吴汉铭（Jeffrey Ng），特许金融分析师（CFA），注册金融科技师（CFT），毕业于香港理工大学计算机与管理专业，并持有香港中文大学的金融MBA学位。曾任平安壹账通银行（香港）有限公司（Ping An OneConnect Bank (Hong Kong) Limited）金融科技部负责人（head of FinTech solutions）。他致力于推进人工智能在银行和金融生态系统中的应用。在此之前，他曾是法国巴黎银行（BNP Paribas）亚太区数据实验室的领导，为企业构建人工智能和数据分析的解决方案，并担任我国香港地区的法国工商会金融科技委员会（French Chamber of Commerce's FinTech Committee）的副主席。2010年，作为将客户分析应用到投资银行业务的先驱之一，他在银行中建立了分析团队。他曾与普华永道咨询（PwC Consulting）公司和通用电气消费者金融集团（GE Money）合作，在零售银行和商业银行中开展人工智能项目。

苏哈什·沙阿（Subhash Shah），在AIMDek Technologies私人股份有限公司担任技术主管（head of technology）。他是一位经验丰富的解决方案架构师，拥有超过12年的相关工作经验。他拥有信息技术学位，是开源代码的倡导者，并擅长利用开源代码以较低成本解决关键业务问题。他的兴趣包括微服务、数据分析、
机器学习、人工智能和数据库。他是优质代码和测试驱动的开发（Test Driven Development，TDD）的崇尚者。他的技能包括但不限于：将业务需求转化为可扩展的架构、设计可持续的解决方案以及项目交付。他是MySQL 8 Administrator's Guide和Hands-On High Performance with Spring 5这两本书的合著者。

近年来，人工智能在各个领域被广泛应用，但对于很多金融从业人员来说，人工智能仍然给人一种高深莫测的感觉。本书旨在从新技术（如人工智能）的视角给出金融业务的新兴解决方案。
本书内容通俗易懂，不仅揭示了人工智能在金融业中的重要性，还结合机器学习算法和示例给出了一系列的金融科技解决方案，涉及时间序列分析、强化学习、预测分析、自动化投资组合管理、情绪分析、自然语言处理等知识点。此外，本书还结合现实工作总结了相关的注意事项。
本书适合传统金融行业的从业者以及新兴金融科技领域的实践者阅读。读者可从本书深入浅出的知识点和案例中了解到人工智能的魅力，为更好地运用人工智能技术赋能金融业务做好准备。

本书详述了人工智能如何应用于银行业务，结合理论及实战，站在从业人员的角度带你走进人工智能和深度学习的领域，包括利用Python自动处理商业银行业务，以自然语言处理方式预估市场反应并实现数据可视化等。不论你是经验丰富的银行从业人员，抑或是有志投身金融科技行业的毕业生，本书值得一读。

——庞宝林
东骥基金管理有限公司董事总经理
亚洲金融科技师学会主席及创办人

本书除了介绍理念以外，也通过一个个具体的银行业业务场景，给出了实践方法以及可执行的代码，堪称让多数人可以入门、理解和参考的宝典。
我还想强调一点，我国在人工智能领域已经占有了一席之地，本书的翻译和出版也将为这个领域添砖加瓦，贡献力量。
——刘华
汇丰科技云平台技术主管
《猎豹行动：硝烟中的敏捷转型之旅》《软件交付那些事儿》作者
《图数据库实战》中文译者之一

市面上有许多关于人工智能、数字化转型以及现代金融业务的图书，比较罕有的是专注于人工智能的金融科技书籍。本书从洞察者及实践者的角度描述了数字驱

动下的新金融，涉及主流的技术方案、业界流行的金融服务平台以及许多
实际案例。希望本书能启发更多金融及IT从业者对金融科技进行思考，从而推动
中国金融业改革再上新台阶。

——欧阳超信（Greg Au-Yeung）
银行IT高管
上海复旦大学顾问
启蒙中国（Inspiring China）YouTube频道主持

有幸和本书的作者吴汉铭共事过一段时间，吴先生在金融科技的应用方面一直是团队翘楚，提出了众多建议，并能够将其落到实处，其深厚的功力可见一斑。
尽管人工智能已经在金融领域被广泛应用，但对于很多金融从业人员来说，人工智能仍然给人一种高深莫测的感觉。虽然我大学阶段的专业是计算机，但在职业生涯的前20年，大部分时间在银行或者咨询公司工作。对于金融从业人员的困惑时常感同身受——到底什么是人工智能？我们怎么样用好人工智能？人工智能能够怎么样帮到我？我会不会面临被淘汰的危险？这些问题能在本书中找到答案。
我强烈向金融机构从业人员推荐本书，希望本书能够帮助大家更早、更快、更好地了解人工智能，学会人工智能，应用人工智能，张开双手迎接人工智能时代的到来。
——费轶明
壹账通金融科技有限公司
副总经理，企业金融CEO，董事会秘书

本书文字通俗易懂，内容饱满有层次，对于从事金融科技工作的读者很友好，读完本书既可以了解到金融业务知识，又可以从技术角度了解人工智能如何在金融业的发展中发挥重要作用。金融科技从业者一定会从中受益良多。
——杜蓉
光大银行总行信息科技部业务副经理

在金融科技赋能银行数字化转型的理念下，越来越多的银行将RPA与AI相
结合，采用OCR、NLP、语音识别等AI技术，优化部门的作业流程。银行不缺技术，缺
的是在业务领域拓展AI技术的方法论，而本书恰如“大旱遇甘霖”般地弥补了这一缺憾。
本书能够帮助银行进一步优化部门的作业流程，减少低价值工作，建立自动化工作思路，充分发掘业务场景中的标准化、规则化内容，帮助银行员工从简单工作劳动者向管理者升级，从而为员工赋能。
——潘淳
中国邮政储蓄银行信息科技管理部

当前的图书市场上还没有一本能让我满意的描述AI应用于金融业的图书，而本书恰好填补了此空白。本书覆盖了金融控股集团的诸多业务，包括信贷业务、投资业务、投行业务、资产组合管理、证券推介业务、零售财富管理业务，并且均给出了充分的介绍，帮助读者建立起认知框架。更难能可贵的是，本书既有业务描述又有技术描述，而且还有基于Python的代码实现，堪称“手把手教学”。而且，本书并未涉及晦涩的数学推导，因此降低了阅读门槛。
我在阅读完本书时大呼过瘾，这是一本“金融科技式”的著作，感谢叶伟民先生将其翻译出来，也相信读者能从中受益，希望本书能对中国金融业的金融科技进步有所助益。
——曹欣田
国内某股份制银行金融科技子公司

总览全书，如同经历了一场金融领域人工智能之旅！本书用通俗易懂的视角、丰富的用例，阐述了人工智能的重要性及其在金融业的实际应用。同时，本书在建模方法论的基础上，从商业银行、投资银行等业务领域出发，用人工智能技术解决了有关金融业务的问题，这对每一个金融从业者具有极为宝贵的启发意义。
——陈俊
某标杆农商银行PMO

第 1部分 金融业人工智能概述
第　1章 人工智能在金融业中的重要性　3
1．1　什么是人工智能　4
1．1．1　机器是如何学习的　5
1．1．2　实施人工智能的软件要求　6
1．1．3　实施人工智能的硬件要求　9
1．1．4　建模方法论—CRISP-DM　11
1．2　了解金融业　12
1．2．1　金融业相对于全球经济的规模　14
1．2．2　金融业的客户　16
1．3　金融业务可获得性的重要性　17
1．3．1　开源软件和数据　18
1．3．2　我们为什么需要人工智能　19
1．4　人工智能在金融业的应用　19
1．5　本章小结　22
第　2部分 机器学习算法和实例
第　2章 时间序列分析　25
2．1　了解时间序列分析　26
2．2　M2M通信　28
2．2．1　商业银行业务简介　29
2．2．2　M2M通信在商业银行业务中的作用　29
2．3　金融市场的基本概念　30
2．4　人工智能模型　33
2．4．1　时间序列模型ARIMA模型简介　34
2．4．2　神经网络简介—准确预测需求的秘诀　35
2．5　使用时间序列分析进行需求预测　38
2．5．1　下载数据　38
2．5．2　对数据进行预处理　39
2．5．3　通过拟合数据来建立模型　40
2．6　基于Keras的神经网络在大宗商品采购中的应用　41
2．7　本章小结　49
第3章　使用强化学习自动化商业银行贷款融资　51
3．1　分解商业银行的业务　52
3．1．1　主要风险类型　53
3．1．2　资产和负债管理　53
3．1．3　利率计算　54
3．1．4　信用评级　55
3．2　人工智能建模技术　55
3．2．1　蒙特卡罗模拟　56
3．2．2　逻辑回归模型　56
3．2．3　决策树　56
3．2．4　神经网络　57
3．2．5　强化学习　58
3．2．6　深度学习　59
3．3　模型性能的测量指标　60
3．3．1　指标1—ROC曲线　60
3．3．2　指标2—混淆矩阵　62
3．3．3　指标3—分类报告　62
3．4　构建破产风险预测模型　63
3．4．1　获取数据　63
3．4．2　构建模型　64
3．5　使用强化学习自动化贷款融资　68
3．5．1　了解利益相关者　69
3．5．2　得出解决方案　70
3．6　本章小结　75
第4章　资本市场决策自动化　77
4．1　了解投资银行业务的愿景　78
4．2　财务领域的基本概念　79
4．2．1　财务报表　79
4．2．2　优化公司最佳资本结构的理论　81
4．2．3　测量项目价值的全要素生产率　83
4．2．4　一个项目的现金流模式　84
4．2．5　预测财务报表条目　86
4．3　人工智能建模思想　87
4．3．1　线性优化　88
4．3．2　线性回归　88
4．4　寻找最佳资本结构　89
4．5　使用宏观经济场景来提供财务表现预测　95
4．6　本章小结　97
第5章　预测投资银行（券商）业务　99
5．1　投资银行（券商）业务基础知识　100
5．1．1　投资银行在IPO中的工作　100
5．1．2　股票分类—股票风格　101
5．1．3　投资者分类　101
5．1．4　合并和收购　101
5．1．5　人工智能在并购中的应用　103
5．1．6　上市公司的申报义务　104
5．2　了解数据技术　104
5．3　聚类模型　105
5．4　新发行证券的自动辛迪加融资　106
5．4．1　解决问题的步骤　107
5．4．2　构建相似度模型　108
5．4．3　构建投资者聚类模型　108
5．4．4　构建股票聚类模型　110
5．5　识别收购者和目标公司　115
5．6　本章小结　119
第6章　使用特雷诺·布莱克模型和ResNet自动化投资组合管理　121
6．1　财务概念　122
6．1．1　资本资产定价模型中的alpha和beta回报　122
6．1．2　已实现和未实现投资回报　122
6．1．3　投资政策声明　122
6．1．4　资产类别　124
6．1．5　投资行业的参与者　124
6．1．6　基准—比较的基线　125
6．1．7　投资者是要寻求回报的　125
6．1．8　趋势跟踪基金　126
6．1．9　交易策略　127
6．2　理解马科维茨的均值-方差组合模型　127
6．3　探索特雷诺·布莱克模型　130
6．4　基于特雷诺·布莱克模型构建投资组合　134
6．5　预测证券的走势　140
6．6　本章小结　148
第7章　感知市场情绪，在卖方进行算法营销　149
7．1　理解情绪分析　150
7．2　利用情绪分析感知市场需求　150
7．3　基于Neo4j的关系网络构建与分析　157
7．4　本章小结　164
第8章　使用API构建个人财富顾问机器人　165
8．1　管理客户的数字数据　166
8．2　开放银行项目　167
8．2．1　手机App—使用Flask和MongoDB构建API　168
8．2．2　了解IPS　169
8．2．3　行为分析—支出分析　170
8．2．4　通过API对外提供人工智能服务　170
8．3　文档布局分析　170
8．3．1　文档布局分析步骤　171
8．3．2　使用Gensim建立主题模型　172
8．3．3　Word2Vec的向量维数　172
8．4　使用开放银行API预测现金流　173
8．5　使用发票实体识别记录日常开支　178
8．6　本章小结　181
第9章　客户终身财富的大规模定制　183
9．1　财富工具的金融概念　184
9．2　集成学习　185
9．3　预测客户反应　185
9．4　构建聊天机器人为客户提供全天候服务　187
9．5　基于NLP和图的知识管理　189
9．5．1　基于图数据库的知识检索　189
9．5．2　具体实施　189
9．6　本章小结　194
第　10章 现实工作中的注意事项　195
10．1　本书所涵盖技术的摘要　196
10．2　对金融专业人士、监管机构和政府的影响　197
10．2．1　对金融专业人士的影响　197
10．2．2　对监管机构的影响　198
10．2．3　对政府的影响　198
10．3　如何提取特征并获取业务领域知识　199

10．4　与人工智能部署相关的IT生产环境考虑因素　200
10．5　去哪里寻找更多的用例　201
10．6　哪些领域需要更多的实际研究　201
10．7　本章小结　202