本書共分六大專題，各專題主要內容如下：專題一機器學習在違約前風險企業(yè)信用利差分析及風險預警中的應用研究，詳細介紹了機器學習算法在信用風險預警模型上的應用，包括模型的構建、因子體系、評估驗證的具體細節(jié)以及實際操作中模型訓練與算法比較相關內容。專題二基于圖挖掘技術的區(qū)域城投風險預警研究，展示了機器學習算法在金融風險預警和城投債務問題上的應用，介紹了圖分析技術模型原理與工作機制、模型的構建及訓練過程、結果解析等相關內容。專題三機器學習在FOF基金投研數(shù)字化領域的應用研究，運用機器學習算法開展基金績效評估、行業(yè)配置、行業(yè)測算、組合管理等方面研究，介紹了有關模型設計細節(jié)與實證研究相關內容。專題四神經網絡在保險資金量化投資中的應用研究，介紹了機器學習算法的外延與內涵、神經網絡算法在量化選股中的應用以及神經網絡應用于保險資金量化投資的具體問題和未來展望相關內容。專題五基于混頻數(shù)據(jù)及共享信息挖掘的深度學習模型在量化中的應用，介紹了深度學習模型在股票市場、量化市場和共享信息方面應用的具體細節(jié)以及模型改進、實證結果等相關內容。專題六大規(guī)模預訓練模型在量化投資中的應用，介紹了自然語言處理及大語言模型概況、大模型在量化投資中的應用以及實證結果等有關內容。本書理論聯(lián)系實踐，可以為保險資管行業(yè)的從業(yè)者提供寶貴的理論參考與實踐指導。