本书共分为七个章节，第一章简单介绍了研究背景及意义；第二章梳理了当前国内外关于股票市场分歧的研究进展，并提出了本书的研究问题；第三章和第四章提出了股票市场结构性分歧概念，并探讨了市场结构性分歧对市场收益及趋势预测的影响；第五章、第六章提出了市场结构性分歧视角下的择股策略；最后一章对全书进行了总结，并对未来的研究进行了展望。

本书是作者对自己20多年投资经验的深刻总结，结合本杰明，格雷厄姆、沃伦·巴菲特、查理·芒格等投资大师的价值投资理念，揭示了价值投资的底层逻辑，梳理了价值投资的选股重点、财务报表的分析要点以及投资者需要掌握的投资原则，提出价值投资逆向思维与反“羊群效应”的操作模式。

本书为中粮期货公司的资深交易专家，在业内有“黄铜铝”之称的黄圣根老师时隔十年的新著作。自从上一版图书出版后十年，黄老师又经历了几次大宗商品市场交易的洗礼，对市场形成了全新的认识。相较于上一本书的重市场分析，重趋势的研判策略，本次的这本书更注重交易策略，注重资金管理，注重交易心理。黄老师认为期货交易的成功是有一定概率性的，与其押注在小概率的大胜事件上，不如押注于大概率的小胜。而将筹码资金进行细分，就能为自己赢取更多的交易机会，从而积小胜，维持稳定的年化收益率，从而成为交易人生的赢家。

本书着重从多个方面为读者讲解期货市场中价格波动时的各种规律性变化，从而让读者拥有掌握价格波动规律、看透当下行情演变的分析能力。价格波动规律是历史大数据的结晶，当某一种现象经常在历史上重复，而当下又再度形成该规律性变化时，投资者必须引起重视，这将很可能会带来一次较大的操作机会。
首先为读者朋友介入的是行情演变时的规律性变化，学会了这些内容，读者朋友再面对价格行情的变化时，便可以做出准确的定性，从而结合行情演变的性质制定出现符合实际走势的操作策略。其次，为读者朋友讲解量能形态的种种规

本书较全面和系统地阐述了互联网金融理财产品收益与风险度量及控制方法，研究对象包括P2P网络借贷、互联网众筹、互联网活期保险理财及结构性理财产品等，研究方法包括复杂网络、深度学习、大数据分析、随机分析、人工智能技术等，研究成果既有理论模型和方法的创新，又有中国互联网金融市场的实际应用结果，丰富了互联网金融理论与实践。

本书内容分为五部分：第一部分，基金基础知识。主要介绍基金的基本概念、分类、运作流程等基础知识。第二部分，基金投资策略。主要介绍选择基金考察的主要指标，购买基金的步骤，以及货币型、债券型、股票型和混合型等不同类型基金的投资技巧。第三部分，基金作为配置工具的运用。主要介绍基金组合的构建，为什么要构建基金组合、组合的分类、如何构建组合，以及基金组合的优化等内容。第四部分，基金风险和绩效评估。这部分主要介绍如何评估基金的风险和收益，通过定量和定性分析，帮助读者了解基金的风险水平、盈利能力等信息

从2021年开始，日元大幅贬值，这不是一个短时的市场现象，而是日本外贸、经济增长结构发展遭遇拐点的必然结果。外部的市场现象只不过是这场巨变的催化剂。本书并不是一本探讨日元短期下跌的市场分析书籍，作者希望创作一本“不会因时间而腐朽的著作”，希望通过日元暴跌背后几十年的日本外贸、国债发展历程，探讨国际贸易、汇率、经济增长背后的深刻逻辑，同时还揭示汇率变化对经济和普通人的生活的影响。作者认为，根据金特尔伯格的“国际收支发展阶段论”理论，日本已经完整走完了整个周期，当下正面对着债权国地位崩溃的现实。而对

作者以其驻外一线深厚金融业内经验根基和长期经济金融理论研究的功底，跟踪美国金融、经济政策演变及其影响，细察百年变局及国际大势，文章观点鲜明、逻辑严谨、影响广泛。该书稿笔力精进，观点成熟，引发了读者的热评和积极反响，在各主要财经媒体广泛传播。书稿对读者理解当前中美经济关系以及国际政治经济领域的重大事件、演进趋势及内在逻辑，可提供某种具有启发性的角度。书稿精选过去3年来作者发表的关于中美经济关系的评述文章做结集出版。

本书从回顾货币及金融发展史出发，分析了数字化货币诞生的必然性及必要性，以详细剖析具 有开创性的比特币系统的基础技术、体系架构、数据结构、核心算法、通信协议的方式，解构其金 融科技的本质和能力，以点带面、举一反三，揭示区块链技术和应用的演化发展规律，论述区块链 作为数字底座对于金融科技及各领域数字化转型升级的关键性支撑作用，以及在实现数字身份、数 字资产、审计监管、自治组织方面对当前数字经济、未来元宇宙的稳定性基石作用。

本书内容包括：（1）经济金融数据分析及其环境；（2）Python数据分析程序包应用基础；（3）Python数据分析的存取；（4）Python图形的绘制和可视化；（5）概率统计分布的Python应用；（6）描述性统计的Python应用；（7）参数估计的Python应用；（8）假设检验的Python应用；（9）一元回归数据分析Python应用；（10）多元回归数据分析的Python应用；（11）机器学习数据分析的Python应用；（12）时间序列数据分析的Python应用；（13）量化金融数据