金融市场的复杂性和不确定性不断增加，现有的金融时间序列分析多依赖于静态模型，难以有效捕捉动态变化和多维度数据之间的相互关系。此外，金融大数据呈现出非线性、时变性和高噪声等特征，给数据分析和预测带来了难度。在大数据时代下，时间序列数据挖掘现代信息技术是提升金融服务质量与实现金融强国的工具。本书聚焦于金融时间序列数据挖掘，涵盖金融时间序列的降维表示、相似性度量算法、联动性分析模型与预测模型等理论与方法，旨在识别和量化不同金融时间序列之间的动态关系与趋势变化。本书总结和阐释了金融数据复杂性和不确定性，将时序数据挖掘技术应用到金融市场决策和风险管理中，所形成的一系列创新性成果对于推动本领域的理论研究、智慧金融关键技术难题的突破，具有重要的学术价值，对于指导数字金融发展、金融科技创新提供基础支撑和参考借鉴作用。

袁慧，女，中国矿业大学（北京）管理科学与工程博士，北京物资学院信息学院讲师（自2023年8月至今）。主要的研究方向与关注领域为人工智能算法优化及应用、大数据分析与时间序列预测、复杂网络和经济系统分析管理、故障诊断、风险管理等。主持校级青年基金1项，企事业单位课题1项，作为主要参与人参与国家自然科学基金面上项目等国家级与省部级项目、企事业单位项目多项。自2018年以来，累计发表SCI/CSSCI/EI等论文10余篇，其中第一/通讯作者论文8篇，中国知网总下载量4022。研究成果多次在国内重要学术会议上汇报。