银行业信息化丛书 金融数据挖掘与分析PDF|Epub|txt|kindle电子书版本下载

银行业信息化丛书 金融数据挖掘与分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 基础篇2

第1章 数据挖掘概述2

1.1 数据挖掘技术的发展3

1.2 数据挖掘技术的应用领域5

1.2.1 银行领域的数据挖掘5

1.2.2 证券领域的数据挖掘6

1.2.3 电子商务领域的数据挖掘6

1.2.4 智能交通领域的数据挖掘6

1.2.5 物联网领域的数据挖掘7

1.2.6 互联网领域的数据挖掘7

1.2.7 社交网络与舆情领域的数据挖掘8

1.2.8 生物信息学和医学领域的数据挖掘8

1.2.9 零售业领域的数据挖掘10

1.2.10 电信领域的数据挖掘10

1.3 本章小结11

第2章 金融数据挖掘概述12

2.1 数据挖掘技术在金融领域的应用现状12

2.2 金融领域进行数据挖掘的必要性和应用点13

2.3 数据挖掘技术在金融业务分析中的作用14

2.4 金融数据挖掘系统架构15

2.5 金融数据挖掘的过程16

2.6 本章小结17

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18

3.2 大数据的特点20

3.2.1 规模20

3.2.2 速度20

3.2.3 多样性21

3.2.4 价值密度21

3.3 基于大数据的金融数据挖掘新思维22

3.4 基于大数据的金融数据挖掘系统架构25

3.5 本章小结26

第2篇 技术篇28

第4章 数据仓库技术28

4.1 数据预处理技术28

4.1.1 数据预处理的意义28

4.1.2 常用的数据预处理技术29

4.1.3 数据治理32

4.1.4 ETL 工具33

4.2 数据仓库与多维分析技术33

4.2.1 数据仓库的基本概念与特点33

4.2.2 OLAP的由来与基本概念35

4.2.3 OLAP的特点和处理特性36

4.2.4 常用数据仓库产品及OLAP 工具37

4.3 基于数据挖掘的数据仓库系统框架设计38

4.3.1 数据仓库计划与准备38

4.3.2 数据仓库数据架构39

4.3.3 多重粒度的数据仓库数据组织结构39

4.3.4 数据仓库的体系结构40

4.3.5 数据仓库技术在银行领域的应用43

4.3.6 银行数据仓库建设的要点45

4.4 本章小结46

第5章 数据挖掘与分析技术47

5.1 基本统计分析技术47

5.1.1 统计分析概述47

5.1.2 回归分析49

5.2 数据挖掘算法51

5.2.1 分类51

5.2.2 聚类分析59

5.2.3 孤立点检测62

5.2.4 关联规则分析63

5.2.5 时间序列分析65

5.3 建模工具与分析软件71

5.3.1 SAS71

5.3.2 SPSS73

5.3.3 WEKA75

5.4 本章小结77

第6章 大数据挖掘与分析技术78

6.1 大数据背景下的数据处理技术78

6.1.1 大数据背景下数据库技术的发展需求78

6.1.2 NoSQL数据库技术79

6.1.3 海量数据的分布式存储80

6.1.4 新型数据管理平台在金融领域的应用82

6.1.5 大规模数据集的计算83

6.1.6 大数据的可视化84

6.1.7 大数据与传统数据85

6.2 复杂数据挖掘技术86

6.2.1 面向关联的图数据挖掘86

6.2.2 海量序列数据挖掘技术92

6.3 新兴数据挖掘平台和工具100

6.3.1 Hadoop100

6.3.2 Spark104

6.3.3 Hbase106

6.3.4 Mahout109

6.4 本章小结111

第3篇 应用篇113

第7章 数据挖掘技术在零售银行信用风险管理中的应用113

7.1 银行风险管理概述113

7.1.1 银行风险管理的定义及类型113

7.1.2 数据挖掘技术在银行风险管理中的应用116

7.2 申请风险评分模型的开发和应用119

7.2.1 申请风险评分模型概述119

7.2.2 申请风险评分模型的开发119

7.2.3 申请风险评分模型的应用122

7.3 行为风险评分模型的开发和应用123

7.3.1 行为风险评分模型概述123

7.3.2 行为风险评分模型的开发123

7.3.3 行为风险评分模型的应用124

7.4 欺诈风险评分模型的开发和应用124

7.4.1 欺诈风险评分模型概述124

7.4.2 欺诈风险评分模型的开发125

7.4.3 欺诈风险评分模型的应用126

7.5 信用数据管理系统127

7.6 实践案例129

7.7 本章小结139

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140

8.1 概述141

8.1.1 巴塞尔资本协议的演进、发展及主要内容141

8.1.2 我国银行业资本监管和风险计量框架143

8.2 数据挖掘技术在风险计量中的应用147

8.2.1 风险计量中的数据挖掘算法147

8.2.2 数据挖掘技术在巴塞尔风险计量中的实践案例150

8.3 本章小结154

第9章 数据挖掘技术在客户关系管理中的应用155

9.1 客户生命周期管理155

9.1.1 潜在客户的获取156

9.1.2 现有客户的经营159

9.1.3 流失客户的赢回161

9.2 客户细分分析163

9.2.1 客户细分概述163

9.2.2 客户细分的方法与技术164

9.2.3 客户细分案例166

9.3 客户价值分析167

9.3.1 客户价值的内涵167

9.3.2 客户价值评价体系的建立168

9.3.3 客户价值的综合评价与应用174

9.4 营销实验设计177

9.4.1 锁定目标群体177

9.4.2 整合营销手段179

9.4.3 实现精准营销180

9.4.4 精准营销实验设计案例182

9.5 基于数据挖掘的客户关系管理系统设计183

9.5.1 基于数据挖掘的客户关系管理系统总体架构设计183

9.5.2 基于数据挖掘的客户关系管理系统功能设计185

9.5.3 基于数据挖掘的客户关系管理系统数据仓库设计187

9.5.4 商业银行客户关系管理系统设计案例189

9.6 实践案例191

9.7 本章小结193

第10章 数据挖掘技术在金融市场分析与预测中的应用194

10.1 计算金融学与量化交易194

10.1.1 背景194

10.1.2 量化交易197

10.2 价格预测199

10.2.1 基于内部数据的价格预测199

10.2.2 基于市场外部信息的价格预测200

10.3 证券投资组合管理203

10.3.1 投资组合概论203

10.3.2 基于数据挖掘的投资组合204

10.4 模拟交易平台205

10.4.1 模拟交易系统的功能205

10.4.2 模拟交易系统的实现技术206

10.5 本章小结207

第11章 数据挖掘技术在互联网金融中的应用208

11.1 互联网金融介绍208

11.1.1 互联网金融概况208

11.1.2 互联网金融与大数据的结合209

11.2 基于大数据的征信管理210

11.2.1 基于大数据的征信特点210

11.2.2 基于大数据的征信新方法211

11.2.3 大数据征信管理案例213

11.3 基于大数据的反欺诈检测214

11.3.1 互联网金融反欺诈检测的特点214

11.3.2 基于大数据的反欺诈方法215

11.3.3 基于大数据的反欺诈案例218

11.4 基于大数据的客户关系管理222

11.4.1 互联网金融的客户特征与客户需求223

11.4.2 基于大数据的互联网金融客户关系管理方法224

11.4.3 基于大数据的互联网金融客户关系管理案例226

11.5 本章小结229

第4篇 展望篇231

第12章 基于大数据的金融科技战略与实施231

12.1 基于大数据的科技建设思路231

12.1.1 制定差异化的经营思路231

12.1.2 构建智能化的软硬件设施233

12.1.3 差异化与智能化互动循环改善234

12.2 数据挖掘技术下基于风险与收益平衡的差异化经营234

12.2.1 基于风险的差异化经营235

12.2.2 基于收益的差异化经营235

12.2.3 基于风险与收益的差异化经营236

12.3 数据挖掘技术下基于客户需求的差异化经营238

12.3.1 基于客户需求的差异化经营概述238

12.3.2 基于客户需求的差异化经营策略239

12.4 差异化思路与智能化工具的互动循环实践案例240

12.4.1 构建智能化的软硬件设施240

12.4.2 业务应用242

12.5 本章小结244

第13章 数据安全与隐私保护245

13.1 概述245

13.1.1 数据安全与隐私保护的重要性245

13.1.2 数据安全与隐私保护的现状及改进建议246

13.2 云计算与数据安全247

13.2.1 云计算安全性问题247

13.2.2 云计算安全技术手段249

13.2.3 云计算与金融数据安全255

13.3 大数据与隐私保护255

13 3.1 大数据带来的个人隐私信息问题255

13.3.2 金融行业应用大数据的安全措施256

13.3.3 大数据时代的安全新思路257

13.4 本章小结258

第14章 应对策略259

参考文献263