上海财经大学上海国际金融中心研究院（以下简称“研究院”）作为核心上海高校智库，紧密对接国家和上海的重大发展战略，开展持续深入的研究。为了汇集校内外众多专家、学者的智慧，研究院搭建了开放的协同研究平台。自2015年起，结合研究院的研究领域、每年安排专项经费、用于研究院自设课题的研究。自设课题由研究院专家团队和研究院学术委员提出建议、并由研究院学术委员会审定后对外发布、公开招标，支持校内外的优秀研究团队围绕研究院精心筛选的重大问题展开研究。本期挑选三篇研究报告，其中，商业银行信贷与制造业金

本书分理论篇、评价篇、实践篇三部分，内容包括：科创金融的相关概述、科创金融相关基础理论、科创金融评价基础、科创金融景气指数研究框架、中国城市科创金融景气度评价、科创金融融资景气度分析、科创金融投资景气度分析等。

本书主要通过对世界经济危机波及下的交通银行、棉纺企业等具体案例的史实论证，分析政府强行改组银行的前因后果、银企之间以借贷关系为核心的资金挹注，以及政企之间错综复杂的利益纠葛，并从法币改革、金圆券和银元券的特殊发行等币制史演进过程，考察其与企业发展的互动关系。

本教材在设计上遵循重点突出、结构合理、体系完整的编写逻辑，注重学生对国际金融学的理论体系构建以及相关的实践应用。本书从国际金融的理论出发，同时兼顾科学性和前瞻性，反映了学科前沿和国际金融领域的最新发展，较为全面地介绍了相关内容。本书易于理解、便于教学，具有广泛的适应性，既可作为高等院校财经类高年级本科生的专业课教材，也可作为研究生的专业教材。

传统的股市技术分析书籍一般从图表模式和技术指标出发，分析如何选择进入点和退出点、开发交易系统以及制定成功的交易计划。近年来，机器学习与神经网络技术快速发展，并且与传统量化方法相结合，产生了无限的可能性。基于此趋势，本书将重点放在交易模型的构建上，即如何寻找合适的算法来实现交易以及如何优化这些算法。本书直接从技术指标等数据出发，介绍了交易模型与投资组合优化方法、如何利用基础算法（线性回归、lightGBM）预测股市的涨跌与股价、利用消息面来预测市场情绪、利用深度学习和强化学习算法预测股票，以及如何

本书挑战了金融风险领域的传统智慧，解释了以简单的方案管控金融体系为何注定会失败。本书认为核心风险产生于体系内部，生发于个体之间的相互作用，并因无数个体的信仰、目标、能力和偏见而永久存在。人们普遍认为风险源于金融体系之外，这一错觉削弱了我们度量和管理风险的能力，同时，新的监管法规虽然有助于降低小规模风险的水平，但反而鼓励过度的风险承担。书中援引过去和最近的危机教训，说明多样性是保护金融体系的最佳方式。

本书的主要贡献在于将投资组合的金融理论、高维高频协方差矩阵估计与预测的统计理论和各类机器算法有机结合在一起，尝试应对高频交易、高维资产的市场特征下投资组合模型应用面临的挑战。

本书可供从事金融理论、金融科技研究和量化投资的读者参考。

以从业者视角探讨如何在金融领域有效运用大数据和机器学习。
近年来，机器学习和数据科学在投资中发挥着越来越大的作用。借助机器学习和大数据，投资经理能够做出以往传统模型无法实现的预测，进而做出明智的决策。然而，并不是所有的数据集和机器学习技术都对金融投资有用，也不是所有的机器学习技术都可以即插即用。
《大数据、机器学习与量化投资》这本书由资深量化分析专家托尼·吉达主编，汇集了多位业内颇具影响力的专家学者的前沿分享，阐释如何应用机器学习和大数据技术来解决投资问题

私募股权和风险投资（PE/VC）领域中的股权投资协议应当如何进行条款设置？该等条款设置在争议解决过程中又将被如何认定与裁判？本书一方面从投资退出的视角出发，系统地分析了PE/VC股权投资协议中涉及的重要条款，如先决条件、股东资格、对赌设置及特殊股东权利等，以及这些条款在实践中可能引发的争议和风险；另一方面,本书结合国内外法律规制和司法实践，对该等风险提出具体的防范措施与建议。

这是一本关于宏观经济周期与资本市场研究的经济类著作。全书在大国博弈、科技为王的时代背景下，阐述了数字经济发展历程及数字科技赋能下的金融创新，并将数字经济与绿色金融有机结合进行前瞻研判。该书结合市场大热点ESG（环境、社会和公司治理）投资进行分析，强调要把握新一轮科技革命和数字产业新机遇的战略选择，进而提振我国消费与投资增速，提升产业生产与服务效率，从而提升产业竞争实力，为我国经济发展提供新动能。该书结合市场大热点ESG（环境、社会和公司治理）投资进行分析，强调要把握新一轮科技革命和数字产业