本书旨在为读者提供系统的机器学习基本概念与原理，以便于初步构建知识体系，掌握应用机器学习算法，了解风险计量、投资组合管理等领域的金融问题解析的流程与方法。对于具有人工智能与大数据相关信息技术背景的读者，本书提供人工智能和机器学习在金融研究中的应用案例。本书兼顾理论与实践。在内容安排上，本书章节从数学或算法原理引入，结合金融实践与学术研究中的问题，叙述机器学习算法的应用。书中所选取案例，如企业风险评估、股价异常检测等，采用了作者与合作者近期的学术成果。除了用图表对数学公式与算法框架进行解释外，本书还列出了包含数据处理与使用机器学习算法工具的Python 程序代码，供读者参考。

"郦金梁，清华大学五道口金融学院讲席教授。专注于金融市场、风险管理和产业创新领域的研究。吴 谣，清华大学应用经济学博士，北京工商大学讲师，中国中小企业协会人工智能专委会秘书长。专注于基于大数据和人工智能的量化金融分析。"

序 　　金融是现代经济的核心与国民经济的命脉。2023年中央金融工作会议提出加快建设金融强国的宏伟目标，把金融高质量发展定位为以中国式现代化全面推进强国建设、民族复兴伟业的有力支撑。 　　在国际金融秩序变局前景下，金融市场、资产定价与风险分析等金融问题已呈现出前所未有的复杂态势。高素质金融人才对于金融业的实践创新、理论创新与制度创新具有举足轻重的作用，是当下金融强国建设的核心要素。随着大数据与人工智能等信息技术的飞速发展，金融行业亟须培养掌握先进分析工具、具备持续学习能力的复合型创新人才，以提升金融服务水平、市场效率，增强风险防控能力，促进科学监管与数字化治理体系的建设，最终实现金融高质量发展。 　　在新质生产力体系中，数据已然成为不可或缺的基本生产要素。同样，在金融体系中，数据也占据着举足轻重的基础地位。正如风起于青萍之末，金融体系的宏观现象都起源于微观基础。金融体系的运行时刻都在产生数据，这些数据蕴含着信息和价值。全面收集和精确分析金融大数据，需要充分认识其多维度、实时性、海量性和异构性四个特征。在多维度方面，金融大数据覆盖微观个体交易和宏观经济指标，不仅包括传统财务指标和市场交易数据，还包括宏观经济数据和政策变化。通过对金融数据从产生到传播的全流程进行实时处理，交易者与监管机构能迅速识别并响应市场异动，提高决策时效性。金融市场产生的交易记录和资产价格更新伴随着海量数据，对这些数据的科学处理与分析有助于揭示市场的深层规律，提取金融市场变量在深层次时空维度上的变化模式。异构性指的是金融数据来源的多元化，以及时间精度和格式的差异性；这要求我们采用复杂的技术手段进行整合...