La nivel macroeconomic, autorii demonstrează, pe baza ultimelor rezultate în cercetările mondiale asupra dinamicilor economice, importanța cunoașterii unor comportamente neașteptate, ciudate (dinamici de tip punct șa, de tip bifurcații Hopf etc.), care fac inoperante politicile clasice de reglare macroeconomică prin pârghii de politică fiscală sau monetară.
Prezentul volum, ca și celelalte două anterioare, sunt racordate la o bogată bibliografie de specialitate pe plan mondial.

Lucrarea este concepută în ideea de a veni în sprijinul tuturor celor care doresc să cunoască aspecte mai mult sau mai puţin analitice referitoare la ştiinţa micro- şi macroeconomică, din perspectiva aplicării calculului neuronal.

Lucrarea şi-a propus să prezinte proprietăţile actuale ale sistemelor suport de decizii, ţinând seama de evoluţia posibilităţilor tehnologice ale sistemelor electronice de comunicare, colaborare, învăţare şi de transmitere a datelor adecvate procesului de decizie în general, cu amplă analiză a celui de grup.

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.

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.