这是一篇最近刚放在学术预印网站arXiv上的文章。
该文共52页，作者首先介绍了机器学习理论在金融领域的发展。其后在第三部分介绍了深度学习理论的基本原理和主流的若干模型，比如：CNN、RNN和LSTM等。
第四部分重点介绍了深度学习理论在金融领域的应用，主要包括以下几方面：
l 算法交易
l 风险评估
l 金融欺诈
l 投资组合管理
l 资产定价与衍生品交易
l 加密货币与区块链研究
l 金融情感分析和行为金融学
l 金融文本挖掘
l 理论或概念性研究
l 其他
而在第五部分通过研究以发表的144篇文章，重点分析了已发表的论文的研究的主题、期刊类型、问题总类、研究方法、数据来源以及绩效标准，发现文章的主题主要是集中在：金融文本挖掘、算法交易和风险评估领域。
此外，作者开发现，从2016年以后，深度学习理论在金融中的应用的论文开始出现井喷趋势。
而论文采用的深度学习模型主要是利用RNN、DMLP（深度多层感知模型）和CNN。而但凡涉及RNN的模型中，又主要使用LSTM模型。
当然也需要注意的是，这些已发表的论文，主要来自于计算机科学与工程学的期刊，以下是主要的论文期刊来源。
更多内容请参见原文。
点击“原文链接”课下载论文。
摘要
在过去的几十年里，金融领域的计算智能一直是学术界和金融界非常热门的话题。大量的研究已经发表，产生了各种各样的模型。与此同时，在机器学习(ML)领域，深度学习理论(DL)最近开始受到很多关注，主要是因为它在经典模型上的出色表现。当今有许多不同的深度学习实现，而且广泛的兴趣还在继续。金融是深度学习模型开始受到关注的一个特殊领域，然而，这个领域非常开放，仍然存在很多研究机会。在这篇论文中，我们试图提供当今金融应用的深度学习模型的最新快照。我们不仅根据他们在金融领域的意向子领域对作品进行了分类，还根据他们的深度学习模型对作品进行了分析。此外，我们还旨在确定未来可能的实现，并强调了该领域内正在进行的研究的途径。
