通过全新数据揭示国际货币的过去、现在和未来在第二章中，我们简要勾勒了本书的背景，描述了公司、银行和政府持有外汇余额（存放于外国金融中心的、以外国货币计价的银行存款和证券）做法的缘起，以及从19世纪晚期至第一次世界大战前国际货币和金融市场的整体轮廓。接着，第三章讲述了故事的下一阶段，从第一次世界大战爆发至20世纪20年代初，从1910年哲基尔岛会议为成立美联储及美元国际化进程打下基础，到1922年热那亚会议上各方就转向以外汇为基础的货币和金融体系达成一致。第四章至第六章提出了20世纪二三十年代储备货币的新证据、同时期贸易融资活动所使用的货币情况以及长期国际投资中使用的媒介货币情况。这一部分是支持“？新观点？”的核心证据。第七章至第十一章是现代国际货币的故事。第七章描述了从第二次世界大战结束至21世纪初不同国家的货币在国际储备货币中重要性的相对变化，举例说明了网络递增回报效应、源自其他因素的持续性（如习惯和传统）以及储备货币发行国政策等因素的重要性不断发生着变化。第八章和第九章举了两个能够为未来指明方向的例子。第八章重点关注第二次世界大战后外国持有英镑作为外汇结存的情况，以及英国政府为管控其影响力逐渐衰落的国际货币所付出的努力。第九章讨论了日元试图成为国际货币的失败经历。它研究了日本当局努力推动日元国际化的尝试并讨论了为何这些尝试以失败告终。这两则案例研究间接地回应了以下两个问题：欧元区和中国能否成功使其货币国际化？欧元和人民币是否可能成为美元旗鼓相当的对手？它们也提出了以下问题：关于货币国际化的先决条件，历史能给我们提供哪些答案？美国应当如何应对竞争对手的崛起，又应当如何管控美元国际主导地位逐步丧失的情况？我们在第十章和第十一章中对这些问题进行了讨论，这两章也分别研究了欧元和人民币成为国际货币的前景。第十二章总结研究了欧元和人民币的国际化对美元与世界经济的总体影响。

本书是一本精炼而系统化的趋势交易手册，通过对大量期货交易品种的观测，作者发掘了一套识别有交易价值的趋势的方法，介绍了趋势交易仓位控制与资金管理，如果说卡沃尔的《趋势跟踪》是一本包罗万象并极富个人色彩的交易指南，而本书则是一本体系化的教程。在新的版本中，作者加入了有关数据、编程、测试以及交易者职业生涯的章节，同时又更新的部分的章节，让这本有着10年历史的著作更适用于当下的市场环境。

截止到2021年8月底，国内债券市场存量规模已超过120万亿元，仅次于美国。债券市场相关从业人员估计也有数十万人之多，并且每年仍有毕业生源源不断涌入，从毕业生成长为专业的从业人员往往需要经历漫长的成长过程，由于知识体系纷繁复杂，很多人在其中走了不少弯路。故而龙红亮博士在2018年撰写了《债券投资实战》一书，写作初衷便是希望为债券市场从业人员提供一本简单易学的入门培训教材，从而辅助大家更好 更快地成为一名优秀的从业者。此书出版发行之后，得到了很多读者的肯定。但美中不足的是，受限于内容定位和篇幅，此书并没有深入探讨债券的交易策略，而这点正是很多读者希望了解的。本书就是为了弥补心中上述缺憾而写就的。与第一本书一样，本书仍然专注于债券买方视角

价值投资就是实业投资思维在股市上的应用，从投资的角度来看，经济的高质量发展必然呼唤价值投资。本书包括五章内容：第一章从股票市场的历史出发，阐述了股份制公司的起源和股票交易的兴起，到股票市场秩序的建立；第二章分析股票市场流动性与实体经济、股票价格、公司治理之间的关系的演变；第三章分析股票价值的信号与噪声，以案例说明 价值信号失真的机制以及指数投资启示；第四章探索价值投资的理论及实践，以历史上一些成功的投资人作为实践事例，探索价值投资的理论；第五章分析价值投资在中国的历程与未来，对价值投资在中国的应用进行解读，并展望上市公司的高质量发展。本书是作者多年理论研究和实践探索的总结，能够帮助读者更好地了解价值投资的起源、发展、在中国的现状和未来。

本书将作者与一代传奇交易天才汤姆·巴索的播客访谈内容汇集成书，讲述了这位金融怪杰的生财之道。这套交易模型专注于利用股票价格有涨有跌的趋势变动，制定出一套计算机程序。该程序每天获取数据，运行内置的算法自主做出投资决策。 作为一位优秀的趋势跟踪者，汤姆认为可用对冲的方式跟紧市场走势移动止损。即利用黑天鹅事件优势等重大市场变动，捕捉大趋势赚得巨额收益，抵消之前交易中出现的很多笔小额亏损。他的这种算法交易可帮助投资者腾出足够的时间静下心去思考、而不再痴迷于每天的盯盘交易。

《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。