本书系统地介绍了大数据背景下的金融行业(商业银行、证券期货、保险机构、互联网金融)的主体业务,对大数据冲击传统金融业务的模式及大数据的应用进行了全面的介绍,并结合真实的商业项目,对金融行业的大数据应用进行了实践。

本书适合大数据管理与应用专业、互联网金融等金融学与统计学专业以及其他与大数据应用相关的专业作为教材使用,也可供金融行业和数据统计分析从业者、管理人员作为参考书,或继续教育教材使用。

前辅文
第1章　绪论
  1.1　大数据
   1.1.1　大数据发展历程
   1.1.2　大数据特征
   1.1.3　大数据带来的变革
  1.2　金融大数据
   1.2.1　金融大数据来源
   1.2.2　大数据带来金融行业的变革
  思考题
第2章　金融大数据分析相关技术
  2.1　大数据处理流程
   2.1.1　数据采集
   2.1.2　数据预处理
   2.1.3　数据存储
   2.1.4　数据分析
   2.1.5　数据可视化与应用
  2.2　大数据架构
   2.2.1　传统的大数据架构
   2.2.2　流式架构
   2.2.3　Lambda架构
   2.2.4　Kappa架构
   2.2.5　Unifield架构
  2.3　金融大数据的中台架构
   2.3.1　中台简介
   2.3.2　中台的具体划分
   2.3.3　金融行业的大数据中台
  2.4　金融大数据分析方法
   2.4.1　分类
   2.4.2　聚类
   2.4.3　关联分析
   2.4.4　时间序列分析
   2.4.5　优化
  思考题
第3章　大数据在商业银行的应用
  3.1　商业银行概述
   3.1.1　商业银行的性质
   3.1.2　商业银行的职能
   3.1.3　商业银行的经营原则
   3.1.4　商业银行的组织架构
  3.2　商业银行的负债业务
   3.2.1　存款负债
   3.2.2　非存款负债
  3.3　商业银行的资产业务
   3.3.1　贷款业务
   3.3.2　证券投资业务
  3.4　商业银行中间业务
   3.4.1　商业银行中间业务种类
   3.4.2　商业银行结算业务
   3.4.3　商业银行代理业务
   3.4.4　商业银行担保承诺类业务
   3.4.5　商业银行金融衍生类业务
   3.4.6　银行卡业务
   3.4.7　商业银行信息咨询类业务
   3.4.8　私人银行业务
  3.5　商业银行的国际业务
   3.5.1　商业银行国际业务的组织形式
   3.5.2　商业银行国际业务的种类
  3.6　大数据在商业银行的应用
   3.6.1　客户关系管理
   3.6.2　精准营销
   3.6.3　风险管理
   3.6.4　运营优化
   3.6.5　小微企业贷款
   3.6.6　征信管理
  思考题
第4章　大数据在证券期货业中的应用
  4.1　证券期货业务概述
   4.1.1　证券业务
   4.1.2　期货业务
   4.1.3　证券期货行业的大数据应用
  4.2　证券期货业大数据监管
   4.2.1　证券期货行业建设监管系统的重要性
   4.2.2　信息科技发展提升行业监管要求
   4.2.3　证监会大数据平台架构
   4.2.4　监管大数据平台
  4.3　证券期货业大数据服务
   4.3.1　客户关系管理
   4.3.2　智能化资产配置管理
   4.3.3　投资者行为引导
   4.3.4　无限个性化的智能策略服务
  4.4　证券期货业大数据市场分析与量化投资
   4.4.1　基本面分析
   4.4.2　技术分析
   4.4.3　情绪分析
   4.4.4　量化投资
  思考题
第5章　大数据在保险业中的应用
  5.1　保险业务概述
   5.1.1　保险的定义与分类
   5.1.2　保险的职能
   5.1.3　保险的基本原则
   5.1.4　经营保险业务的组织
   5.1.5　保险公司的基本组织架构
  5.2　保险公司的主要业务
   5.2.1　保险定价
   5.2.2　保险核保
   5.2.3　保险理赔
   5.2.4　保险营销
   5.2.5　再保险
   5.2.6　保险投资
  5.3　大数据在保险业中的应用
   5.3.1　保险定价
   5.3.2　保险精准营销
   5.3.3　保险欺诈识别
  思考题
第6章　大数据在互联网金融中的应用
  6.1　互联网金融概述
  6.2　大数据在第三方支付中的应用
   6.2.1　第三方支付概述
   6.2.2　大数据在第三方支付中的应用
  6.3　大数据在P2P网络借贷中的应用
   6.3.1　P2P网络借贷概述
   6.3.2　大数据在P2P个性化推荐中的应用
  6.4　大数据在互联网消费金融中的应用
   6.4.1　互联网消费金融概述
   6.4.2　大数据在互联网消费金融征信与风控中的应用
  6.5　大数据在供应链金融中的应用
   6.5.1　供应链金融概述
   6.5.2　大数据在供应链金融中的应用
  思考题
第7章　银行客户流失预警分析
  7.1　主要目标与问题分解
   7.1.1　主要目标
   7.1.2　问题分解
  7.2　相关知识与理论基础
   7.2.1　银行客户流失方式
   7.2.2　银行客户流失因素分析
   7.2.3　流失客户行为分析
   7.2.4　RFM模型
  7.3　业务需求分析
  7.4　业务数据理解
  7.5　数据探索与分析
   7.5.1　客户数据的描述性统计
   7.5.2　客户数据缺失值填充
   7.5.3　客户数据异常值过滤
   7.5.4　观察数据集是否均衡
  7.6　生成客户交易行为数据
   7.6.1　生成客户交易行为数据
   7.6.2　客户交易数据整合
   7.6.3　生成客户交易行为随时间变化数据
   7.6.4　客户交易行为特征汇总表
  7.7　构建客户流失风险模型
   7.7.1　训练集与验证集划分
   7.7.2　逻辑回归模型构建及验证
   7.7.3　随机森林模型构建及验证
  7.8　银行业务模型的应用部署
  思考题
第8章　银行卡盗刷风险预警分析
  8.1　问题概述与目标分解
   8.1.1　主要目标
   8.1.2　问题分解
  8.2　相关知识理论基础
   8.2.1　银行卡盗刷的手段
   8.2.2　银行卡盗刷行为的识别
  8.3　业务需求分析
  8.4　业务数据理解
  8.5　数据预处理与探索分析
   8.5.1　描述性统计分析
   8.5.2　缺失值填充
   8.5.3　观察数据集是否均衡
   8.5.4　数据特征及关联性分析
  8.6　信用卡盗刷识别逻辑回归模型
   8.6.1　关联性分析
   8.6.2　特征过滤
   8.6.3　逻辑回归模型构建与评估
  8.7　信用卡盗刷识别决策树模型
   8.7.1　卡方检验
   8.7.2　决策树模型构建与评估
  8.8　银行卡盗刷识别模型部署
  思考题
第9章　证券期货量化分析
  9.1　证券期货相关知识基础
   9.1.1　证券期货基础概念
   9.1.2　期货合约及其交易特点
   9.1.3　技术分析的认知基础
   9.1.4　趋势要素
   9.1.5　网格表示法
  9.2　问题概述与目标分解
   9.2.1　相关数据
   9.2.2　主要目标及子问题分解
   9.2.3　环境要求与项目组织结构
  9.3　原始数据整理
   9.3.1　数据整理的工作内容
   9.3.2　模块设计与实现
  9.4　趋势探索
   9.4.1　趋势探索的工作内容
   9.4.2　策略与模块设计
   9.4.3　代码实现与结果分析
  9.5　序列切片与样本集设计
   9.5.1　时间序列切片及样本集构成的思路
   9.5.2　属性表示与模块设计
   9.5.3　代码实现
  9.6　建模预测及评价
   9.6.1　评价函数及预测模块设计
   9.6.2　预测效果
  思考题
第10章　保险业精准营销分析
  10.1　相关知识理论基础
   10.1.1　精准营销
   10.1.2　客户画像
   10.1.3　精准营销中的数据挖掘方法
  10.2　问题概述与目标分解
   10.2.1　主要目标
   10.2.2　问题分解
  10.3　业务需求分析
  10.4　数据理解和特征提取
  10.5　数据读取与质量评估
   10.5.1　数据读取
   10.5.2　空值情况查询
   10.5.3　无效与冗余数据过滤
   10.5.4　异常值检测与过滤
  10.6　保险客户画像分析
   10.6.1　特征分组
   10.6.2　统计信息提取与画像分析
   10.6.3　潜在客户群体识别
  10.7　模型构建与评估
   10.7.1　数据降维
   10.7.2　数据集切分
   10.7.3　数据均衡
   10.7.4　建模预测及评估
  10.8　模型的应用部署
  思考题
参考文献