现代金融：理论探索与中国实践（第十三辑）

这本书是中国康德拉季耶夫周期理论研究开拓者、“周期天王”周金涛的经典作品。从2006—2007年持续两年的大牛市到2008年次贷危机和2016年大宗商品年度反弹，周金涛先生成功把握和预测了长周期运行中的每一次重要转折，他的研究与洞见不仅为投资者提供了宝贵的宏观对冲策略，也为我们理解经济周期与人生财富命运的关系提供了重要启示。这本书以经济周期研究和结构主义为核心，全面而完整地展现了作者独特的逻辑框架

本书参考国外相关经验教训，总结我国金融体制相关政策制度与法规，采用案头调研、现场调研等方法，分析了我国国家金融安全领域的现状和问题，并针对如何防范银行挤兑、实施资本市场机制改革、构建系统性风险的预警体系和构建国家金融安全边界给出了对策建议。

这本书是中国康德拉季耶夫周期理论研究开拓者、“周期天王”周金涛的经典作品。从2006—2007年持续两年的大牛市到2008年次贷危机和2016年大宗商品年度反弹，周金涛先生成功把握和预测了长周期运行中的每一次重要转折，他的研究与洞见不仅为投资者提供了宝贵的宏观对冲策略，也为我们理解经济周期与人生财富命运的关系提供了重要启示。这本书以经济周期研究和结构主义为核心，全面而完整地展现了作者独特的逻辑框架

全书通过按历史年代梳理自大萧条以来的金融创新，分析其形成的原因并追溯其在不同环境中的演变，金融创新产品、工具与市场供求之间的内在联系，帮助读者对现代金融创新的发展有一个比较清晰的脉络，理解金融创新的原动力、以及金融创新在为经济增长带来福音的同时，又如何威胁着整个金融体系的稳定与安全，由此洞察现代金融生态发展的真谛，从一个新视角解读现代金融创新。

本书共分为5章，从基础的Python编程和量化金融概念出发，逐步引领读者进入金融数据分析、量化策略开发、算法交易及风险管理的高级话题；还探讨了生成式AI和ChatGPT在量化金融领域中的应用，为读者提供了一个全面的视角和实用的工具。

本书以ChatGPT为核心技术，结合Python编程和金融领域的基础知识，介绍如何利用ChatGPT处理和分析金融大数据，进行预测建模和智能决策。

本书结合具体实例讲解了金融大模型开发的核心知识。全书共12章，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。

本书比较了在资产配置的收益－风险分析中常用的风险度量，从均值－风险模型与随机占优一致性的角度，给出在资产配置优化中选择风险度量及其对应的均值－风险模型的建议；系统研究和发展了安全首要准则下的资产配置优化理论，给出了资产组合的有效前沿性质以及基金分离现象存在与CAPM成立的条件；分别建立了包含心理账户和背景风险的改进型安全首要模型。

本书讨论了机器学习在量化交易中的应用，包括基木的机器学习算法、特征选择和榄型评估等，帮助读者理解机器学习策略的基本原理和实践方法。通过学习，读者能够了解量化交易的核心概念和方法，掌握Python编程语言和ChatGPT技术在量化交易中的应用，以及各种常见的量化交易策略的实现和优化。