1.1　本書的內容概要

本書不僅僅是關于金融業的投資與交易，更是計算機與金融相結合的最直接成果。投資公司的客戶包括保險公司、養老金等，這些客戶本身也是金融類服務公司，而他們的客戶包括擁有養老金的普通民眾和受保險人。大部分銀行客戶就是日常百姓，人們與銀行、保險公司、養老金管理者的交互越來越多地通過客戶手機上的App（應用程序）進行。

在過去的20年里，零售銀行商都是基于這樣一個事實來運營：人們愿意到分支網點去面對面地提取現金或進行交易。當顧客們在分支網點的時候，他們的投資顧問還向他們銷售抵押貸款和保險等產品。今天，顧客仍然愿意購買抵押貸款、保險等產品，但是他們并不需要親自到網點購買這些產品。今天，銀行傾向于推薦顧客通過手機App或者網站來在線購買產品。

在線銷售的前提是銀行能夠通過用戶數據很好地理解用戶的實際需求，并為他們提供定制化的線上服務體驗。同樣地，從顧客角度來看，他們希望能夠通過電話來提交保險訂單并立即得到響應。今天，保險公司需要通過自動評估保險訂單并形成決策來滿足用戶的需求。

本書不會教你如何編寫能夠快速掙錢的交易算法，而會談到在金融行業中構建機器學習驅動的系統所需的技術與技巧。

構建任何有價值的東西都需要時間和努力。當下，市場在構建這種有價值的東西（比如經濟學）方面是非常低效的。機器學習的應用將會在未來的數十年里變革金融行業。這本書為你提供參與這場變革所需的工具。

本書中很多例子使用了非金融領域數據。這本書沒有使用股票市場數據，主要有3個原因。

（1）本書呈現的例子證明了這些技術可以很容易地應用到其它數據集。因此，數據集的選擇既要容易計算，也要向像你一樣的專業人士展現一些共性的問題。

（2）金融數據本質上來講是具有時效性的。為了讓本書在更長時間范圍內具有價值，也為了在機器學習仍非常重要的情況下，本書能持續作為你的工具書，我們使用了相關但非金融的數據。

（3）使用可替代和非經典的數據也是為了激勵讀者思考：在程序中可以使用哪些其它的數據？你能否通過植物的航拍畫面來擴充你的谷物定價模型？你能否使用Web瀏覽器的行為數據來提供金融產品？如果你想充分利用身邊的數據，跳出定勢來思考是你必須具備的能力。