[img=874,auto]https://p6.toutiaoimg.com/large/pgc-image/SlcgHjPtgC8JL[/img]
金融在机器学习应用中是至关重要的一环。金融领域广泛存在着投资决策、宏观经济分析、资产信用评估等复杂的问题。许多金融公司的运作都离不开机器学习 (ML)，因此机器学习对金融服务的影响深远。随着金融交易流程日益复杂，机器学习可以通过流程自动化来降低运营成本，从而使重复性任务自动化并提高生产力。其中，机器学习可以分析大量历史数据并做出更好的交易决策以增加收入。尽管当今越来越多人对机器学习在金融的运用感兴趣，但该领域仍有许多问题没能得到解决。更高效地可以集成金融交易过程中各种活动的集成系统，是当下发展的迫切需求。随着金融数据变得多样化和庞大，更智能的算法应该能够在多模态数据中找到模型。此外，安全是金融中最根本的问题。机器学习可以在检测欺诈方面发挥重要作用。在见证了机器学习在金融领域取得多项进步成果后，《机器学习及其应用》期刊提出了“机器学习在金融中的运用”专刊。该特刊旨在广泛收集机器学习及其在金融中的应用的文章，鼓励高质量的原创研究论文，重点关注使用机器学习技术解决金融问题的新方法。本期特刊接收投稿类型如下：
机器学习在金融领域的应用系统，如量化投资、财务建模、金融智能系统。
专为金融问题设计新型机器学习算法，例如检测欺诈、P2P 借贷、中小企业风险预测和个人融资。
结合金融理论与机器学习，涉及社会经济问题和互联网。
其他机器学习和金融相关的问题。
重要日期：
投稿截止日期：30/11/2021
第一轮评审结果通知：30/03/2022
提交修改稿：30/06/2022
第二轮评审结果通知：30/08/2022
最终决定通知：30/ 09/2022
公布：30/11/2022
提交手稿：提交稿件时，请选择文章类型“MLA：机器学习在金融中的运用”。请在提交截止日期前提交您的手稿。 所有被认为适合送交同行评审的提交都将由至少两名独立评审员进行评审。一旦您的稿件被征用，它将被投入发布流程，在当前的纸质期刊上发表并同步至在线特刊。本期特刊中的文章将展示在该期刊的不同期刊中，因此它们将被清晰地标记为特刊文章。特刊主编简介：
[img=400px,345px]https://p6.toutiaoimg.com/large/pgc-image/SlcgHjlFUreFjP[/img]
谭营，北京大学信息科学技术学院北京大学教授。在神经网络信息处理、进化计算与群体计算、人工免疫系统及其在计算机安全的应用等方面取得了显著的研究成果，获得2009年度国家自然科学二等奖1项、军队科学技术进步奖5项以及优秀论文奖多项。发表学术论文200余篇，专著《烟花算法引论》、《Fireworks Algorithm: A Novel Swarm Intelligence Optimization Method》等5部。担任International Journal of Computational Intelligence and Pattern Recognition主编，IEEE Transactions on Cybernetics副主编，IEEE Transactions on Neural Networks and Learning System副主编。研究领域：计算智能、群体智能、机器学习与数据挖掘，及其在信息安全中的应用个人主页：http://www.cil.pku.edu.cn《机器学习及其应用》主刊介绍：Machine Learning with Applications (MLWA) 是同行评审的开放获取期刊，专注于与机器学习相关的研究。该期刊涵盖了研究和机器学习开发，主题包括但不限于：数据挖掘、计算机视觉、自然语言处理 (NLP)、智能系统、神经网络、基于人工智能的软件工程、生物信息学及其在工程、医学、生物学、教育、商业和社会领域的应用科学。该期刊除了发表新的机器学习方法外，还重点关注其价值和有效性。应用论文应该展示如何使用机器学习来解决重要的实际问题。研究方法论的论文应展示对现有机器学习研究方法的改进。
|
