金融数据挖掘与分析

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
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
4.1.4ETL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
4.2.2OLAP的由来与基本概念
4.2.3OLAP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
5.3.1SAS
5.3.2SPSS
5.3.3WEKA
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
6.1.2NoSQL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
6.3.1HAdoop
6.3.2Spark
6.3.3Hbase
6.3.4Mahout
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

郑志明、缪绍日、荆丽丽编著的《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。
本书主要供银行信息科技人员阅读，也可供从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参考，还可作为信息管理与金融类专业教学参考书。

定价：为出版社全国统一定价；

文轩价：为商品的销售价，是您最终决定是否购买商品的依据；受系统缓存影响，最终价格以商品放入购物车后显示的价格为准；

新广告法规定所有页面信息中不得出现绝对化用词和功能性用词。

本店非常支持新广告法，但为了不影响消费者正常购买，页面明显区域本店已在排查修改，对于不明显区域也将会逐步排查并修改，我们此郑重声明：本店所有页面上的绝对化用词与功能性用词在此声明全部失效，不作为赔付理由。涉及“教育部声明”中的商品，均不代表教育部指定、推荐的具体版本，仅代表该商品的内容为指定、推荐书目。因极限用词引起的任何形式的商品赔付，本店不接收且不妥协。希望消费者理解并欢迎联系客服帮助完善，也请职业打假人士高抬贵手。