教育部战略新兴领域“十四五”高等教育系列教材《金融智能》出版

2025年7月31日，国务院常务会议审议通过《关于深入实施“人工智能+”行动的意见》，标志着中国正式将“人工智能+”定位为构建新质生产力与经济发展的核心引擎。在全球数字经济浪潮和国家政策的强力推动下，金融行业正迎来一场由人工智能驱动的深刻变革。金融与人工智能的交叉融合正在重塑现代金融体系的运行范式。随着机器学习、自然语言处理、区块链等技术的快速发展，金融行业的数据处理能力、风险定价效率及服务创新水平均面临系统性升级。

然而，长期以来，金融理论与人工智能实践之间存在明显的鸿沟。传统金融学教材偏重计量经济学框架，而技术类书籍又鲜少触及金融场景的特殊性。这使得许多学生和从业者在面对“如何将算法模型适配金融场景”“如何应对金融数据特殊性”以及“如何平衡模型复杂性与业务可解释性”等现实问题时深感困惑。

清华大学五道口金融学院张晓燕教授团队在金融科技研究与人才培养方面深耕多年，积累了丰富的研究成果与教学经验。作为该领域的先行者，团队以人工智能核心课程建设为抓手，持续推动跨学科教学与科研创新，探索理论与实践的有机结合，并积极服务于国家战略需求。本书的出版，正是其长期积累与探索的重要成果。

《金融智能》教材是“新一代信息技术（人工智能）系列丛书”的重要组成部分，入选教育部战略新兴领域“十四五”高等教育系列教材。本书旨在构建一个系统化的跨学科知识体系，为金融学与人工智能的深度融合提供理论支撑与实践指南。全书聚焦于金融学与人工智能的交叉领域，致力于为读者构建一个兼具理论深度与实操价值的跨学科知识体系，帮助读者深刻理解智能技术如何为金融数据处理、风险定价、服务创新等核心环节赋能。

全书共十七章，结构清晰，分为三大部分。第一部分（第一、二章）：理论基础。 深入剖析金融智能的核心内涵、适用边界与伦理挑战，并系统回顾金融学核心原理，为后续技术应用奠定坚实的理论根基。

第二部分（第三至十五章）：技术核心。 以“金融问题驱动”为导向，由浅入深地系统讲解了从线性模型、树模型等传统机器学习方法，到神经网络、生成对抗网络（GAN）等深度学习技术，再延伸至自然语言处理、强化学习及区块链等前沿技术。每一章节均结合信贷评分、股价预测、舆情分析等经典金融案例，详尽解析算法原理与实现细节。

第三部分（第十六、十七章）：应用与监管。 聚焦行业实践，探讨智能投顾、程序化交易等领域的落地案例与技术瓶颈，并立足于监管科技（RegTech），分析算法透明度、数据隐私保护等前沿议题，为金融智能的稳健合规发展提供前瞻性参考。

本书的编写有两大特点：其一，实用性优先。尽管近年来图神经网络、Kolmogorov-Arnold 神经网络等新兴算法层出不穷，但考虑本书的定位为教学性质，本书选择聚焦于金融场景中已验证有效的主流技术，并配套Python代码示例与数据预处理指南，确保读者“学即能用”。其二，学科交叉性。金融智能并非技术的简单堆砌，而是需深刻理解金融业务的特殊约束——例如高频数据中的非平稳性、金融决策中的博弈特性、监管规则对模型可解释性的刚性要求等。因此，本书在每章均配有不同人工智能模型在金融场景中的具体案例，探讨如何针对业务痛点调整算法设计。

本书的读者群体不仅包括金融学、金融工程等相关专业的本科生，也同样适用于选修金融科技课程的计算机科学与应用数学专业学生。正如书中所强调的，技术只是提升解决金融问题效率的工具。无论人工智能如何演进，金融学的核心问题依然不变。《金融智能》愿作一枚火把，照亮前行道路上的技术沟壑，为有志于投身未来金融浪潮的广大学子与从业人员提供一份系统性的学习指南与实践参考。

作者简介：

张晓燕，清华大学五道口金融学院副院长、金融学讲席教授，清华大学金融科技研究院副院长。

吴辉航，清华大学五道口金融学院博士后，研究方向：金融科技。

李志勇，北京外国语大学国际商学院助理研究员，研究方向：实证资产定价、金融科技。

张欣然，中央财经大学金融学院副教授，研究方向：资产定价，中国资本市场。