本書系統介紹了金融科技的基本概念、核心技術和發展趨勢，主要內容包括人工智能基礎與應用、大數據處理與中臺、云計算服務、量化投資技術、智能投顧、智能風控、保險科技、區塊鏈技術和金融科技監管等，并提供了智能催收、智能反欺詐、智能反洗錢、精準獲客、智能營銷以及智能客服6個應用案例供參考。本書既可供高等院校財經類專業的教師和學生使用，也可作為金融行業從業人員的培訓教材或參考手冊。
目 錄
前 言
第1章 金融科技的基本概念1
1.1 金融科技的內涵2
1.1.1 概念起源2
1.1.2 國際定義2
1.1.3 國內定義3
1.1.4 金融智能化3
1.1.5 常見概念辨析6
1.2 金融科技的演化7
1.2.1 國際金融科技的發展趨勢8
1.2.2 國內金融科技的發展趨勢9
1.2.3 金融科技發展的三個階段11
1.3 金融科技的典型應用11
1.3.1 移動支付11
1.3.2 網絡融資13
1.3.3 智能金融14
思考題15
第2章 人工智能基礎16
2.1 人工智能概述17
2.1.1 基本概念17
2.1.2 人工智能發展史19
2.1.3 新一代人工智能21
2.1.4 人工智能主流學派簡介23
2.2 機器學習算法25
2.2.1 機器學習算法概述25
2.2.2 典型算法介紹29
思考題39
第3章 人工智能應用40
3.1 人工智能開源平臺41
3.1.1 人工智能開源平臺概述41
3.1.2 典型人工智能開源平臺簡介43
3.1.3 基于開源軟件的人工智能技術典型解決方案47
3.1.4 開源平臺的發展趨勢50
3.2 人工智能的應用50
3.2.1 人工智能的應用領域50
3.2.2 人工智能應用的風險56
思考題56
第4章 大數據處理與數據中臺57
4.1 大數據的定義58
4.1.1 大數據的4種定義58
4.1.2 大數據技術59
4.1.3 大數據的價值60
4.2 數據清洗與標注61
4.2.1 數據清洗61
4.2.2 數據標注63
4.3 數據挖掘64
4.3.1 數據挖掘的概念64
4.3.2 數據挖掘的任務64
4.4 數據中臺65
4.4.1 數據中臺的概念65
4.4.2 數據中臺的價值66
4.4.3 構建數據中臺68
思考題68
第5章 云計算服務69
5.1 云計算的基本概念70
5.1.1 云計算的定義70
5.1.2 云計算的基本特征70
5.1.3 云計算的部署模式71
5.2 云計算的產業發展72
5.2.1 云計算的產業鏈72
5.2.2 云計算的商業模式73
5.2.3 云計算市場的發展現狀74
5.3 云計算的服務模式75
5.3.1 概述75
5.3.2 軟件即服務（SaaS）76
5.3.3 平臺即服務（PaaS）77
5.3.4 基礎設施即服務（IaaS）79
5.4 公共云、私有云和混合云81
5.4.1 概述81
5.4.2 公共云81
5.4.3 私有云83
5.4.4 混合云84
5.5 邊緣計算85
5.5.1 背景85
5.5.2 邊緣計算的定義85
5.5.3 邊緣計算的特點86
思考題86
第6章 量化投資技術87
6.1 量化投資概述88
6.1.1 基本概念88
6.1.2 量化投資的發展歷程89
6.1.3 量化投資的主要內容91
6.2 量化投資的主流技術94
6.2.1 人工智能94
6.2.2 數據挖掘95
6.2.3 小波分析96
6.2.4 支持向量機97
6.2.5 分形理論97
6.2.6 隨機過程98
6.3 量化數據庫99
6.3.1 金融數據的類型99
6.3.2 數據供應商與數據提取方法102
6.3.3 量化數據庫的搭建103
6.4 量化模型105
6.4.1 量化模型概述105
6.4.2 策略模型106
6.4.3 風險模型108
6.4.4 交易成本模型109
6.4.5 投資組合構建模型110
6.4.6 執行模型111
6.4.7 模型的檢驗與評價112
思考題114
第7章 智能投顧115
7.1 智能投顧概述116
7.1.1 智能投顧的定義116
7.1.2 智能投顧的優勢116
7.1.3 智能投顧平臺的類型117
7.1.4 智能投顧的業務流程118
7.2 智能投顧模型118
7.2.1 用戶畫像模型118
7.2.2 資產配置模型119
7.2.3 交易模型120
7.2.4 調倉模型120
7.3 智能投顧的風險121
7.4 典型案例分析123
思考題124
第8章 智能風控125
8.1 智能風控概述126
8.1.1 智能風控的定義126
8.1.2 智能風控的優勢126
8.2 智能風控的技術框架127
8.2.1 數據采集127
8.2.2 行為建模128
8.2.3 用戶畫像128
8.2.4 風險定價129
8.3 第三方征信平臺130
8.3.1 數據來源131
8.3.2 數據類型131
8.3.3 應用場景132
8.4 智能反欺詐133
8.4.1 欺詐的定義133
8.4.2 反欺詐模型133
8.5 智能催收134
8.5.1 智能催收的發展背景134
8.5.2 智能催收的優勢135
8.5.3 智能催收模型135
思考題136
第9章 保險科技137
9.1 保險科技概述138
9.1.1 保險科技的概念界定138
9.1.2 保險科技的特征138
9.1.3 保險科技發展過程中不同主體的角色139
9.1.4 保險科技的發展現狀140
9.1.5 我國保險科技的發展趨勢141
9.2 保險科技的核心技術與應用143
9.2.1 大數據143
9.2.2 人工智能143
9.2.3 區塊鏈144
9.2.4 生物科技144
9.3 互聯網保險概述145
9.3.1 互聯網保險的經營模式145
9.3.2 大數據在互聯網保險中的應用147
9.4 保險科技典型案例148
9.4.1 傳統保險公司148
9.4.2 互聯網公司150
9.4.3 新興科技公司151
思考題152
第10章 區塊鏈技術153
10.1 區塊鏈概述154
10.2 區塊鏈的技術框架154
10.2.1 數據層155
10.2.2 網絡層157
10.2.3 共識層158
10.2.4 激勵層159
10.2.5 合約層160
10.3 數字貨幣160
10.3.1 數字貨幣概述160
10.3.2 數字貨幣的爭議161
10.3.3 數字貨幣的監管162
10.4 分布式賬本163
10.4.1 技術概述163
10.4.2 分布式賬本的展望164
10.5 公有鏈、聯盟鏈與私有鏈165
10.5.1 公有鏈165
10.5.2 聯盟鏈166
10.5.3 私有鏈166
10.6 區塊鏈即服務167
思考題167
第11章 金融科技監管168
11.1 金融科技監管基礎169
11.1.1 金融監管理論169
11.1.2 金融科技監管風險170
11.2 國際實踐173
11.2.1 英國的實踐173
11.2.2 美國的實踐174
11.2.3 新加坡的實踐175
11.3 我國的實踐176
11.3.1 我國金融科技存在的風險176
11.3.2 我國金融科技監管的政策177
11.4 未來金融科技監管的趨勢178
11.4.1 金融科技監管的重心178
11.4.2 金融科技監管的趨勢179
思考題180
第12章 金融科技應用案例181
12.1 智能催收182
12.1.1 背景182
12.1.2 解決方案183
12.1.3 應用效果185
12.2 智能反欺詐187
12.2.1 背景187
12.2.2 解決方案188
12.2.3 機器學習模型的實踐策略189
12.2.4 效果驗證190
12.3 智能反洗錢191
12.3.1 背景191
12.3.2 解決方案192
12.3.3 應用效果194
12.4 智能推薦——精準獲客195
12.4.1 背景195
12.4.2 解決方案195
12.4.3 應用效果196
12.5 智能推薦——金融產品的智能營銷197
12.5.1 背景197
12.5.2 解決方案197
12.5.3 應用效果198
12.6 智能客服199
12.6.1 背景199
12.6.2 解決方案200
12.6.3 應用效果的評價標準201
思考題202
參考文獻203
新書資訊