眾所周知，金融的背后是數(shù)據(jù)與信息，而信息技術(shù)處理的是數(shù)據(jù)與信息，因此金融與信息技術(shù)天然親近，極易交叉融合。從20世紀70年代開始，金融機構(gòu)將信息技術(shù)廣泛運用于清算、結(jié)算、風控、放貸等核心業(yè)務(wù)，從而提高了效率，降低了成本，管理了風險。近年來，先進的信息技術(shù)高速發(fā)展，移動互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、區(qū)塊鏈、人工智能等新興技術(shù)更多地應(yīng)用于金融行業(yè)的各個領(lǐng)域，金融與科技（尤其是信息技術(shù)）的融合邁上了新的高度，金融科技（FinTech）應(yīng)運而生。在國內(nèi)，金融科技的初級階段又被稱為互聯(lián)網(wǎng)金融。國際金融穩(wěn)定理事會（FSB）認為，金融科技是技術(shù)帶來的金融創(chuàng)新，它能夠產(chǎn)生新的商業(yè)模式、應(yīng)用、過程或產(chǎn)品，從而對金融市場、金融機構(gòu)或金融服務(wù)的提供方式產(chǎn)生重大影響。金融科技在本質(zhì)上仍是金融，是科技服務(wù)金融的新手段，是金融的延伸。
　　顯然，在金融與科技的逐漸融合中必然積累了包括用戶信息、資產(chǎn)負債、資金交易等各方面的海量數(shù)據(jù)，而海量數(shù)據(jù)又反作用于金融科技的進一步發(fā)展和創(chuàng)新。在此相互作用的過程中，海量數(shù)據(jù)（大數(shù)據(jù)）是關(guān)鍵的紐帶。麥肯錫認為，大數(shù)據(jù)是指其大小超出了常規(guī)數(shù)據(jù)庫工具獲取、儲存、管理和分析能力的數(shù)據(jù)集。通過挖掘大數(shù)據(jù)，反映事物發(fā)展的客觀事實，獲得事物未來發(fā)展的趨勢，從而讓人類站在一個前所未有的高度去俯視世界。金融業(yè)聚集的海量數(shù)據(jù)，為業(yè)務(wù)創(chuàng)新、降本增效、控制風險提供了堅實的基礎(chǔ)，使得大數(shù)據(jù)技術(shù)率先且有效地應(yīng)用于金融領(lǐng)域。
　　大數(shù)據(jù)需要特殊的技術(shù)解決數(shù)據(jù)的獲取、儲存、管理和分析等問題。數(shù)據(jù)挖掘作為大數(shù)據(jù)的關(guān)鍵技術(shù)之一，主要致力于大數(shù)據(jù)分析、知識獲取和未來預測等。具體地說，數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中通過算法搜索隱藏于其中的有效信息的過程。數(shù)據(jù)挖掘基于計算機科學、人工智能、機器學習、統(tǒng)計學等相關(guān)的理論方法和技術(shù)手段，從數(shù)據(jù)中自動歸納、總結(jié)和發(fā)現(xiàn)未知的、隱藏的規(guī)律和知識，從而輔助或服務(wù)于決策。通俗地講，如果把大數(shù)據(jù)比作海洋，未知的、隱藏的規(guī)律和知識則為魚，而數(shù)據(jù)挖掘就是捕魚的工具。在金融領(lǐng)域，數(shù)據(jù)挖掘的應(yīng)用已經(jīng)初顯成效。常見的應(yīng)用主要包括：客戶關(guān)系管理、金融風險識別與管理、金融市場趨勢預測、金融犯罪識別、信用評估等。
　　金融科技的發(fā)展浪潮勢不可擋。2019年6月，央行行長易綱在第十一屆陸家嘴論壇發(fā)表演講時強調(diào)：“未來，全球金融增長點在于金融科技，國際金融中心競爭的焦點也在金融科技。因此，我們應(yīng)高度重視金融科技發(fā)展，”2019年8月，中國人民銀行印發(fā)《金融科技（FinTech）發(fā)展規(guī)劃（2019-2021年）》，明確指出金融業(yè)需秉持“守正創(chuàng)新、安全可控、普惠民生、開放共贏”的基本原則，充分發(fā)揮金融科技賦能作用，推動中國金融業(yè)高質(zhì)量發(fā)展。為適應(yīng)“無科技不金融”的時代背景，近年，教育部先后批準增設(shè)了互聯(lián)網(wǎng)金融和金融科技專業(yè)。同時，傳統(tǒng)金融類本科專業(yè)也面臨著升級改造，迫切需要在人才培養(yǎng)和專業(yè)建設(shè)中融合更多的科技元素。但是，目前市面上極為缺乏這方面的教材和配套資源，不利于教學組織和實施�；�于此，中央財經(jīng)大學李建軍教授牽頭成立了金融科技系列教材編委會，由我們負責編寫《Python金融數(shù)據(jù)挖掘》教材，希望為金融類人才培養(yǎng)和專業(yè)建設(shè)做一些有益的嘗試和探索。廣東金融學院作為一所具有“央行基因”的財經(jīng)類院校，2015年始即在人才培養(yǎng)方案中設(shè)置了“Python金融數(shù)據(jù)挖掘”課程，編制了豐富的教學講義和實驗素材。為進一步提高教材質(zhì)量，此次我們組織了跨學校、跨院系的專家編寫團隊。團隊成員包括廣東金融學院鐘雪靈教授、侯防博士（系統(tǒng)分析師）、陳靈教授，河北金融學院張紅霞教授，首都經(jīng)濟貿(mào)易大學余穎豐副教授，上海師范大學宋玉平博士，以及廣東金融學院潘章明副教授、高平安副教授、彭詩力博士（系統(tǒng)分析師）、黃承慧博士（系統(tǒng)分析師）、齊菲菲博士、劉芳博士、陳曉麗博士、鄧振杰博士、周宇文博士。
　　本教材以行業(yè)廣泛使用的Python為實現(xiàn)工具，介紹常見的金融數(shù)據(jù)挖掘方法和理論。全書包括17章，分為基礎(chǔ)篇、算法篇、應(yīng)用篇三部分內(nèi)容�；�礎(chǔ)篇主要包括數(shù)據(jù)挖掘概述，實驗環(huán)境搭建以及數(shù)據(jù)挖掘方面的Python程序包等基礎(chǔ)內(nèi)容；算法篇包括關(guān)聯(lián)分析、數(shù)據(jù)分類、數(shù)據(jù)聚類、時間序列分析等常見的數(shù)據(jù)挖掘算法；應(yīng)用篇介紹了三個較典型的金融數(shù)據(jù)挖掘綜合應(yīng)用案例。本教材與其他數(shù)據(jù)挖掘教材相比，具有以下特色：（1）教材中所有案例都精心選自金融領(lǐng)域的關(guān)鍵場景；（2）重視數(shù)據(jù)挖掘在金融領(lǐng)域的應(yīng)用實踐，而不過分拘泥于繁雜的數(shù)據(jù)挖掘理論。
　　學習本課程要求先修“Python程序設(shè)計基礎(chǔ)”課程或者其他程序設(shè)計基礎(chǔ)課程。至于教學安排，建議教學時間17周，每周4學時，理論教學和實驗教學各2學時，講授教材一章的內(nèi)容。若學時不足，可在算法篇中適當做一些取舍。
　　本教材由鐘雪靈教授、侯防博士（系統(tǒng)分析師）、張紅霞教授、陳靈教授、余穎豐博士和宋玉平博士共同編寫。全書由鐘雪靈教授定稿，潘章明副教授協(xié)助。教材編寫過程中，高平安副教授、彭詩力博士（系統(tǒng)分析師）、黃承慧博士（系統(tǒng)分析師）、齊菲菲博士、劉芳博士、陳曉麗博士、鄧振杰博士、周宇文博士參與了審稿修訂。金融科技應(yīng)用研究院梁辰龍先生、陳健榮先生以及陳曦先生為綜合案例“信用評分模型開發(fā)”的撰寫提供了幫助。中央財經(jīng)大學李建軍教授和高等教育出版社郭金錄副編審牽頭召開了多次教材編寫研討會，與會專家提出了眾多寶貴意見，進一步完善了教材。高等教育出版社編輯為本書的順利出版也付出了巨大的努力。在此一并向為本書出版付出辛勤勞動的朋友們表示衷心的感謝！
　　數(shù)據(jù)挖掘在金融業(yè)的應(yīng)用尚是一個嶄新的領(lǐng)域，對它的認知和研究仍在不斷深入，而且編者水平有限，經(jīng)驗不足，書中難免存在謬誤，敬請讀者朋友們多多包涵。我們真心期望讀者朋友們提出寶貴意見（反饋意見請發(fā)至：tzhongxl@gduf.edu.cn），以便再版時修訂，共同努力完善此教材。