本書是新形態教材，內容翔實，注重實用，配套教輔，方便教學。

本書為高年級本科生和研究生提供了在金融科技方向理論的核心概念,以及支持業界實踐創新的專業知識和技術處理方法。因為金融科技本身的交叉性和綜合性,本書在內容安排上盡可能保持核心內容遠離口號式陳述和空洞概念講解! 通過對本書的學習,讀者能夠在大數據框架下,比較全面地理解和掌握金融科技在處理金融行業核心、傳統的信用風險問題的變革性思路和大數據解決方案,在區塊鏈生態下基於數字資本核心概念的多種形態創新,在智能投顧與量化投資領域的技術方法下,通過學習金融自然語言處理以及編程和機器學習方面的基礎知識,成為在金融科技行業從理論到實踐具有執行能力的專業人纔。

林健武，清華大學深圳研究生院教學繫列副教授，量化投資研究中心主任，國信證券博士後流動站合作導師，深圳市金融領域特聘孔雀專家和市政府財經決策咨詢委員會專家，國際金融工程師協會(IAFE) 風險管理委員會委員，兼任美國學術刊物審稿專家，《中國證券期貨》雜志主編。獲美國常春籐名校賓夕法尼亞大學博士及雙碩士學位，參與創建中國量化投資研究院。曾榮獲國際IEEE論文獎，

本書由五個部分組成。第1章: 金融科技緒論; 第2章: 大數據技術在金融科技中的應用;  第3章: 區塊鏈技術在金融科技中的應用; 第4章: 人工智能技術在金融科技中的應用； 第5章: 金融科技編程應用。

在第1章，我們首先對金融科技的發展進行了簡要回顧，然後討論了金融科技2．0、金融科技3．0發展的核心內容，金融科技未來的發展，以及金融科技與金融風險的相互交織關繫。接著討論了金融科技與風險管理來自諸如巴塞爾協議Ⅲ/Ⅳ監管的要求，金融科技帶給商業銀行的機遇,金融行業全面動態風險管理體繫框架建立等方面的挑戰，支持多場景的智能風險解決方案，人工智能、區塊鏈技術、雲計算、反洗錢的應用。後對金融科技在金融機構風險管理中面臨的全維度風險挑戰和監管對策,宏觀、中觀和微觀監管等方面的落地實施等進行了比較全面的討論。

由於大數據金融是基於對傳統的“數據”概念的革命性推廣而展開的，我們首先在第2章基於結構性和非結構性數據的基本特征介紹和解釋了大數據本身具有的基本含義和出現背景，然後對大數據金融科技方法與應用進行了比較全面的介紹。本章主要對以下四個方面的核心內容進行討論: 

（1） 支持金融科技發展需要的大數據出現的背景介紹; 

（2） 在大數據金融框架下解決金融行業信用評估問題的全息畫像方法介紹; 

（3） 基於人工智能算法支持風險特征篩選的推斷框架的一般實施原理; 

（4） 基於大數據框架下的全息風險評估體繫: 咖啡館(CAF)體繫。

我們期待讀者在大數據框架下，能夠比較充分地理解和掌握金融科技在處理金融行業本身重要的信用風險這個傳統問題上的變革性思路: 通過引進全息畫像方法為工具，構建基於包含非結構化特征提取的方法，來支持針對小微企業信貸需要的在無財務信息、資產信息等情況下展開信用評估的新方法； 基於大數據結合人工智能算法在針對金融場景描述的風險特征提取方面需要的推斷實施原理和落地實施的方法與應用。本章介紹體繫可以為中國龐大的金融市場提供主體和債項信用評估的一種解決方案，並為建立與國際接軌支持中國資本市場的信用評估和評級體繫起到一定的推動作用。

第3章介紹了區塊鏈技術和在金融中的應用。在本章，我們首先比較繫統地回顧了區塊鏈的發展歷史、區塊鏈的基本原理及技術、主要類型等內容。在此基礎上，討論區塊鏈在諸多金融場景中的應用。其內容包含： 數字貨幣(digital currency)，區塊鏈在供應鏈金融領域案例解析，基於區塊鏈技術的共識經濟基本框架，支持區塊鏈共識經濟的共識博弈新概念，區塊鏈的分叉或中斷，區塊鏈的共識博弈，區塊鏈治理介紹，以及基於區塊鏈治理的智能合約(smart contract)功能實現介紹等; 然後討論區塊鏈可以變革現有的征信體繫，基於區塊鏈信用的黑白名單征信繫統的建立，構建聯盟鏈，搭建征信數據共享交易平臺; 後，介紹區塊鏈技術如何降低金融風險，防止交易欺詐，有效防範操作風險，控制逆向選擇，抵御黑客攻擊，以及區塊鏈技術提升金融監管能力，實現高效率的、全維度穿透式管理流程等方面的變革性創新和應用。

第4章為人工智能在金融科技中的應用，主要針對智能投顧與量化投資的內容討論。在本章，我們首先回顧了智能投顧的發展，介紹投資組合的基礎理論知識，並討論支持智能投資需要的量化投資在技術方法和處理的核心內容。然後，我們比較繫統地介紹了在大數據框架下，如何針對異構異源數據進行特征提取的推斷原理和實施框架的建立，並作為金融場景的具體應用，討論了大宗期貨價格的特征風險因子的大數據提取方法,針對期貨銅價格趨勢預測的特征因子刻畫,針對期貨螺紋鋼期貨價格趨勢變化的關聯特征刻畫等討論，並通過真實案例分析和討論來解釋方法的可實施性。後，討論了基於資產配置構建智能投顧核心內容和多因子選股策略的示例展示。

結合上面涉及的技術，第5章的重點是提供金融自然語言處理和量化投資的編程案例，給讀者更深入的實務知識。本章首先回顧深度學習的發展，然後介紹如何從大數據金融文本中挖掘金融知識，針對大數據金融資訊的情感分析，以及針對大數據金融文本的自動生成技術和處理技能。後面，本章又介紹了基於多因子框架的量化投資編程實例。

原計劃本書在2020年底前出版，但是2020年年初突發的新冠肺炎疫情除了演變成傷害全球人類的大流行傳染病外，我們的生活、工作、學習、行業和全球各國的經濟發展都遭受了極大的創傷和影響，本書的出版也延遲到2022年。我們除了真誠地感謝和從心底裡敬佩一直戰鬥在線為人類生命安全與新冠肺炎疫情抗擊的專業衛士外，也一直為本書的內容準備和寫作進行認真的工作。我們希望不負本書出版的初心，帶給讀者專業的知識力量，繼續向前創新和推進行業高效運行與健康發展。

這本書是作者們多年來帶領團隊對金融科技理論和實踐探索的總結，我們由衷感謝提供場景應用的多家金融機構和政府部門，解決這些場景應用中的難點、痛點、堵點的標準體繫和實現方法給本書寫作提供了應用驅動的精準的方向和靶子。同時，感謝幾年來所有參與本書編寫的研究生和同事，他們在數據收集和整理、算例算法、金融機構項目實施等工作中付出了辛勤努力，在本書的編寫中貢獻了諸多的思考和智慧。他們是(姓名不分先後): 周毅、李鳴洋、王鵬理、丁聞、馮馳、周雲鵬、劉海洋、嚴城幸、陳文、任芮彬、鐘蘇川、李國華、張紅、高仕龍、趙建彬、李華、王會琦、錢國琪、孫運傳、石玉峰、石寶峰、李建平、李建軍、遲國泰、餘樂安、楊曉光、周煒星、李心丹、吳嵐、陳增敬、張維、王帆、韋立堅、熊熊、汪鼕華、曾燕、李仲飛、陳收、廖理、吳衝鋒、謝康、葉強、馬超群、黃益平、陳國青、何華、張啟磊、江泓、馬洪、李祥林、汪壽陽、彭實戈老師等。另外還有很多給予本書的寫作不可或缺的支持的其他師友，請原諒不能一一列舉，但一並表示同樣的感謝。

還有深圳市天擇教育科技有限公司的曹勝利、徐波也在本書的寫作工程過程中提供了大量的支持和幫助。特別地，我們要感謝過去許多年來在我們人生中有幸遇到的引路人，以及師長和一起工作的同事與同行的不離不棄，還有眾多有機會教過的年輕學生，這些充滿活力的年輕人給予了本書作者們在理論與實踐相結合創新工作的推進過程中需要的極大的動力源泉，謝謝你們! 當然，所有作者家人的默默支持和付出，在此就無法用語言來表述了。 

感謝國家自然科學基金資助項目(U1811462、71971031和11501523)對本書的編寫和出版給予的支持。

後，本書所有作者對清華大學出版社編輯團隊和周毅同學，在處理金融科技詞彙和術語的編校工作中付出的大量心血，特別提出感謝。

生逢其時、欣逢盛世，謹以此書，獻給中華民族的百年復興和祖國的繁榮富強！ 

由於能力和水平有限，本書難免存在紕漏，還請讀者批評指正，以求不斷完善。

林健武，袁先智，馬小峰，羅肜，何麗峰
2022年10月1日