14.5.3　实验步骤
   14.6　实验六：智能风控实验
    14.6.1　问题描述
    14.6.2　数据描述
    14.6.3　评价指标
   14.7　实验七：智能营销实验
    14.7.1　问题描述
    14.7.2　数据描述
    14.7.3　实验步骤
   14.8　实验八：智能投顾实验
    14.8.1　问题描述
    14.8.2　数据描述
    14.8.3　实验步骤
   14.9　实验九：联邦学习实验
    14.9.1　问题描述
    14.9.2　数据描述
    14.9.3　实验步骤
    14.9.4　评价指标
 参考文献