☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

编辑推荐

适读人群 ：银行信息科技人员，事数据挖掘与分析技术应用研究的科研人员和金融数据分析人员，金融
　　本套丛书由国家银行业信息科技管理高层指导委员会组织编写，银监会尚福林主席担任丛书编委会主编并亲笔作序。编委会成员囊括了银监会、国内各大银行的领导，各书的编著者都是各大银行总行的信息技术技术专家。本套丛书系统性强，内容先进实用，既立足我国银行业实际，又注重总结本土银行业的实践经验和成功案例，既着眼于国际先进银行的信息技术发展态势，又对如何将这些先进技术和理念本土化结合进行了探索和思考。

内容简介

　　《金融数据挖掘与分析》针对金融行业数据量大、更新快的特点，着重介绍了数据挖掘与分析技术在金融行业尤其是银行业中的应用。本书的主要内容包括：数据挖掘概述、金融数据挖掘概述、基于大数据的金融数据挖掘概述、数据仓库技术、数据挖掘与分析技术、大数据挖掘与分析技术、数据挖掘技术在零售银行信用风险管理中的应用、数据挖掘技术在巴塞尔资本协议下的银行风险计量中的应用、数据挖掘技术在客户关系管理中的应用、数据挖掘技术在金融市场分析与预测中的应用、数据挖掘技术在互联网金融中的应用、基于大数据的金融科技战略与实施、数据安全与隐私保护，并针对当前的大数据浪潮，给出了金融数据挖掘与分析领域的应对策略。

目录

总序
前言
第1 篇　基础　篇
第1 章　数据挖掘概述
1.1　数据挖掘技术的发展
1.2　数据挖掘技术的应用领域
1.2.1　银行领域的数据挖掘
1.2.2　证券领域的数据挖掘
1.2.3　电子商务领域的数据挖掘
1.2.4　智能交通领域的数据挖掘
1.2.5　物联网领域的数据挖掘
1.2.6　互联网领域的数据挖掘
1.2.7　社交网络与舆情领域的数据挖掘
1.2.8　生物信息学和医学领域的数据挖掘
1.2.9　零售业领域的数据挖掘
1.2.10　电信领域的数据挖掘
1.3　本章小结
第2 章　金融数据挖掘概述
2.1　数据挖掘技术在金融领域的应用现状
2.2　金融领域进行数据挖掘的必要性和应用点
2.3　数据挖掘技术在金融业务分析中的作用
2.4　金融数据挖掘系统架构
2.5　金融数据挖掘的过程
2.6　本章小结
第3 章　基于大数据的金融数据挖掘概述 18
3.1　大数据的产生
3.2　大数据的特点
3.2.1　规模
3.2.2　速度
3.2.3　多样性
3.2.4　价值密度
3.3　基于大数据的金融数据挖掘新思维
3.4　基于大数据的金融数据挖掘系统架构
3.5　本章小结
第2 篇　技　术　篇
第4 章　数据仓库存技术
4.1　数据预处理技术
4.1.1　数据预处理的意义
4.1.2　常用的数据预处理技术
4.1.3　数据治理
4.1.4　ＥＴＬ 工具
4.2　数据仓库与多维分析技术
4.2.1　数据仓库的基本概念与特点
4.2.2　ＯＬＡＰ 的由来与基本概念
4.2.3　ＯＬＡＰ 的特点和处理特性
4.2.4　常用数据仓库产品及ＯＬＡＰ 工具
4.3　基于数据挖掘的数据仓库系统框架设计
4.3.1　数据仓库计划与准备
4.3.2　数据仓库数据架构
4.3.3　多重粒度的数据仓库数据组织结构
4.3.4　数据仓库的体系结构
4.3.5　数据仓库技术在银行领域的应用
4.3.6　银行数据仓库建设的要点
4.4　本章小结
第5 章　数据挖掘与分析技术
5.1　基本统计分析技术
5.1.1　统计分析概述
5.1.2　回归分析
5.2　数据挖掘算法
5.2.1　分类
5.2.2　聚类分析
5.2.3　孤立点检测
5.2.4　关联规则分析
5.2.5　时间序列分析
5.3　建模工具与分析软件
5.3.1　ＳＡＳ
5.3.2　ＳＰＳＳ
5.3.3　ＷＥＫＡ
5.4　本章小结
第6 章　大数据挖掘与分析技术
6.1　大数据背景下的数据处理技术
6.1.1　大数据背景下数据库技术的发展需求
6.1.2　ＮｏＳＱＬ 数据库技术
6.1.3　海量数据的分布式存储
6.1.4　新型数据管理平台在金融领域的应用
6.1.5　大规模数据集的计算
6.1.6　大数据的可视化
6.1.7　大数据与传统数据
6.2　复杂数据挖掘技术
6.2.1　面向关联的图数据挖掘
6.2.2　海量序列数据挖掘技术
6.3　新兴数据挖掘平台和工具
6.3.1　Ｈａｄｏｏｐ
6.3.2　Ｓｐａｒｋ
6.3.3　Ｈｂａｓｅ
6.3.4　Ｍａｈｏｕｔ
6.4　本章小结
第3 篇　应　用　篇
第7 章　数据挖掘技术在零售银行信用风险管理中的应用
7. 1　银行风险管理概述
7.1.1　银行风险管理的定义及类型
7.1.2　数据挖掘技术在银行风险管理中的应用
7.2　申请风险评分模型的开发和应用
7.2.1　申请风险评分模型概述
7.2.2　申请风险评分模型的开发
7.2.3　申请风险评分模型的应用
7.3　行为风险评分模型的开发和应用
7.3.1　行为风险评分模型概述
7.3.2　行为风险评分模型的开发
7.3.3　行为风险评分模型的应用
7.4　欺诈风险评分模型的开发和应用
7.4.1　欺诈风险评分模型概述
7.4.2　欺诈风险评分模型的开发
7.4.3　欺诈风险评分模型的应用
7.5　信用数据管理系统
7.6　实践案例
7.7　本章小结
第8 章　数据挖掘技术在巴塞尔资本协议下的银行风险计量中的应用
8.1　概述
8.1.1　巴塞尔资本协议的演进、发展及主要内容
8.1.2　我国银行业资本监管和风险计量框架
8.2　数据挖掘技术在风险计量中的应用
8.2.1　风险计量中的数据挖掘算法
8.2.2　数据挖掘技术在巴塞尔风险计量中的实践案例
8.3　本章小结
第9 章　数据挖掘技术在客户关系管理中的应用
9.1　客户生命周期管理
9.1.1　潜在客户的获取
9.1.2　现有客户的经营
9.1.3　流失客户的赢回
9.2　客户细分分析
9.2.1　客户细分概述
9.2.2　客户细分的方法与技术
9.2.3　客户细分案例
9.3　客户价值分析
9.3.1　客户价值的内涵
9.3.2　客户价值评价体系的建立
9.3.3　客户价值的综合评价与应用
9.4　营销实验设计
9.4.1　锁定目标群体
9.4.2　整合营销手段
9.4.3　实现精准营销
9.4.4　精准营销实验设计案例
9.5　基于数据挖掘的客户关系管理系统设计
9.5.1　基于数据挖掘的客户关系管理系统总体架构设计
9.5.2　基于数据挖掘的客户关系管理系统功能设计
9.5.3　基于数据挖掘的客户关系管理系统数据仓库设计
9.5.4　商业银行客户关系管理系统设计案例
9.6　实践案例
9.7　本章小结
第10 章　数据挖掘技术在金融市场分析与预测中的应用
10.1　计算金融学与量化交易
10.1.1　背景
10.1.2　量化交易
10.2　价格预测
10.2.1　基于内部数据的价格预测
10.2.2　基于市场外部信息的价格预测
10.3　证券投资组合管理
10.3.1　投资组合概论
10.3.2　基于数据挖掘的投资组合
10.4　模拟交易平台
10.4.1　模拟交易系统的功能
10.4.2　模拟交易系统的实现技术
10.5　本章小结
第11 章　数据挖掘技术在互联网金融中的应用
11.1　互联网金融介绍
11.1.1　互联网金融概况
11.1.2　互联网金融与大数据的结合
11.2　基于大数据的征信管理
11.2.1　基于大数据的征信特点
11.2.2　基于大数据的征信新方法
11.2.3　大数据征信管理案例
11.3　基于大数据的反欺诈检测
11.3.1　互联网金融反欺诈检测的特点
11.3.2　基于大数据的反欺诈方法
11.3.3　基于大数据的反欺诈案例
11.4　基于大数据的客户关系管理
11.4.1　互联网金融的客户特征与客户需求
11.4.2　基于大数据的互联网金融客户关系管理方法
11.4.3　基于大数据的互联网金融客户关系管理案例
11.5　本章小结
第4 篇　展　望　篇
第12 章　基于大数据的金融科技战略与实施
12.1　基于大数据的科技建设思路
12.1.1　制定差异化的经营思路
12.1.2　构建智能化的软硬件设施
12.1.3　差异化与智能化互动循环改善
12.2　数据挖掘技术下基于风险与收益平衡的差异化经营
12.2.1　基于风险的差异化经营
12.2.2　基于收益的差异化经营
12. 2.3　基于风险与收益的差异化经营
12.3　数据挖掘技术下基于客户需求的差异化经营
12. 3.1　基于客户需求的差异化经营概述
12.3.2　基于客户需求的差异化经营策略
12.4　差异化思路与智能化工具的互动循环实践案例
12. 4.1　构建智能化的软硬件设施
12.4.2　业务应用
12.5　本章小结
第13 章　数据安全与隐私保护
13.1　概述
13.1.1　数据安全与隐私保护的重要性
13.1.2　数据安全与隐私保护的现状及改进建议
13.2　云计算与数据安全
13.2.1　云计算安全性问题
13.2.2　云计算安全技术手段
13.2.3　云计算与金融数据安全
13.3　大数据与隐私保护
13.3.1　大数据带来的个人隐私信息问题
13.3.2　金融行业应用大数据的安全措施
13.3.3　大数据时代的安全新思路
13.4　本章小结
第14 章　应对策略
参考文献

前言/序言

　　随着信息技术尤其是计算机及互联网技术的飞速发展，金融行业每天都在产生着海量的数据。对这些数据进行统计、分析，挖掘出隐藏在数据内部有价值的信息，为金融行业的决策提供指导，已经成为具有挑战性的新课题。在大数据时代，金融行业尤其是银行业对数据挖掘与分析技术的需求已经迫在眉睫。
　　在这种背景下，本书从数据挖掘与分析技术的基础知识出发，紧紧把握金融数据挖掘与分析的新动向，对数据挖掘与分析技术及其在金融行业中的应用进行了详细介绍，并对未来金融数据挖掘与分析的发展进行了展望。
　　本书分为4篇，共14章内容。
　　第1篇为基础篇，主要介绍了数据挖掘的背景、应用及大数据的基本思想，具体内容包括：第1章数据挖掘概述，主要介绍了数据挖掘技术的发展和应用领域；第2章金融数据挖掘概述，主要对数据挖掘技术在金融行业中的应用现状和必要性，以及金融数据挖掘的过程进行了介绍；第3章基于大数据的金融数据挖掘概述，介绍了大数据产生的背景及特点，并从大数据视角探讨了金融数据挖掘的新思维及系统架构。
　　第2篇为技术篇，主要介绍了与大数据相关的数据挖掘技术，具体内容包括：第4章数据仓库技术，主要介绍了数据仓库的基本概念及与数据仓库相关的数据预处理技术，并对基于数据挖掘技术的数据仓库系统框架设计进行了介绍；第5章数据挖掘与分析技术，对各种典型的数据挖掘与分析技术进行了较为全面的讲解；第6章大数据挖掘与分析技术，首先介绍了ＮｏＳＱＬ数据库技术及海量数据分布式存储技术，接着对大图数据、序列数据等复杂数据的挖掘与分析进行了介绍，后对新兴数据挖掘工具Ｓｐａｒｋ、
　　Ｍａｈｏｕｔ等进行了介绍。
　　第3篇为应用篇，主要介绍了数据挖掘技术在银行具体业务中的应用模式，具体内容包括：第7章数据挖掘技术在零售银行信用风险管理中的应用，首先介绍了数据挖掘技术在银行风险管理中的应用现状，然后以信用卡领域中的信用风险管理为例，介绍了申请风险评分模型、行为风险评分模型以及欺诈风险评分模型的开发和应用；第8章数据挖掘技术在巴塞尔资本协议下的银行风险计量中的应用，首先介绍了巴塞尔资本协议的基本概况，接着对数据挖掘技术在新巴塞尔资本协议风险计量中的应用现状进行了介绍，后介绍了基于新巴塞尔资本协议三大支柱的银行信用风险计量方法及主要过程；第9章数据挖掘技术在客户关系管理中的应用，首先介绍了在不同的生命周期阶段企业面临的不同业务要求，然后着重介绍了客户细分的方法与技术，接着介绍了客户价值的内涵及其评价体系的建立，后介绍了基于数据挖掘技术的ＣＲＭ设计方法；第10章数据挖掘技术在金融市场分析与预测中的应用，主要介绍了数据挖掘技术在金融产品价格模型、证券投资组合、交易平台等金融市场中的应用；第11章数据挖掘技术在互联网金融中的应用，对互联网金融中大数据技术的应用做了较为全面的介绍，并通过对基于大数据的征信管理、反欺诈检测和客户关系管理三个方面的具体介绍，使读者了解大数据技术具体的应用场景、应用方法和应用范围。
　　第4篇为展望篇，主要介绍了数据挖掘技术在金融行业中的应用前景和面临的问题，具体内容包括：第12章基于大数据的金融科技战略与实施，首先介绍了基于大数据的金融科技建设思路，接着介绍了数据挖掘技术下基于风险与收益平衡的差异化经营和基于客户需求的差异化经营，后结合案例介绍了差异化思路与智能化工具的互动循环实践；第13章数据安全与隐私保护，主要介绍了云计算中的数据安全问题及大数据分析带来的隐私保护问题；第14章应对策略，针对当前的大数据浪潮，给出了金融数据挖掘与分析领域的应对策略。
　　本书由郑志明、缪绍日、荆丽丽、吴美玲、杨益明、黄熹微、林道新、汤瑛、李文锋、陈佳蔚编著。
　　在本书的编写过程中，参阅了大量的文献资料，在此向这些文献资料的作者表示衷心的感谢！
　　由于编者水平有限，再加上编写时间仓促，书中难免存在缺点和不足之处，恳请广大读者批评指正！
　　编者





金融数据挖掘与分析 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

数据挖掘的实例。学习一下。

评分☆☆☆☆☆

这套书的质量一般，感觉内容有大部分是拼凑而来，可能是编写者较多，内部逻辑上有一定的不连贯。不过看看还行吧。作为银行信息系统参考还是可以的。

评分☆☆☆☆☆

字迹清晰，纸张很好，内容丰富，值得学习。

评分☆☆☆☆☆

贴近银行业相关问题点的系列丛书，读起来很受用，有很多现成的应用场景，把全套都买了，奋读中

评分☆☆☆☆☆

此用户未填写评价内容

评分☆☆☆☆☆

东西还是挺不错的，看着很好

评分☆☆☆☆☆

体系很全！学习一下。。。

评分☆☆☆☆☆

还是京东自营书最好，这次购物非常满意。棒棒哒~棒棒哒~~~

评分☆☆☆☆☆

非常好非常好非常好非常好非常好非常好非常好非常好非常好

类似图书 点击查看全场最低价