金融科技概论(普通高等教育金融科技卓越人才培养系列教材)

本书系统介绍了金融科技的基本概念、核心技术和发展趋势，主要内容包括人工智能基础与应用、大数据处理与中台、云计算服务、量化投资技术、智能投顾、智能风控、保险科技、区块链技术和金融科技监管等，并提供了智能催收、智能反欺诈、智能反洗钱、精准获客、智能营销以及智能客服6个应用案例供参考。本书既可供高等院校财经类专业的教师和学生使用，也可作为金融行业从业人员的培训教材或参考手册。

目 录 前 言 第1章 金融科技的基本概念1 1.1 金融科技的内涵2 1.1.1 概念起源2 1.1.2 国际定义2 1.1.3 国内定义3 1.1.4 金融智能化3 1.1.5 常见概念辨析6 1.2 金融科技的演化7 1.2.1 国际金融科技的发展趋势8 1.2.2　国内金融科技的发展趋势9 1.2.3　金融科技发展的三个阶段11 1.3 金融科技的典型应用11 1.3.1 移动支付11 1.3.2 网络融资13 1.3.3 智能金融14 思考题15 第2章 人工智能基础16 2.1 人工智能概述17 2.1.1 基本概念17 2.1.2 人工智能发展史19 2.1.3 新一代人工智能21 2.1.4 人工智能主流学派简介23 2.2 机器学习算法25 2.2.1 机器学习算法概述25 2.2.2 典型算法介绍29 思考题39 第3章 人工智能应用40 3.1 人工智能开源平台41 3.1.1 人工智能开源平台概述41 3.1.2 典型人工智能开源平台简介43 3.1.3 基于开源软件的人工智能技术典型解决方案47 3.1.4 开源平台的发展趋势50 3.2 人工智能的应用50 3.2.1 人工智能的应用领域50 3.2.2 人工智能应用的风险56 思考题56 第4章 大数据处理与数据中台57 4.1 大数据的定义58 4.1.1 大数据的4种定义58 4.1.2 大数据技术59 4.1.3 大数据的价值60 4.2 数据清洗与标注61 4.2.1 数据清洗61 4.2.2 数据标注63 4.3 数据挖掘64 4.3.1 数据挖掘的概念64 4.3.2 数据挖掘的任务64 4.4 数据中台65 4.4.1 数据中台的概念65 4.4.2 数据中台的价值66 4.4.3 构建数据中台68 思考题68 第5章 云计算服务69 5.1 云计算的基本概念70 5.1.1 云计算的定义70 5.1.2 云计算的基本特征70 5.1.3 云计算的部署模式71 5.2 云计算的产业发展72 5.2.1 云计算的产业链72 5.2.2 云计算的商业模式73 5.2.3 云计算市场的发展现状74 5.3 云计算的服务模式75 5.3.1 概述75 5.3.2 软件即服务（SaaS）76 5.3.3 平台即服务（PaaS）77 5.3.4 基础设施即服务（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 边缘计算85 5.5.1 背景85 5.5.2 边缘计算的定义85 5.5.3 边缘计算的特点86 思考题86 第6章 量化投资技术87 6.1 量化投资概述88 6.1.1 基本概念88 6.1.2 量化投资的发展历程89 6.1.3 量化投资的主要内容91 6.2 量化投资的主流技术94 6.2.1 人工智能94 6.2.2 数据挖掘95 6.2.3 小波分析96 6.2.4 支持向量机97 6.2.5 分形理论97 6.2.6 随机过程98 6.3 量化数据库99 6.3.1 金融数据的类型99 6.3.2 数据供应商与数据提取方法102 6.3.3 量化数据库的搭建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 风险模型108 6.4.4 交易成本模型109 6.4.5 投资组合构建模型110 6.4.6 执行模型111 6.4.7 模型的检验与评价112 思考题114 第7章 智能投顾115 7.1 智能投顾概述116 7.1.1 智能投顾的定义116 7.1.2 智能投顾的优势116 7.1.3 智能投顾平台的类型117 7.1.4 智能投顾的业务流程118 7.2 智能投顾模型118 7.2.1 用户画像模型118 7.2.2 资产配置模型119 7.2.3 交易模型120 7.2.4 调仓模型120 7.3 智能投顾的风险121 7.4 典型案例分析123 思考题124 第8章 智能风控125 8.1 智能风控概述126 8.1.1 智能风控的定义126 8.1.2 智能风控的优势126 8.2 智能风控的技术框架127 8.2.1 数据采集127 8.2.2 行为建模128 8.2.3 用户画像128 8.2.4 风险定价129 8.3 第三方征信平台130 8.3.1 数据来源131 8.3.2 数据类型131 8.3.3 应用场景132 8.4 智能反欺诈133 8.4.1 欺诈的定义133 8.4.2 反欺诈模型133 8.5 智能催收134 8.5.1 智能催收的发展背景134 8.5.2 智能催收的优势135 8.5.3 智能催收模型135 思考题136 第9章 保险科技137 9.1 保险科技概述138 9.1.1 保险科技的概念界定138 9.1.2 保险科技的特征138 9.1.3 保险科技发展过程中不同主体的角色139 9.1.4 保险科技的发展现状140 9.1.5 我国保险科技的发展趋势141 9.2 保险科技的核心技术与应用143 9.2.1 大数据143 9.2.2 人工智能143 9.2.3 区块链144 9.2.4 生物科技144 9.3 互联网保险概述145 9.3.1 互联网保险的经营模式145 9.3.2 大数据在互联网保险中的应用147 9.4 保险科技典型案例148 9.4.1 传统保险公司148 9.4.2 互联网公司150 9.4.3 新兴科技公司151 思考题152 第10章 区块链技术153 10.1 区块链概述154 10.2 区块链的技术框架154 10.2.1 数据层155 10.2.2 网络层157 10.2.3 共识层158 10.2.4 激励层159 10.2.5 合约层160 10.3 数字货币160 10.3.1 数字货币概述160 10.3.2 数字货币的争议161 10.3.3 数字货币的监管162 10.4 分布式账本163 10.4.1 技术概述163 10.4.2 分布式账本的展望164 10.5 公有链、联盟链与私有链165 10.5.1 公有链165 10.5.2 联盟链166 10.5.3 私有链166 10.6 区块链即服务167 思考题167 第11章 金融科技监管168 11.1 金融科技监管基础169 11.1.1 金融监管理论169 11.1.2 金融科技监管风险170 11.2 国际实践173 11.2.1 英国的实践173 11.2.2 美国的实践174 11.2.3 新加坡的实践175 11.3 我国的实践176 11.3.1 我国金融科技存在的风险176 11.3.2 我国金融科技监管的政策177 11.4 未来金融科技监管的趋势178 11.4.1 金融科技监管的重心178 11.4.2 金融科技监管的趋势179 思考题180 第12章 金融科技应用案例181 12.1 智能催收182 12.1.1 背景182 12.1.2 解决方案183 12.1.3 应用效果185 12.2 智能反欺诈187 12.2.1 背景187 12.2.2 解决方案188 12.2.3 机器学习模型的实践策略189 12.2.4 效果验证190 12.3 智能反洗钱191 12.3.1 背景191 12.3.2 解决方案192 12.3.3 应用效果194 12.4 智能推荐——精准获客195 12.4.1 背景195 12.4.2 解决方案195 12.4.3 应用效果196 12.5 智能推荐——金融产品的智能营销197 12.5.1 背景197 12.5.2 解决方案197 12.5.3 应用效果198 12.6 智能客服199 12.6.1 背景199 12.6.2 解决方案200 12.6.3 应用效果的评价标准201 思考题202 参考文献203