本书突破经济金融统计建模中常引发质疑的正态分布假定窠白，创造性地提出非中心偏x2分布、广义非中心偏x2分布、非中心偏F分布等偏态分布理论。进一步，构建偏正态单向分类随机效应模型、偏正态两向分类随机效应模型、偏正态非平衡面板数据模型、偏正态混合效应模型等偏正态统计模型，并建立一系列新的有效的统计推断理论与方法。*后，将上述偏正态建模理论与机器学习方法相结合，构建我国数字金融风险*优预警模型，以提高数字金融领域统计推断的精度，改善实际数据分析的效果，为当前数字金融风险预警及防范治理实践提供更有力的数据支撑。
本书可作为数字金融风险预警和复杂偏态数据统计建模领域的研究人员及相关专业博士和硕士研究生、金融行业管理人员、科技工作者的参考书目。
