近年来，人工智能技术得到了快速发展，并在金融风险管理领域逐渐渗透。本书旨在引导读者了解金融风险建模背后的理论，学会在金融风险管理业务中运用Python语言和一系列机器学习模型。 本书分为三部分，第一部分（第1～3章）介绍风险管理的基础知识，第二部分（第4～8章）通过一系列案例将机器学习模型运用到市场风险管理、信用风险管理、流动性风险管理和运营风险管理等场景，第三部分（第9章、第10章）讲解如何对其他金融风险类型进行建模。 本书案例丰富、实战性强，适合金融行业的工程师、财务分析师、风险分析师等群体阅读。通过阅读本书，读者将发现人工智能技术的强大魅力，并学会运用Python语言驾驭多种高效率的机器学习模型，进一步重塑自己的风险管理思维。

近年来，人工智能技术得到了快速发展，并在金融风险管理领域逐渐渗透。本书旨在引导读者了解金融风险建模背后的理论，学会在金融风险管理业务中运用Python语言和一系列机器学习模型。 本书分为三部分，第一部分（第1～3章）介绍风险管理的基础知识，第二部分（第4～8章）通过一系列案例将机器学习模型运用到市场风险管理、信用风险管理、流动性风险管理和运营风险管理等场景，第三部分（第9章、第10章）讲解如何对其他金融风险类型进行建模。 本书案例丰富、实战性强，适合金融行业的工程师、财务分析师、风险分析师等群体阅读。通过阅读本书，读者将发现人工智能技术的强大魅力，并学会运用Python语言驾驭多种高效率的机器学习模型，进一步重塑自己的风险管理思维。

本书主要介绍了目前最常用且最重要的风险对冲工具（衍生品），并以实务范例的形式详细讲述了如何采用衍生品对冲汇率风险、利率风险、股价风险和商品物料风险等内容。本书是一本适用于在校学生（大学本科、硕士及MBA）的风险管理教科书。同时，公司、企业、金融机构从业人员也可通过学习本书丰富的实务范例，掌握风险管理的重要观念以及如何采用各种衍生工具去对冲价格风险，并以风险值的概念去了解自身仓位风险的高低以及是否会危及自身的生存。

期待获得金融风险管理师认证的风险管理专业人士、教授和研究生，无不依赖一本书来获得金融管理方面最完全和最前沿的信息，这本书便是《金融风险管理师手册》，本书经过全面更新后的第2版以清晰一致的风格呈现在读者的面前，是准备金融风险管理师考试的最佳教材，它已经成为世界范围内风险管理培训项目的核心教材。 FRM被公认为是世界上享有盛誉的全球认证项目，它是为了衡量金融风险管理师的能力而产生的，随着FR

《精通Excel风险建模:公司金融风险管理指南(第2版)》介绍了运用Excel软件建立风险分析模型的各种实用功能与技术，尤其是针对不确定性分析，提供了详细的指导。《精通Excel风险建模:公司金融风险管理指南(第2版)》采用图形界面的形式，并配备风险建模运算光盘，对读者而言非常实用。 《精通Excel风险建模:公司金融风险管理指南(第2版)》是《金融时报》（FT）精通金融译丛之一。 《精通Excel风险建模:公司金融风险管理指南(第2版)》以及随书赠送的CD光盘可帮助读者展开具体的建模实践，在Excel中进行完善的表格设计和风险建模。能够提高金融管理者应用Excel的能力；展示了Excel建模的系统方法，从而达到快速提升技能和纠正错误的目的；提供基础的范本，附赠的CD光盘可以帮助读者进一步提高应用能力。提供了更多的信用风险模型，如资产组合、VaR以及...(展开全部)

《金融风险理论:从统计物理到风险管理》的重点是金融风险的控制和管理，为此必须要有可管、可控的指标，有了这些指标，就可以对风险定价，给出合理的模式和方法，所以本书的最后一章，广泛讨论了各种期权的定价和风险管理。这是一本视角、方法都很有特点的书，自始至终贯穿着用实际的证券市场的数据来说明、验证相应的分析结论，用股票市场的指数、外汇市场的交易和国债市场的行情作为实例，因此是有数据支持，令人不感到枯燥的分析。各种不同观点的人，从这本书的分析中都会有所收获。

编辑推荐 1.金融领域趋势。过去几十年，金融业一直过于依赖简单的统计技术来识别数据中的模式，机器学习算法有望改变这一现状。在未来几年，机器学习将引领金融界，给金融领域带来颠覆性变化。 2.领域内经典图书。机器学习算法应用于金融领域的前沿书籍，提供一系列经过验证的工具和方法，量化投资专业人士在实操中的重要参考书。 3.作者备受认可。马科斯教授集投资经理、教授、研究员三重身份于一身，拥有20多年利用机器学习算法和超级计算开发投资策略的经验。 4.真正介绍金融机器学习。量化金融领域的失败率很高，不是因为机器学习算法无效，而是因为投资者用错了机器学习。这本书将全面介绍机器学习在金融建模中的应用。 5.兼具理论和实操。提供详细的算法分析、程序代码，明确的输出结果图，以及每章练习题，既适合相关院校和培训机构拿来作为培训量化交易系统课程的教材，又可作为量化金融投资...(展开全部)

本书自第1版出版以来，备受广大读者欢迎。第3版结合TensorFlow 2和scikit-learn的最新版本进行了更新，其范围进行了扩展，以涵盖强化学习和生成对抗网络（GAN）这两种最先进的机器学习技术。与同类书相比，本书除了介绍如何用Python和基于Python的机器学习软件库进行实践外，还讨论了机器学习概念的必要细节，同时对机器学习算法的工作原理、使用方法以及如何避免掉入常见的陷阱提供了直观且翔实的解释，是Python机器学习入门必读之作。书中涵盖了众多高效Python库，包括scikit-learn、Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，可帮助读者快速解决自己和团队面临的一些重要问题。本书适用于机器学习的初学者和专业技术人员。

适读人群： 想进入机器学习领域的初学者； 计算机及相关专业的学生； 想要向机器学习工程师、数据科学家转型的非开发岗人员； 使用过机器学习技术，但想要更加深入了解其工作原理的人员； 其他对机器学习、人工智能有兴趣的自学者 本书是使用Python进行机器学习和深度学习的全面指南。它既可以用作清晰的分步教程，也可以作为构建机器学习系统时常用的参考手册。本书包含清晰的解释、图表和工作示例，全面深入地介绍了机器学习的基本技术，并且给出了机器学习背后的原理，使你可以自己建立模型和应用程序。第3版结合TensorFlow 2和scikit-learn的新版本进行了更新，涵盖强化学习和生成对抗网络（GAN）这两种先进的机器学习技术。 机器学习将改变你解决问题的思路，并让你看到如何释放数据的力量来解决问题。无论你是Python机器学习的初学者还是想加深自己对前沿发展的...(展开全部)

Sebastian Raschka是密歇根州立大学的博士生，他在计算生物学领域提出了几种新的计算方法，还被科技博客Analytics Vidhya评为GitHub上具影响力的数据科学家。他有一整年都使用Python进行编程的经验，同时还多次参加数据科学应用与机器学习领域的研讨会。正是因为Sebastian 在数据科学、机器学习以及Python等领域拥有丰富的演讲和写作经验，他才有动力完成此书的撰写，目的是帮助那些不具备机器学习背景的人设计出由数据驱动的解决方案。 他还积极参与到开源项目中，由他开发完成的计算方法已经被成功应用到了机器学习竞赛（如Kaggle等）中。在业余时间，他沉醉于构建体育运动的预测模型，要么待在电脑前，要么在运动。