书名：金融人工智能：AI技术与金融创新
定价：59.0
ISBN：9787513686365
作者：张宁,李刚
版次：1
出版时间：2026-07

内容提要：
本教材是以中央金融工作会议精神和“中国特色的金融学”教材思想为指引，聚焦于智能金融理论、实践以及中国创新。全书分智能金融基础包括信息和数据知识、智能金融的机器学习技术包括监督学习方法和非监督学习方法、智能金融的大模型知识、智能金融的经济学理论和知识以及智能金融监管，既考虑继承涵盖了传统的互联网金融内容，同时更重要的是详尽介绍了当前的智能金融中的大模型以及经济学理论，并按照国家人工智能政策，在金融业态中把智能金融与中国特色的金融事业充分结合，使得读者可以借助智能金融课程学习深入了解当前中国金融业的具体实践和业务，并构建扎实的中国金融问题研究基础。



作者简介：

张宁，中央财经大学金融学院教授，博士生导师，中央电视台《百家讲坛》金融之道主讲人，目前为金融科技专业负责人，学术兼职包括：中央财经大学中国金融科技研究中心主任、国家金融监管总局（原中国银保监会）偿咨委委员、中国人工智能学会委员、中国精算师协会委员、中国保险学会智库*、等，累计在《中国科学》等*期刊发表论文59篇，出版专著编著教材23本，人工智能相关专利2项，作为骨干成员获评*批*高校黄大年式教学团队，所授课程多次获评“金课“并获评*MBA教师，多次参与养老金融、金融保险、数字经济、金融科技金融*、财富管理、人工智能伦理相关政策咨询建议及标准制定，中央电视台《百家讲坛》《金融之道》主讲嘉宾、人民网、中央电视台财经频道、凤凰财经、新浪财经等媒体特约嘉宾，多次作为特邀师资*为中央*校（国家行政学院等众多*政部门、企业及金融机构授课，研究方向为：人工智能大模型、金融科技与数字金融、宏观政治经济分析、养老金融、财富管理等。 

李刚，男，汉族，1981年1月出生，山东莱芜人，九三学社社员，博士，东北大学秦皇岛分校管理学院院长，教授，博士生导师，宝钢*教师，河北省“三三三人才工程”*层次人选，河北省政协委员，九三学社中央委员会青年工作委员会委员。河北省高校黄大年式教师团队“管理科学教师团队”负责人，河北省数据科学与知识管理重点实验室主任，秦皇岛市金融风险智能预警与防控重点实验室主任。兼任中国优选法统筹法与经济数学研究会网络科学分会常务理事；中国运筹学会决策科学分会常务理事；中国系统工程学会金融系统工程专业委员会委员。近年来，主要从事金融科技、普惠金融和智能决策等方面的研究，主持国家自然科学基金3项，其他各类课题20余项，在《中国软科学》《中国管理科学》《系统工程理论与实践》《系统工程学报》《管理评论》《Quantitative Finance》《Applied soft Computing》和《Applied Economics》等国内外核心期刊发表论文 90 余篇，出版专著2部，教材1部，授权发明专利2项，入选2024年度和2025年知网高被引学者*%。

目录：

*章导论

*节人工智能的概念与内涵

一、人工智能的概念

二、相关概念的关系

三、人工智能的关键三要素

*节人工智能的发展及其与金融的互动

一、人工智能的发展历史及其与金融的互动

二、深度学习开启新时代及其与金融的互动

第三节智能金融发展与实践

一、金融科技发展历史与数字金融的产生

二、数字金融发展阶段与智能金融

三、人工智能作为主导技术的智能金融实践应用

四、人工智能作为支持技术的智能金融实践应用

【拓展阅读与实践】国家战略*下的中国人工智能发展

*章金融信息与金融数据

*节金融信息与存储

一、金融信息的多维分类体系

二、计算机数据类型基础

三、金融业务中的数据表示与存储实践

*节金融统计与金融计算

一、金融统计的概念与核心方法

二、金融计算的速度需求与挑战

三、并行计算在金融领域的应用

第三节金融大数据与数据获取及表示

一、金融大数据的概念与技术框架

二、金融数据的多源获取途径

三、金融数据表示的代码实践

【拓展阅读与实践】中国金融行业数据库与大数据技术发展0

第三章智能金融中的回归方法

*节机器学习中的回归模型

一、线性回归模型

二、非线性回归模型

三、线性回归的正则化

*节支持向量机

一、核心思想：*化边际

二、支持向量机分类

三、算法

四、金融实证案例

第三节金融计量的因果机器学习方法

一、核心概念：为什么金融需要因果推断

二、主要方法与金融应用

三、优势与挑战

四、重要提醒与实践建议

五、学习与工具资源

【拓展阅读与实践】用因果机器学习分析金融问题

第四章智能金融中的决策树与随机森林

*节决策树

一、决策树的定义

二、决策树算法流程

三、决策树的实现

四、决策树的优缺点

五、智能金融中的决策树

*节随机森林

一、随机森林算法原理

二、随机森林的数学推导

三、随机森林的代码实现

四、智能金融中的随机森林

第三节集成学习

一、序列化集成：Boosting

二、并行化集成：Bagging

三、Stacking堆叠法

四、智能金融中的集成学习

【拓展阅读与实践】案例学习：随机森林在金融中的应用

第五章非标注数据知识挖掘：非监督学习方法

*节关联规则发现

一、核心概念

二、关键算法

三、金融领域应用场景

四、面临的挑战

*节降维

一、核心概念

二、关键算法

三、金融领域应用场景

四、面临的挑战

第三节聚类

一、核心概念

二、关键算法

三、金融领域应用场景

四、面临的挑战

【拓展阅读与实践】降维在金融大数据可视化方面的应用

第六章智能金融决策：强化学习

*节强化学习概述

一、强化学习的基本概念

二、强化学习的发展历程

三、强化学习的实例解析

*节强化学习框架与应用

一、强化学习的基本框架

二、强化学习的主要算法

三、强化学习的典型应用——多臂老虎机问题

第三节强化学习与股票分析

一、强化学习在股票领域的适用性分析

二、股指预测的强化学习策略

三、股票投资的强化学习策略

【拓展阅读与实践】强化学习与大语言模型

第七章金融大模型序曲：神经网络

*节神经网络及其在金融领域的应用

一、神经网络发展历史

二、神经网络基本原理

三、神经网络在金融领域的应用

*节反向传播算法及其在金融建模中的价值

一、反向传播算法原理

二、算法优化与改进

三、反向传播在金融建模中的价值

第三节深度学习及其*结构

一、深度学习概述

二、卷积神经网络

三、循环神经网络

四、自编码器

五、LSTM在股票收盘价走势的预测

【拓展阅读与实践】通用人工智能介绍

第八章自然语言处理与语言模型

*节基于统计方法的自然语言分析与模型

一、词向量空间模型

二、n-gram模型与统计学原理

三、n-gram的相关应用

*节基于RNN的自然语言分析与模型

一、RNN的核心架构演进历程

二、RNN在金融NLP领域的应用

第三节语言模型采样与评测

一、语言模型的采样

二、语言模型的评测

【拓展阅读与实践】金融文本数据的挖掘与分析

第九章金融大语言模型基础

*节自注意力机制与Transformer

一、Transformer

二、自注意力机制

三、自注意力机制在金融领域的优势

四、自注意力机制在金融领域的应用

*节大语言模型架构

一、大语言模型

二、金融场景下的架构适配与优化

第三节大语言模型训练、微调与部署

一、大语言模型预训练数据

二、分布式训练

三、指令微调

四、模型部署

第四节大语言模型提示工程与检索增强

一、提示工程

二、检索增强生成

第五节MCP架构及其在金融领域的应用

一、MCP架构二、MCP架构在金融领域的应用

【拓展阅读与实践】构建你自己的金融大模型——本地部署

DeepSeek与金融应用

第十章生成式模型与金融

*节生成式模型概述

一、生成式模型的发展历史

二、常见生成式模型

三、生成式模型在金融领域的应用

*节生成对抗网络

一、生成对抗网络简介

二、生成对抗网络模型原理

三、生成对抗网络在金融领域的应用

第三节变分自编码器

一、变分自编码器简介

二、变分自编码器的原理

三、变分自编码器的实现

四、VAE模型的应用

第四节扩散模型

一、扩散模型简介

二、扩散模型的原理

三、扩散模型的实现

四、扩散模型在金融领域的应用

【拓展阅读与实践】 创造力的觉醒：生成式模型如何教会机器“想象”

第十一章人工智能经济学

*节人工智能与资源配置效率

一、一般均衡和福利经济学

二、人工智能与资源配置效率

*节人工智能建模

一、经济增长模型

二、经济波动模型第三节人工智能、劳动市场与经济增长

一、人工智能对*业及劳动者收入的总体影响

二、人工智能对不平等的影响

三、人工智能对经济增长的影响

四、人工智能对福利的影响

【拓展阅读与实践】诺贝尔奖揭示的经济增长密码

第十二章人工智能伦理、金融风险与监管

*节人工智能发展伦理与风险

一、人工智能伦理问题的基本内容

二、人工智能发展中的主要伦理问题

三、人工智能发展的主要风险

四、国内外人工智能伦理与风险治理现状

五、人工智能伦理规范建设与风险防控策略

*节金融风险与人工智能监管

一、金融风险

二、人工智能监管

【拓展阅读与实践】巴黎人工智能行动峰会与《巴黎人工智能宣言》