本书共分为八章，第一章介绍人工智能的发展和人工智能背景下金融时间序列分析的发展，第二章研究基于多层感知机(MultiLayerPerceptron，MLP)架构的具有外部时间注意力的多模态实体对齐变换器(Multi-modalEntityAlignmentTransformer，MEAformer)模型及预测，第三章考虑具有超前进位模块的循环神经网络(Carry-LookaheadRecurrentNeuralNetwork，CL-RNN)模型，第四章构建具有相空间重构模块的长短期记忆神经网络(PhaseSpaceReconstructionLongShort-TermMemoryNeuralNetwork，PSR-LSTM)模型，第五章研究卷积神经网络和长短期记忆神经网络相融合的(ConvolutionalNeuralNetworkandLongShort-TermMemoryNeuralNetwork，CNN-LSTM)模型，第六章针对金融的混沌特征，提出基于宽度学习和多头注意力机制的(Multi-headAttentionMechanismwithBroadLearningSystem，Multi-AttnBLS)模型，第七章针对多元金融时间序列预测，构建基于宽度学习和动态自适应图卷积转换器的(DynamicAdaptiveGraphConvolutionalTransformerwithBroadLearningSystem，DAGCT-BLS)模型，第八章金融风险分析，构建基于神经网络分位数回归模型。