本书为高年级本科生和研究生提供了在金融科技方向理论的核心概念,以及支持业界实践创新的专业知识和技术处理方法。因为金融科技本身的交叉性和综合性,本书在内容安排上尽可能保持核心内容远离口号式陈述和空洞概念讲解! 通过对本书的学习,读者能够在大数据框架下,比较全面地理解和掌握金融科技在处理金融行业最核心、最传统的信用风险问题的变革性思路和大数据解决方案,在区块链生态下基于数字资本核心概念的多种形态创新,在智能投顾与量化投资领域的技术方法下,通过学习金融自然语言处理以及编程和机器学习方面的基础知识,成为在金融科技行业从理论到实践具有执行能力的专业人才。

林健武，清华大学深圳研究生院教学系列副教授，量化投资研究中心主任，国信证券博士后流动站合作导师，深圳市金融领域特聘孔雀专家和市政府财经决策咨询委员会专家，国际金融工程师协会(IAFE) 风险管理委员会委员，兼任美国学术刊物审稿专家，《中国证券期货》杂志主编。获美国常春藤名校宾夕法尼亚大学博士及双硕士学位，参与创建中国量化投资研究院。曾荣获国际IEEE论文奖，

前言 本书由五个部分组成。第1章: 金融科技绪论; 第2章: 大数据技术在金融科技中的应用; 第3章: 区块链技术在金融科技中的应用; 第4章: 人工智能技术在金融科技中的应用； 第5章: 金融科技编程应用。 在第1章，我们首先对金融科技的发展进行了简要回顾，然后讨论了金融科技2．0、金融科技3．0发展的核心内容，金融科技未来的发展，以及金融科技与金融风险的相互交织关系。接着讨论了金融科技与风险管理来自诸如巴塞尔协议Ⅲ/Ⅳ监管的要求，金融科技带给商业银行的机遇,金融行业全面动态风险管理体系框架建立等方面的挑战，支持多场景的智能风险解决方案，人工智能、区块链技术、云计算、反洗钱的应用。最后对金融科技在金融机构风险管理中面临的全维度风险挑战和监管对策,宏观、中观和微观监管等方面的落地实施等进行了比较全面的讨论。 由于大数据金融是基于对传统的“数据”概念的革命性推广而展开的，我们首先在第2章基于结构性和非结构性数据的基本特征介绍和解释了大数据本身具有的基本含义和出现背景，然后对大数据金融科技方法与应用进行了比较全面的介绍。本章主要对以下四个方面的核心内容进行讨论: （1） 支持金融科技发展需要的大数据出现的背景介绍; （2） 在大数据金融框架下解决金融行业信用评估问题的全息画像方法介绍; （3） 基于人工智能算法支持风险特征筛选的推断框架的一般实施原理; （4） 基于大数据框架下的全息风险评估体系: 咖啡馆(CAF)体系。 我们期待读者在大数据框架下，能够比较充分地理解和掌握金融科技在处理金融行业本身最重要的信用风险这个...