《智能量化：ChatGPT在金融策略与算法交易中的实践》是一部全面而深入的量化金融实战指南，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。《智能量化：ChatGPT在金融策略与算法交易中的实践》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。《智能量化：ChatGPT在金融策略与算法交易中的实践》共分为5章：第1章作为基础，介绍了量化金融、算法交易和Python编程的基础知识；第2章专注于金融数据的获取和处理，包括如何使用APIs和Python库；第3章深入讲解了量化策略与模型，涵盖了从统计学到机器学习再到深度学习和Transformer模型及ChatGPT插件使用的多个方面；第4章是对算法交易与风险管理的全面解析，包括市场微观结构、交易策略和ChatGPT的Code Interpreter功能；第5章对量化金融和算法交易的未来进行了展望，包括人工智能在金融领域中的机遇和挑战。《智能量化：ChatGPT在金融策略与算法交易中的实践》内容深入浅出，实例丰富，实用性极强，特别适合量化金融的初学者和专业人士，也适用于金融分析师、数据科学家和编程爱好者。此外，《智能量化：ChatGPT在金融策略与算法交易中的实践》也可作为金融科技和量化金融相关培训课程的教材。

本书融合了作者在多家国际银行的从业经验。全书以实践者的视角，全流程详细讲解信贷业务，内容包括贷前尽职调查中评估企业的信贷风险，贷中设计信贷结构与条款、撰写信贷报告，贷后管理及识别风险预警信号。作者用浅显易懂的文字、形象的图表和大量真实的案例，把一套完整、系统化的工作流程、信贷思维、财务报表分析方法以及风险管理实战经验，手把手地交付于你。

在投资中，我们时常听到这么一句话：找到优质企业，然后陪伴它成长。这句话中的关键词不是“优质”，而是“找到”。能否“找到”，考验的便是投资者看透估值的能力。有鉴于此，本书尝试搭建一个既有学院派理论基础又能落地应用的估值体系，将源头的理论模型与实战中常用的经验公式整合起来，并融入对交易行为和规则制度的思考，以有助于读者找到优质企业。作者在书中基于逻辑推理搭建框架，用现实案例验证了框架的准确性。全书内容分为四章：第 1 章从理论化的学院派模型讲起，为估值体系的演化提供了框架；第 2 章重点讨论实战中常用的模型，包括 DCF 模型的几种变体及各种估值法；第 3 章进一步推进估值实战化，分析动态的投资过程及人性博弈；第 4 章沿着前三章的框架，进行经典案例的复盘，透过行业差异，寻找规律。本书作者意在通过大量的图表、翔实的案例、生动的语言，手把手地带领读者读懂估值中的共识与博弈。本书适合广大投资者，尤其是二级市场从业者阅读和参考。

本书是一位私募操盘手关于金融投资方法和个人成长的故事，内容生动精彩，不仅展示了作者的投资逻辑，还展示了作者的人生观、价值观。从白手起家开始创业，到面临破产危机；从艰难转型进入金融领域，到形成自己的交易体系；从产生婚姻危机，到对婚姻关系的反思和定义，作者在叙述自己成长故事的同时，融入了大量金融投资方法、知识的讲解，让读者在扣人心弦的故事中，学习金融知识，感受金融市场的现实与残酷，理解金融市场的巨大风险与波动，进而更好地做出自己的投资决策。本书适合对投资有兴趣，但对于金融市场存在诸多困惑，希望了解更多金融知识的读者阅读。

2024年1月1日起，财政部发布的《企业数据资源相关会计处理暂行规定》正式施行，数据资产入表步入实质性落地阶段，这不仅是企业财务合规的必答题，也是企业数字化转型与业务模式创新的重要驱动力。企业在常态化推进数据资产入表工作中，需要自身掌握全流程技能，降低依托第三方的入表成本，因此，亟需高实操性、高参考价值的实践指引和方案参考。《数据资产入表全流程解析》紧密结合理论前沿和业内实践，聚焦数据资产入表核心判定环节，构建了“识别界定—盘点治理—合规确权—收益论证—成本计量—列报披露”入表全流程，形成了一套可复制推广的“数资六步”入表解决方案，并将核心内容凝练到本书中，为财政部《企业数据资源相关会计处理暂行规定》有效落地提供了高参考价值的实操指南，值得数据资产入表需求企业和从事数据资产管理的工作人员参阅和借鉴。本书共分为六个章节，全面论述经济形势和政策背景，多维分析不同行业入表现状，深度解析数据资产入表方法和步骤。以恒丰银行实践为基础，从企业数据资产入表落地路径、实务中组织架构设置、可入表数据资源的类型划分及判定出发，开展数据资产盘点治理，梳理形成数据合规权属检查清单，并详尽介绍数据资产经济利益分析论证、成本计量范围及核算方法、数据资产价值评估及各估值参数的细化测算，进一步配合数据资产科目设置和财务系统适配性改造，完成数据资产入表核算。针对数据资产入表过程中的问题，逐项提出了切实解决方案，助力企业掌握全流程入表技能。

本书讲述了巴菲特从 1 亿美元到 10 亿美元的投资历程。更重要的是，它记录了巴菲特在这一历程中的经验教训，给我们展示了最佳的投资路径。这是巴菲特职业生涯中最令人兴奋的时期，他在股票市场上和管理严密的家族企业群体中，发现了一个又一个具有超级经济特许权特征的好企业。在巴菲特的世界里，现金被投了出去，之后产生了更多的回报，他创造了一个奇妙的良性循环。本书解释了巴菲特进行这些关键投资的理由，但并不回避巴菲特在投资过程中犯下的错误，巴菲特可以从这些错误中学习，我们也可以。胜利与错误交织在一起的结果是：截至 1989 年，巴菲特的个人财富超过 10 亿美元，伯克希尔 - 哈撒韦公司成为世界十大公司之一。这些经典投资案例按首次投资时间排序如下：盖可保险公司（1976 年）《水牛城新闻晚报》（1977 年）内布拉斯加家具城（1983 年）大都会 /ABC / 迪士尼（1986 年）斯科特·费泽（1986 年）费希海默兄弟公司（1986 年）所罗门兄弟公司（1987 年）可口可乐（1988 年）波仙珠宝（1989 年）吉列 / 宝洁 / 金霸王（1989 年）在这一时期的前十年，标普 500 指数翻了一番，而伯克希尔 - 哈撒韦的股价几乎是原来的 29 倍，从不到 89 美元上涨到超过 2 600 美元。在接下来的四年里，标普 500 指数继续表现良好，上涨了 39%，但巴菲特的公司不走寻常路，继续上涨到了原来的 3 倍！本书通过巴菲特最引人入胜的投资案例展示了投资的重要规则，所有希望研究投资、学习投资，或打算温故知新的投资者都将获益匪浅。

为稳步推动银行外汇展业改革，指导银行扎实准备、稳妥推进外汇业务流程再造，更好的帮助反洗钱从业人员和外汇业务人员精通反洗钱和外汇展业管理业务，本书结合当前反洗钱和银行外汇展业工作实际，介绍了洗钱及反洗钱的基础理论和反洗钱国际标准、定向金融制裁和我国反洗钱法律制度，对跨境洗钱风险进行了分析，阐述了开展跨境反洗钱和外汇业务展业管理的重要意义，对客户尽职调查与风险分类、大额交易和可疑交易报告、客户身份资料与交易记录保存、内控建设、宣传培训等反洗钱义务履行和外汇展业管理主要工作内容进行了全面系统讲解。

本书围绕着布雷顿森林体系的建立，讲述了国际货币体系谈判中的内幕故事。当时身为巨大债权国和贸易顺差国的美国，以一场会议、一纸合约终结英国对世界贸易和金融的控制权，但这个扣人心弦的历史时刻却又充满了娱乐性。代表英国谈判的凯恩斯，虽然思想光耀千古，却在决定性时刻难敌美国谈判代表怀特。作者把布雷顿森林会议作为连接点，将第1次世界大战、第二次世界大战、马歇尔计划、国际金融体系、中美关系统统贯通起来，使整部作品相当有深度、有广度、有政治经济战略的高度。

《金融大模型》深入探讨大模型时代的变革机遇、技术原理、应用实践和未来展望等关键内容。以首个零售金融大模型——"天镜"为例，详细介绍了金融领域大模型的各种应用案例，涵盖基于自然语言处理的文本问答与情感分析、基于强化学习的智能决策与机器人控制以及基于多模态智能的实时人机协作等方面。全书聚焦挑战，提供标准构建思路、未来发展方向和负责任AI展望，助力金融从业人员和对新一代人工智能感兴趣的读者了解最新技术动态和未来趋势。本书全面揭示金融领域大模型的应用与发展趋势，也为我国人工智能在金融领域的深层次应用提供创新启示

香港金融业的历史，最早可追溯到开埠之初。经过逾170年的发展，目前已成为香港经济中最具战略价值的行业，具有举足轻重的地位。香港著名金融学家饶余庆教授就认为：“香港之崛兴为一国际金融中心，是第二次世界大战结束以来，香港经济的两大成就之一（另一成就是从一转口港转变为一富裕的工业经济体）。”香港作为亚太区国际金融中心的崛起，约始于20世纪70年代。随着香港经济起飞，百业繁荣，股市蓬勃发展，特别是香港政府采取一系列金融自由化政策，吸引外资银行及跨国金融机构大举涌入香港，香港金融业进入一个快速发展时期，迈向多元化和国际化。在此进程中，金融业形成门类齐全而发达的市场体系，以及健全而较完善的监管制度。回归以后，尽管遭到1997年亚洲金融危机和2008年全球金融海啸的严重冲击，然而凭借着“中国因素”的影响，以及香港特区政府积极推进金融业的改革，香港金融业获得了长足发展，香港作为国际金融中心的地位得到进一步的巩固。本书以作者于2002年撰写出版的《香港金融业百年》为基础，将时空延伸至2017年，从银行业、资本市场、资产管理、保险业以及金融监管等多个角度，全面展现香港金融业横跨一个半世纪以来的发展脉络，用丰富的数据、简练的文字、珍贵的图片，生动而深入地剖析了香港金融体系和金融制度的演变发展及其规律，并据此对香港国际金融中心的未来发展作出展望。本书由香港著名金融学家饶余庆，东亚银行主席兼行政总裁李国宝，香港金银业贸易场、香港证券经纪业协会永远名誉会长胡经昌等推荐作序。