Scopul principal al analizei avansate la nivel macroeconomic este acela de a asigura o mai bună înţelegere a structurii şi mecanismelor la nivelul economiei naţionale, printr-o abordare în profunzime a acestora din urmă.
Astfel, se prezintă: comportamentele celor doi agenţi economici importanţi (firma/gospodăria) şi bancă; aspectele fundamentale de luat în considerare în analiza la nivel macroeconomic; modelele economico-matematice de analiză a unei economii deschise mici; ajustarea şi stabilizarea dinamică a echilibrului la nivel macroeconomic din perspectiva economico-matematică.

Lucrarea abordează analiza cantitativă microeconomică într-o manieră graduală, de la simplu la complex. Sunt tratate probleme legate de deciziile optime ale agenţilor economici consumatori şi producători, comportamentul acestora în condiţii de certitudine şi, respectiv, de risc şi incertitudine, echilibrul pe piaţă şi echilibrul economic. Aspectele teoretice sunt însoţite de exemple concrete, fiecare capitol conţine aplicaţii rezolvate şi probleme propuse.

Cartea este o sinteză a principalelor direcţii de cercetare în domeniul teoriei deciziei pe plan internaţional, reprezentând, în aceeaşi măsură, o contribuţie originală. Autorii ilustrează, într-o manieră creativă, pedagogică, modelele probabilistice, criteriile, axiomele, formulele etc., necesare în fundamentarea deciziilor, bazându-se pe analize, exemple şi contraexemple, interpretări geometrice şi grafice foarte bine realizate.

Lucrarea conține cinci studii de caz privind următoarele teme: sistemul gestionării depozitelor unei bănci, activitatea direcției de carduri – BCR, eficientizarea activității de trezorerie dintr-o bancă, previziunea prețurilor pe piață la termene futures, sistemul acordării creditelor în cadrul unei bănci.

Prin inteligenţă artificială (AI-Artificial Intelicence) se înțelege orice tehnică care permite calculatoarelor să imite comportamentul uman, inclusiv învăţarea maşinii, procesarea limbajului natural (NLP), sinteza limbajului, „viziunea” computerului (programarea computerului pentru a„vedea”), robotica, analiza senzorilor, optimizarea şi simularea.
În acest context, Machine Learning (ML – învăţarea automată) constituie un subset de tehnici de AI care permite sistemelor informatice să „înveţe” din experienţa anterioară (adică din observaţiile de date), având ca efect îmbunătăţirea operaţiunilor pentru o anumită sarcină. Tehnicile ML includ Support Vector Machines (SVM), arbori de decizie, învăţare Bayes, k-means clustering, reguli de asociere, regresie, reţele neuronale şi multe altele.