本书主要基于人工智能的理论和方法，系统性地研究系统性金融风险的预测问题。分别从金融机构和金融市场、风险网络动态预测、系统性金融风险三个维度展开风险的预测研究。首先，本书提出了金融时间序列数据的生成方法，为金融风险数据生成提供理论方法和工具。其次，基于可解释机器学习方法分别对债券违约、股票市场风险和质押风险、银行违约风险进行了预测，并研究了各影响因素的重要程度与风险的作用机制。再次，使用深度学习模型对风险溢出网络进行了预测研究，实现了对整体风险网络的动态预测。最后，使用人工智能方法对全球金融危机预警展开研究，对影响金融危机发生的因素进行可解释性分析；通过选取金融子市场的多个指标，对我国系统性金融风险进行了预测。本书的研究结果可为风险的早期识别、实时监控和预警提供理论方法和工具，为监管部门防范系统性金融风险提供技术参考。

1 绪论
1.1 研究背景
1.2 研究内容
1.3 理论模型
2 基于人工智能的系统性金融风险数据生成研究
2.1 引言
2.2 文献综述
2.3 金融时间序列生成模型构建
2.4 金融风险数据生成与结果分析
2.5 结论与展望
3 基于人工智能的股票市场风险预警研究
3.1 引言
3.2 数据及描述性统计
3.3 模型预测结果对比
3.4 股票市场风险影响因素的可解释性分析
3.5 结论
4 基于人工智能的公司债券违约预测研究
4.1 引言
4.2 特征选择与数据处理
4.3 公司债券违约预测
4.4 公司债违约影响因素的可解释性分析
4.5 结论
5 基于人工智能的城投债信用风险预测研究
5.1 引言
5.2 文献综述
5.3 样本选取和数据处理
5.4 模型预测结果与分析
5.5 信用风险影响因素的可解释性分析
5.6 结论
6 基于人工智能的银行违约风险预警研究
6.1 引言
6.2 数据及描述性统计
6.3 实证分析
6.4 结论
7 基于人工智能的企业违规风险预警研究
7.1 引言
7.2 数据选择与处理
7.3 企业违规预测与分析
7.4 结论
8 基于人工智能的风险溢出网络预测研究
8.1 引言
8.2 文献综述
8.3 模型构建
8.4 风险溢出网络构建和分析
8.5 基于深度学习的网络预测
8.6 风险网络预测结果分析
8.7 结论
附录 稳健性检验
9 基于人工智能的我国经济周期预测研究
9.1 引言
9.2 文献综述
9.3 数据选取
9.4 基于机器学习的经济周期预测研究
9.5 结论
附录A 数据说明与描述性统计
附录B 小型数据集的预测结果
10 基于人工智能的全球金融危机预警研究
10.1 引言
10.2 数据选取与处理
10.3 模型构建与结果分析
10.4 预测金融危机的影响因素可解释性分析
10.5 结论
11 基于人工智能的系统性金融风险预警研究
11.1 引言
11.2 模型构建
11.3 数据选取及描述性统计
11.4 金融压力指数的构建
11.5 系统性金融风险预测研究
11.6 结论
12 结论与建议
12.1 研究结论
12.2 政策建议
参考文献