金融数据挖掘与分析_郑志明，缪绍日，荆丽丽　等著_9787111518051

本书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。

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

你还可能感兴趣

我要评论