金融數據挖掘與分析 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

鄭誌明，繆紹日，荊麗麗 等 著

圖書標籤:

• 金融數據挖掘
• 金融分析
• 數據分析
• 機器學習
• Python
• 量化交易
• 風險管理
• 金融科技
• 大數據
• 投資策略

齣版社： 機械工業齣版社

ISBN：9787111518051

版次：1

商品編碼：11828203

品牌：機工齣版

包裝：平裝

叢書名： 銀行業信息化叢書

開本：16開

齣版時間：2015-12-01

用紙：膠版紙

頁數：269

編輯推薦

適讀人群 ：銀行信息科技人員，事數據挖掘與分析技術應用研究的科研人員和金融數據分析人員，金融
　　本套叢書由國傢銀行業信息科技管理高層指導委員會組織編寫，銀監會尚福林主席擔任叢書編委會主編並親筆作序。編委會成員囊括瞭銀監會、國內各大銀行的領導，各書的編著者都是各大銀行總行的信息技術技術專傢。本套叢書係統性強，內容先進實用，既立足我國銀行業實際，又注重總結本土銀行業的實踐經驗和成功案例，既著眼於國際先進銀行的信息技術發展態勢，又對如何將這些先進技術和理念本土化結閤進行瞭探索和思考。

內容簡介

　　《金融數據挖掘與分析》針對金融行業數據量大、更新快的特點，著重介紹瞭數據挖掘與分析技術在金融行業尤其是銀行業中的應用。本書的主要內容包括：數據挖掘概述、金融數據挖掘概述、基於大數據的金融數據挖掘概述、數據倉庫技術、數據挖掘與分析技術、大數據挖掘與分析技術、數據挖掘技術在零售銀行信用風險管理中的應用、數據挖掘技術在巴塞爾資本協議下的銀行風險計量中的應用、數據挖掘技術在客戶關係管理中的應用、數據挖掘技術在金融市場分析與預測中的應用、數據挖掘技術在互聯網金融中的應用、基於大數據的金融科技戰略與實施、數據安全與隱私保護，並針對當前的大數據浪潮，給齣瞭金融數據挖掘與分析領域的應對策略。

目錄

總序
前言
第1 篇　基礎　篇
第1 章　數據挖掘概述
1.1　數據挖掘技術的發展
1.2　數據挖掘技術的應用領域
1.2.1　銀行領域的數據挖掘
1.2.2　證券領域的數據挖掘
1.2.3　電子商務領域的數據挖掘
1.2.4　智能交通領域的數據挖掘
1.2.5　物聯網領域的數據挖掘
1.2.6　互聯網領域的數據挖掘
1.2.7　社交網絡與輿情領域的數據挖掘
1.2.8　生物信息學和醫學領域的數據挖掘
1.2.9　零售業領域的數據挖掘
1.2.10　電信領域的數據挖掘
1.3　本章小結
第2 章　金融數據挖掘概述
2.1　數據挖掘技術在金融領域的應用現狀
2.2　金融領域進行數據挖掘的必要性和應用點
2.3　數據挖掘技術在金融業務分析中的作用
2.4　金融數據挖掘係統架構
2.5　金融數據挖掘的過程
2.6　本章小結
第3 章　基於大數據的金融數據挖掘概述 18
3.1　大數據的産生
3.2　大數據的特點
3.2.1　規模
3.2.2　速度
3.2.3　多樣性
3.2.4　價值密度
3.3　基於大數據的金融數據挖掘新思維
3.4　基於大數據的金融數據挖掘係統架構
3.5　本章小結
第2 篇　技　術　篇
第4 章　數據倉庫存技術
4.1　數據預處理技術
4.1.1　數據預處理的意義
4.1.2　常用的數據預處理技術
4.1.3　數據治理
4.1.4　ＥＴＬ 工具
4.2　數據倉庫與多維分析技術
4.2.1　數據倉庫的基本概念與特點
4.2.2　ＯＬＡＰ 的由來與基本概念
4.2.3　ＯＬＡＰ 的特點和處理特性
4.2.4　常用數據倉庫産品及ＯＬＡＰ 工具
4.3　基於數據挖掘的數據倉庫係統框架設計
4.3.1　數據倉庫計劃與準備
4.3.2　數據倉庫數據架構
4.3.3　多重粒度的數據倉庫數據組織結構
4.3.4　數據倉庫的體係結構
4.3.5　數據倉庫技術在銀行領域的應用
4.3.6　銀行數據倉庫建設的要點
4.4　本章小結
第5 章　數據挖掘與分析技術
5.1　基本統計分析技術
5.1.1　統計分析概述
5.1.2　迴歸分析
5.2　數據挖掘算法
5.2.1　分類
5.2.2　聚類分析
5.2.3　孤立點檢測
5.2.4　關聯規則分析
5.2.5　時間序列分析
5.3　建模工具與分析軟件
5.3.1　ＳＡＳ
5.3.2　ＳＰＳＳ
5.3.3　ＷＥＫＡ
5.4　本章小結
第6 章　大數據挖掘與分析技術
6.1　大數據背景下的數據處理技術
6.1.1　大數據背景下數據庫技術的發展需求
6.1.2　ＮｏＳＱＬ 數據庫技術
6.1.3　海量數據的分布式存儲
6.1.4　新型數據管理平颱在金融領域的應用
6.1.5　大規模數據集的計算
6.1.6　大數據的可視化
6.1.7　大數據與傳統數據
6.2　復雜數據挖掘技術
6.2.1　麵嚮關聯的圖數據挖掘
6.2.2　海量序列數據挖掘技術
6.3　新興數據挖掘平颱和工具
6.3.1　Ｈａｄｏｏｐ
6.3.2　Ｓｐａｒｋ
6.3.3　Ｈｂａｓｅ
6.3.4　Ｍａｈｏｕｔ
6.4　本章小結
第3 篇　應　用　篇
第7 章　數據挖掘技術在零售銀行信用風險管理中的應用
7. 1　銀行風險管理概述
7.1.1　銀行風險管理的定義及類型
7.1.2　數據挖掘技術在銀行風險管理中的應用
7.2　申請風險評分模型的開發和應用
7.2.1　申請風險評分模型概述
7.2.2　申請風險評分模型的開發
7.2.3　申請風險評分模型的應用
7.3　行為風險評分模型的開發和應用
7.3.1　行為風險評分模型概述
7.3.2　行為風險評分模型的開發
7.3.3　行為風險評分模型的應用
7.4　欺詐風險評分模型的開發和應用
7.4.1　欺詐風險評分模型概述
7.4.2　欺詐風險評分模型的開發
7.4.3　欺詐風險評分模型的應用
7.5　信用數據管理係統
7.6　實踐案例
7.7　本章小結
第8 章　數據挖掘技術在巴塞爾資本協議下的銀行風險計量中的應用
8.1　概述
8.1.1　巴塞爾資本協議的演進、發展及主要內容
8.1.2　我國銀行業資本監管和風險計量框架
8.2　數據挖掘技術在風險計量中的應用
8.2.1　風險計量中的數據挖掘算法
8.2.2　數據挖掘技術在巴塞爾風險計量中的實踐案例
8.3　本章小結
第9 章　數據挖掘技術在客戶關係管理中的應用
9.1　客戶生命周期管理
9.1.1　潛在客戶的獲取
9.1.2　現有客戶的經營
9.1.3　流失客戶的贏迴
9.2　客戶細分分析
9.2.1　客戶細分概述
9.2.2　客戶細分的方法與技術
9.2.3　客戶細分案例
9.3　客戶價值分析
9.3.1　客戶價值的內涵
9.3.2　客戶價值評價體係的建立
9.3.3　客戶價值的綜閤評價與應用
9.4　營銷實驗設計
9.4.1　鎖定目標群體
9.4.2　整閤營銷手段
9.4.3　實現精準營銷
9.4.4　精準營銷實驗設計案例
9.5　基於數據挖掘的客戶關係管理係統設計
9.5.1　基於數據挖掘的客戶關係管理係統總體架構設計
9.5.2　基於數據挖掘的客戶關係管理係統功能設計
9.5.3　基於數據挖掘的客戶關係管理係統數據倉庫設計
9.5.4　商業銀行客戶關係管理係統設計案例
9.6　實踐案例
9.7　本章小結
第10 章　數據挖掘技術在金融市場分析與預測中的應用
10.1　計算金融學與量化交易
10.1.1　背景
10.1.2　量化交易
10.2　價格預測
10.2.1　基於內部數據的價格預測
10.2.2　基於市場外部信息的價格預測
10.3　證券投資組閤管理
10.3.1　投資組閤概論
10.3.2　基於數據挖掘的投資組閤
10.4　模擬交易平颱
10.4.1　模擬交易係統的功能
10.4.2　模擬交易係統的實現技術
10.5　本章小結
第11 章　數據挖掘技術在互聯網金融中的應用
11.1　互聯網金融介紹
11.1.1　互聯網金融概況
11.1.2　互聯網金融與大數據的結閤
11.2　基於大數據的徵信管理
11.2.1　基於大數據的徵信特點
11.2.2　基於大數據的徵信新方法
11.2.3　大數據徵信管理案例
11.3　基於大數據的反欺詐檢測
11.3.1　互聯網金融反欺詐檢測的特點
11.3.2　基於大數據的反欺詐方法
11.3.3　基於大數據的反欺詐案例
11.4　基於大數據的客戶關係管理
11.4.1　互聯網金融的客戶特徵與客戶需求
11.4.2　基於大數據的互聯網金融客戶關係管理方法
11.4.3　基於大數據的互聯網金融客戶關係管理案例
11.5　本章小結
第4 篇　展　望　篇
第12 章　基於大數據的金融科技戰略與實施
12.1　基於大數據的科技建設思路
12.1.1　製定差異化的經營思路
12.1.2　構建智能化的軟硬件設施
12.1.3　差異化與智能化互動循環改善
12.2　數據挖掘技術下基於風險與收益平衡的差異化經營
12.2.1　基於風險的差異化經營
12.2.2　基於收益的差異化經營
12. 2.3　基於風險與收益的差異化經營
12.3　數據挖掘技術下基於客戶需求的差異化經營
12. 3.1　基於客戶需求的差異化經營概述
12.3.2　基於客戶需求的差異化經營策略
12.4　差異化思路與智能化工具的互動循環實踐案例
12. 4.1　構建智能化的軟硬件設施
12.4.2　業務應用
12.5　本章小結
第13 章　數據安全與隱私保護
13.1　概述
13.1.1　數據安全與隱私保護的重要性
13.1.2　數據安全與隱私保護的現狀及改進建議
13.2　雲計算與數據安全
13.2.1　雲計算安全性問題
13.2.2　雲計算安全技術手段
13.2.3　雲計算與金融數據安全
13.3　大數據與隱私保護
13.3.1　大數據帶來的個人隱私信息問題
13.3.2　金融行業應用大數據的安全措施
13.3.3　大數據時代的安全新思路
13.4　本章小結
第14 章　應對策略
參考文獻

前言/序言

　　隨著信息技術尤其是計算機及互聯網技術的飛速發展，金融行業每天都在産生著海量的數據。對這些數據進行統計、分析，挖掘齣隱藏在數據內部有價值的信息，為金融行業的決策提供指導，已經成為具有挑戰性的新課題。在大數據時代，金融行業尤其是銀行業對數據挖掘與分析技術的需求已經迫在眉睫。
　　在這種背景下，本書從數據挖掘與分析技術的基礎知識齣發，緊緊把握金融數據挖掘與分析的新動嚮，對數據挖掘與分析技術及其在金融行業中的應用進行瞭詳細介紹，並對未來金融數據挖掘與分析的發展進行瞭展望。
　　本書分為4篇，共14章內容。
　　第1篇為基礎篇，主要介紹瞭數據挖掘的背景、應用及大數據的基本思想，具體內容包括：第1章數據挖掘概述，主要介紹瞭數據挖掘技術的發展和應用領域；第2章金融數據挖掘概述，主要對數據挖掘技術在金融行業中的應用現狀和必要性，以及金融數據挖掘的過程進行瞭介紹；第3章基於大數據的金融數據挖掘概述，介紹瞭大數據産生的背景及特點，並從大數據視角探討瞭金融數據挖掘的新思維及係統架構。
　　第2篇為技術篇，主要介紹瞭與大數據相關的數據挖掘技術，具體內容包括：第4章數據倉庫技術，主要介紹瞭數據倉庫的基本概念及與數據倉庫相關的數據預處理技術，並對基於數據挖掘技術的數據倉庫係統框架設計進行瞭介紹；第5章數據挖掘與分析技術，對各種典型的數據挖掘與分析技術進行瞭較為全麵的講解；第6章大數據挖掘與分析技術，首先介紹瞭ＮｏＳＱＬ數據庫技術及海量數據分布式存儲技術，接著對大圖數據、序列數據等復雜數據的挖掘與分析進行瞭介紹，後對新興數據挖掘工具Ｓｐａｒｋ、
　　Ｍａｈｏｕｔ等進行瞭介紹。
　　第3篇為應用篇，主要介紹瞭數據挖掘技術在銀行具體業務中的應用模式，具體內容包括：第7章數據挖掘技術在零售銀行信用風險管理中的應用，首先介紹瞭數據挖掘技術在銀行風險管理中的應用現狀，然後以信用卡領域中的信用風險管理為例，介紹瞭申請風險評分模型、行為風險評分模型以及欺詐風險評分模型的開發和應用；第8章數據挖掘技術在巴塞爾資本協議下的銀行風險計量中的應用，首先介紹瞭巴塞爾資本協議的基本概況，接著對數據挖掘技術在新巴塞爾資本協議風險計量中的應用現狀進行瞭介紹，後介紹瞭基於新巴塞爾資本協議三大支柱的銀行信用風險計量方法及主要過程；第9章數據挖掘技術在客戶關係管理中的應用，首先介紹瞭在不同的生命周期階段企業麵臨的不同業務要求，然後著重介紹瞭客戶細分的方法與技術，接著介紹瞭客戶價值的內涵及其評價體係的建立，後介紹瞭基於數據挖掘技術的ＣＲＭ設計方法；第10章數據挖掘技術在金融市場分析與預測中的應用，主要介紹瞭數據挖掘技術在金融産品價格模型、證券投資組閤、交易平颱等金融市場中的應用；第11章數據挖掘技術在互聯網金融中的應用，對互聯網金融中大數據技術的應用做瞭較為全麵的介紹，並通過對基於大數據的徵信管理、反欺詐檢測和客戶關係管理三個方麵的具體介紹，使讀者瞭解大數據技術具體的應用場景、應用方法和應用範圍。
　　第4篇為展望篇，主要介紹瞭數據挖掘技術在金融行業中的應用前景和麵臨的問題，具體內容包括：第12章基於大數據的金融科技戰略與實施，首先介紹瞭基於大數據的金融科技建設思路，接著介紹瞭數據挖掘技術下基於風險與收益平衡的差異化經營和基於客戶需求的差異化經營，後結閤案例介紹瞭差異化思路與智能化工具的互動循環實踐；第13章數據安全與隱私保護，主要介紹瞭雲計算中的數據安全問題及大數據分析帶來的隱私保護問題；第14章應對策略，針對當前的大數據浪潮，給齣瞭金融數據挖掘與分析領域的應對策略。
　　本書由鄭誌明、繆紹日、荊麗麗、吳美玲、楊益明、黃熹微、林道新、湯瑛、李文鋒、陳佳蔚編著。
　　在本書的編寫過程中，參閱瞭大量的文獻資料，在此嚮這些文獻資料的作者錶示衷心的感謝！
　　由於編者水平有限，再加上編寫時間倉促，書中難免存在缺點和不足之處，懇請廣大讀者批評指正！
　　編者

評分☆☆☆☆☆

很好的書，很實用，寫得好，值得買！

評分☆☆☆☆☆

值得看看的書你。

評分☆☆☆☆☆

這套叢書很經典，值得收藏

評分☆☆☆☆☆

這套叢書很經典，值得收藏

評分☆☆☆☆☆

這本書還可以吧嗯

評分☆☆☆☆☆

還可以，有點貴啊！

評分☆☆☆☆☆

快遞速度快，收到還沒拆，應該質量不會有問題。休息天裏打開看看。

評分☆☆☆☆☆

特價時候買的，太贊瞭。一直使用這個牌子，值得信賴

評分☆☆☆☆☆

非常好非常好非常好非常好