从基础到实践，一本书读懂AI大模型如何推动金融业高质量发展

本书结合具体实例循序渐进地讲解了金融大模型开发的核心知识。
全书共12章，分别讲解了大模型基础、大模型开发技术栈、数据预处理与特征工程、金融时间序列分析、金融风险建模与管理、高频交易与算法交易、信用风险评估、资产定价与交易策略优化、金融市场情绪分析、银行应用大模型开发实战、区块链与金融科技创新和未来金融智能化发展趋势。本书内容丰富全面，是学习金融大模型开发的优秀教程。
本书既适合已经掌握Python基础开发的初学者学习使用，也适合想进一步学习大模型开发、模型优化、模型应用和模型架构的读者阅读。本书不仅可以作为证券、保险、银行等行业从业者的参考书，还可以作为大专院校和培训学校的专业性教材。

第1章 大模型基础
1.1 人工智能
1.2 机器学习和深度学习
1.3 大模型介绍
1.4 人工智能与金融行业交融
第2章 大模型开发技术栈
2.1 深度学习框架
2.2 数据预处理与处理工具
2.3 模型部署与推理
2.4 其他技术
第3章 数据预处理与特征工程
3.1 数据清洗与处理
3.2 特征选择与特征提取
3.3 数据标准化与归一化
第4章 金融时间序列分析
4.1 时间序列的基本概念
4.2 常用的时间序列分析方法
第5章 金融风险建模与管理
5.1 金融风险的概念与分类
5.2 基于人工智能的金融风险建模方法
5.3 制作贵州茅台的ARCH模型
5.4 信贷投资组合风险评估模拟程序
第6章 高频交易与算法交易
6.1 高频交易
6.2 算法交易
6.3 量化选股程序
第7章 信用风险评估
7.1 信用风险的概念与评估方法
7.2 人工智能在信用风险评估中的应用
7.3 金融风险管理实战：制作信贷风控模型
第8章 资产定价与交易策略优化
8.1 资产定价模型概述
8.2 基于人工智能的资产定价方法
8.3 交易策略优化
8.4 股票交易策略实战：制作股票交易策略模型
第9章 金融市场情绪分析
9.1 情绪分析的概念与方法
9.2 基于人工智能的金融市场情绪分析
9.3 预训练模型：BERT
9.4 预训练模型：FinBERT
第10章 银行应用大模型开发实战
10.1 银行应用大模型基础
10.2 贷款预测模型
10.3 银行消费者投诉处理模型
第11章 区块链与金融科技创新
11.1 区块链技术的概念与原理
11.2 人工智能与区块链的结合应用
11.3 检测以太坊区块链中的非法账户
11.4 比特币价格预测系统
第12章 未来金融智能化发展趋势
12.1 人工智能在金融领域的应用前景
12.2 未来金融智能化发展趋势的展望