1.1　本书的内容概要

本书不仅仅是关于金融业的投资与交易，更是计算机与金融相结合的最直接成果。投资公司的客户包括保险公司、养老金等，这些客户本身也是金融类服务公司，而他们的客户包括拥有养老金的普通民众和受保险人。大部分银行客户就是日常百姓，人们与银行、保险公司、养老金管理者的交互越来越多地通过客户手机上的App（应用程序）进行。

在过去的20年里，零售银行商都是基于这样一个事实来运营：人们愿意到分支网点去面对面地提取现金或进行交易。当顾客们在分支网点的时候，他们的投资顾问还向他们销售抵押贷款和保险等产品。今天，顾客仍然愿意购买抵押贷款、保险等产品，但是他们并不需要亲自到网点购买这些产品。今天，银行倾向于推荐顾客通过手机App或者网站来在线购买产品。

在线销售的前提是银行能够通过用户数据很好地理解用户的实际需求，并为他们提供定制化的线上服务体验。同样地，从顾客角度来看，他们希望能够通过电话来提交保险订单并立即得到响应。今天，保险公司需要通过自动评估保险订单并形成决策来满足用户的需求。

本书不会教你如何编写能够快速挣钱的交易算法，而会谈到在金融行业中构建机器学习驱动的系统所需的技术与技巧。

构建任何有价值的东西都需要时间和努力。当下，市场在构建这种有价值的东西（比如经济学）方面是非常低效的。机器学习的应用将会在未来的数十年里变革金融行业。这本书为你提供参与这场变革所需的工具。

本书中很多例子使用了非金融领域数据。这本书没有使用股票市场数据，主要有3个原因。

（1）本书呈现的例子证明了这些技术可以很容易地应用到其它数据集。因此，数据集的选择既要容易计算，也要向像你一样的专业人士展现一些共性的问题。

（2）金融数据本质上来讲是具有时效性的。为了让本书在更长时间范围内具有价值，也为了在机器学习仍非常重要的情况下，本书能持续作为你的工具书，我们使用了相关但非金融的数据。

（3）使用可替代和非经典的数据也是为了激励读者思考：在程序中可以使用哪些其它的数据？你能否通过植物的航拍画面来扩充你的谷物定价模型？你能否使用Web浏览器的行为数据来提供金融产品？如果你想充分利用身边的数据，跳出定势来思考是你必须具备的能力。