智能金融变革

第一篇 情景篇 3

第1章 智能金融悄然兴起 3

1.1 智能金融的内涵 3

1.2 与金融科技、互联网金融的异同 4

1.3 智能金融重构金融服务业 5

第2章 券商及科技公司抢滩智能金融 8

2.1 传统经营模式的瓶颈日益显现 8

2.2 智能金融的时间窗口更加紧迫 9

2.3 券商及科技公司大举布局智能金融 10

第二篇 技术篇 15

第3章 大数据是负担还是财富 15

3.1 引言 15

3.2 大数据来源 15

3.3 大数据发展的五个阶段 19

3.4 大数据在金融中的应用 21

第4章 机器学习 26

4.1 机器学习的基本原理 26

4.2 机器学习的主要算法 29

4.3 机器学习与其他领域的关系 36

4.4 机器学习在智能金融领域中的应用 40

4.5 机器学习在资本市场的应用及建议 42

第5章 深度学习 44

5.1 深度学习的基本原理 44

5.2 深度学习的主要算法 49

5.3 深度学习的应用场景 52

5.4 深度学习在智能金融领域的应用 56

第6章 自然语言处理 60

6.1 基本原理 60

6.2 困难与挑战 63

6.3 发展趋势 65

第7章 知识图谱 67

7.1 知识图谱的原理 67

7.2 知识图谱的主要技术 68

7.3 知识图谱的典型应用 74

7.4 知识图谱在智能金融领域的应用 77

7.5 前景与挑战 80

第8章 区块链 82

8.1 区块链核心技术 82

8.2 区块链的运行特点 90

8.3 区块链的技术瓶颈 92

第三篇 应用篇 97

第9章 智能投资顾问 97

9.1 引言 97

9.2 基本原理 98

9.3 概念特征 99

9.4 美国智能投资顾问的路径分析 102

9.5 智能投资顾问在中国的发展 105

9.6 总结与发展前景 108

第10章 智能研报 110

10.1 引言 110

10.2 基本原理 111

10.3 国外典型公司 114

10.4 国内典型公司 117

10.5 总结与发展前景 119

第11章 智能量化 122

11.1 引言 122

11.2 技术要求 123

11.3 国外典型案列 124

第12章 智能搜索 131

12.1 引言 131

12.2 主要技术 132

12.3 应用领域 134

12.4 典型案例一AlphaSense 135

12.5 总结与发展前景 139

第13章 智能风控 141

13.1 引言 141

13.2 步骤技术 142

13.3 应用领域 144

13.4 典型企业和案例 148

13.5 面临问题 151

第14章 智能客服 153

14.1 引言 153

14.2 主要技术 156

14.3 国外典型公司 158

14.4 国内典型公司 160

14.5 总结与发展前景 162

第四篇 实践篇 之一 海外投资银行机构 167

第15章 全球投资银行业务创新龙头：高盛 167

15.1 组织架构科技化 167

15.2 人员结构技术化 168

15.3 标准岗位自动化 168

15.4 机构服务长尾化 172

第16章 嘉信理财 175

16.1 嘉信理财的创新史 175

16.2 Schwab Intelligent Portfolios的业务模式 177

16.3 Schwab Intelligent Portfolios的操作步骤 179

16.4 嘉信对券商发展智能投资顾问的启示 191

第五篇 实践篇 之二 海外金融科技公司 195

第17章 海外智能投资顾问平台标杆：Wealthfront 195

17.1 发展背景 196

17.2 业务模式 199

17.3 投资模式 206

17.4 特点总结 216

第18章 全球智能投资顾问领头羊：BETTERMENT 219

18.1 发展背景 219

18.2 业务模式 220

第19章 海外科技巨头布局智能金融：Google 230

19.1 投资Algorithmia 230

19.2 Kaggle加速谷歌布局 232

第20章 海外科技巨头布局智能金融：IBM 233

20.1 一代智能投资顾问系统“蓝海图灵” 233

20.2 Watson协助合规和发现潜在金融犯罪 234

20.3 Watson Explorer代替保险索赔业务员 236

第21章 海外科技巨头布局智能金融：微软 237

21.1 与思科合作推动数据中心创新 237

21.2 与毕马威联手打造区块链开发创新工场 238

21.3 微软智能云Azure 239

第六篇 实践篇 之三 国内传统金融机构 243

第22章 海通证券 243

22.1 运营特征：PE式扩张 243

22.2 主要布局平台 244

第23章 华泰证券 248

23.1 概况 248

23.2 华泰模式核心 249

第24章 平安集团 253

24.1 平台架构 253

24.2 业务模式特点 256

第25章 广发证券 258

25.1 推出“贝塔牛” 258

25.2 量化交易云端集成平台 262

25.3 科技金融布局初见成效 264

第26章 长江证券 266

26.1 背景 266

26.2 “智变”：从互联网金融到智能金融 267

26.3 推出iV atarGo向智能金融迈进 270

26.4 经验借鉴 275

第七篇 实践篇 之四 国内金融科技公司 279

第27章 独立第三方智能投资顾问平台 279

27.1 弥财 279

27.2 京东智投 280

第28章 BAT布局智能金融 282

28.1 百度——技术金融 282

28.2 阿里巴巴——电商金融 291

28.3 腾讯——社交金融 298

28.4 BAT的战略布局比较 305

第八篇 平台篇 311

第29章 恒生电子 311

29.1 恒生电子的基本情况 311

29.2 恒生电子的产品体系 312

29.3 总结与经验借鉴 314

第30章 通联数据 318

30.1 通联数据的生态和逻辑 318

30.2 通联数据的产品体系 320

30.3 总结与经验借鉴 326

第31章 金融界 328

31.1 金融界的基本情况 328

31.2 金融界的产品体系 329

第九篇 探索篇 335

第32章 中国智能金融业务发展的基本方向 335

32.1 智能金融创新依然必须建立在经典金融理论基础上 335

32.2 智能金融发展程度推升证券公司的客户数据价值 336

32.3 实现海外智能金融平台的中国化是未来金融创新的重点方向 336

32.4 智能投资顾问是目前国内智能金融领域最为成熟的应用 337

第33章 中国智能金融业务发展的基本设计方案 338

33.1 中国券商智能金融业务发展思路设计 338

33.2 中国券商智能金融业务发展路径设计 340

参考文献 354

后记 360