本教材按从理论到实践、从国内至国际的逻辑关系安排课程体系，系统而全面，循序渐进。基本体系包括导论、货币与货币制度、信用、利率、金融机构体系、商业银行、中央银行、金融市场、国际金融、货币需求、货币供给、通货膨胀与通货紧缩、货币政策、金融风险与金融监管、金融创新、金融与经济发展、金融领域中的新发展等诸多方面。本书以货币金融知识为主，重点突出思政案例教学，每章内容后配备2个案例，每个案例提炼出思政元素并附有简要提示。本书内容力图反映货币金融领域的最新动态，并根据形势的发展更新了有关的数据资料。同时，为

本书以数字金融的相关概念和生态系统为逻辑脉络，梳理了数字金融及其主要业态的发展历程与现状。全书共九章，涵盖数字技术、数字金融基础设施、数字支付、数字信贷、数字理财、产业数字金融、数字金融治理与数字金融消费者权益保护等。每章内容包括学习目标、案例导读、拓展阅读、素养目标、思考与练习。本书遵从数字金融的主流研究和实践发展，立足国家实情，依托实践案例引导读者深化对知识的理解，同时结合前沿研究和思政内容，系统介绍数字金融中的相关价值和发展趋势。本书配有丰富数字资源，包括精选课程视频/习题及答案/拓展阅读

全书无政治问题，价值导向正确。本书全面系统地阐述了国际结算的基本理论、基础知识和实务操作技能，内容丰富，实用性强，并根据新形势下的要求增加了课程思政的案例，反映了当前国际结算发展的新趋势和新变化。本书共10章，主要内容有国际结算概述，国际结算工具（票据），国际结算方式（汇款、托收、信用证、银行保函和备用信用证），国际结算单据，国际贸易融资，跨境贸易人民币结算，跨境电商支付与结算等。此外，各章均设有本章学习要点、导入案例、知识拓展、思考和练习等内容，为适应新形势的发展，每章还有配套的线上资源，包括

新版教材的具体修订原则如下：
1. 继续保持教材原有的基本体例和特色。本教材原有的体例是：每章从“引例”开始，精选的“引例”可以引起学生对本章内容的兴趣和思考，使学生带着问题学，增强了学生的学习兴趣，有利于实现学习目标。每一章都设计了3项学习目标，即知识目标、技能目标和综合目标，也相应地设计了3项训练，即知识训练、技能训练和综合训练，它们是一一对应的关系。通过正常的讲授和训练，可以保证各项教学目标的实现。
2.全面更新内容和学习资源。近几年，高职的“金融市场”课程在结构和内容上都有了较

在《国际金融》中，三位作者结合中国与其他发展中国家的实际经验，系统介绍了国际金融领域的经典理论、模型、案例，并讨论它们在中国的具体应用。内容安排方面，本书首先介绍国际金融中最重要的变量——汇率；然后介绍一个国家的国际收支平衡表，金融的全球化成本收益分析，开放经济中一个国家的财政、货币政策组合；最后介绍一个国家的汇率制度选择，以及各个国家面对全球经济冲击时协调货币政策的可能性。在介绍完经典模型后，本书专门讨论如何将经典模型用于分析中国的经济问题，特别是中国逐步开放的动态过程。同时，本书涵盖大量数据

本书介绍了证券投资的基本理论和各种具体证券的有关投资内容。全书共9章，包括证券投资概述、债券、股票、证券投资基金、金融衍生工具、证券市场运行、证券投资基本分析、证券投资技术分析，以及量化投资、大数据分析与智能投顾。 本书配有PPT课件、教学大纲、电子教案、课后习题答案、模拟试卷及答案等教学资源，用书老师可在人邮教育社区免费下载使用。 本书可作为普通高等院校金融学、投资学、金融工程、信用管理、会计学、保险学、国际经济与贸易、经济学、财务管理和审计学等专业相关课程的教材，也可作为投资者进行培训或自学

本书是高等学校开设证券期货量化交易虚拟仿真实验课程的配套用书。本书不仅介绍了量化交易的基本知识，还精心设计了分别针对股票量化交易、期货量化交易、期权量化交易的虚拟仿真实验。学生可以通过学习本书，由浅入深、逐步地完成证券期货的行情分析、多空交易、套利策略设计与执行、量化策略开发与模拟等实验内容，培养利用计算机信息技术进行金融产品量化交易的能力。

本教材从内容上可以划分为三个部分：第一部分为基础篇，是全书的总括，主要对数字金融的发展路径、核心技术、金融科技在金融行业的应用进行了入门介绍。第二部分为技术篇，重点介绍了云计算的特点及金融机构云计算架构、区块链的特点、人工智能的要素以及它们在金融领域的应用场景。第三部分为应用篇，重点介绍了数字金融的运营场景。

全书共7章，主要内容包括导论、工程项目融资的运作与组织、工程项目融资的合同管理制度、工程项目融资的成本与结构、工程项目融资的现代模式、工程项目融资的风险分担与风险管理、工程项目融资的担保。

本书介绍了金融实证分析的主要方法和前沿问题、金融与财务机器学习的主要方法、评估方法和案例等。本书共12章，包括：金融与财务领域的机器学习，Python软件使用简介，金融与财务大数据的处理与分析，因子与因子模型，因子模型的估计、检验与解释，金融资产收益预测，包含惩罚项的线性回归模型，数据降维模型，树形模型与分类模型，神经网络模型，模型评估、训练与可解释性，文本分析。