內容簡介
本套叢書由國家銀行業信息科技管理高層指導委員會組織編寫，銀監會尚福林主席擔任叢書編委會主編並親筆作序。編委會成員囊括了銀監會、國內各大銀行的領導，各書的編著者都是各大銀行總行的信息技術技術專家。本套叢書系統性強，內容先進實用，既立足我國銀行業實際，又注重總結本土銀行業的實踐經驗和成功案例，既著眼於國際先進銀行的信息技術發展態勢，又對如何將這些先進技術和理念本土化結合進行了探索和思考。
本書針對金融行業數據量大、更新快的特點，著重介紹了數據挖掘與分析技術在金融行業尤其是銀行業中的套用。本書的主要內容包括：數據挖掘概述、金融數據挖掘概述、基於大數據的金融數據挖掘概述、數據倉庫技術、數據挖掘與分析技術、大數據挖掘與分析技術、數據挖掘技術在零售銀行信用風險管理中的套用、數據挖掘技術在巴塞爾資本協定下的銀行風險計量中的套用、數據挖掘技術在客戶關係管理中的套用、數據挖掘技術在金融市場分析與預測中的套用、數據挖掘技術在網際網路金融中的套用、基於大數據的金融科技戰略與實施、數據安全與隱私保護，並針對當前的大數據浪潮，給出了金融數據挖掘與分析領域的應對策略。
目錄
總序
前言
第1 篇 概 述 篇
第1 章 數據挖掘概述
1.1 數據挖掘技術的發展
1.2 數據挖掘技術的套用領域
1.2.1 銀行領域的數據挖掘
1.2.2 證券領域的數據挖掘
1.2.3 電子商務領域的數據挖掘
1.2.4 智慧型交通領域的數據挖掘
1.2.5 物聯網領域的數據挖掘
1.2.6 網際網路領域的數據挖掘
1.2.7 社交網路與輿情領域的數據挖掘
1.2.8 生物信息學和醫學領域的數據挖掘
1.2.9 零售業領域的數據挖掘
1.2.10 電信領域的數據挖掘
1.3 本章小結
第2 章 金融數據挖掘概述
2.1 數據挖掘技術在金融領域的套用現狀
2.2 金融領域進行數據挖掘的必要性和套用點
2.3 數據挖掘技術在金融業務分析中的作用
2.4 金融數據挖掘系統架構
2.5 金融數據挖掘的過程
2.6 本章小結
第3 章 基於大數據的金融數據挖掘概述 18 3.1 大數據的產生
3.2 大數據的特點
3.2.1 規模
3.2.2 速度
3.2.3 多樣性
3.2.4 價值密度
3.3 基於大數據的金融數據挖掘新思維
3.4 基於大數據的金融數據挖掘系統架構
3.5 本章小結
第2 篇 技 術 篇
第4 章 數據倉庫存技術
4.1 數據預處理技術
4.1.1 數據預處理的意義
4.1.2 常用的數據預處理技術
4.1.3 數據治理
4.1.4 ETL 工具
4.2 數據倉庫與多維分析技術
4.2.1 數據倉庫的基本概念與特點
4.2.2 OLAP 的由來與基本概念
4.2.3 OLAP 的特點和處理特性
4.2.4 常用數據倉庫產品及OLAP 工具
4.3 基於數據挖掘的數據倉庫系統框架設計
4.3.1 數據倉庫計畫與準備
4.3.2 數據倉庫數據架構
4.3.3 多重粒度的數據倉庫數據組織結構
4.3.4 數據倉庫的體系結構
4.3.5 數據倉庫技術在銀行領域的套用
4.3.6 銀行數據倉庫建設的要點
4.4 本章小結
第5 章 數據挖掘與分析技術
5.1 基本統計分析技術
5.1.1 統計分析概述
5.1.2 回歸分析
5.2 數據挖掘算法
5.2.1 分類
5.2.2 聚類分析
5.2.3 孤立點檢測
5.2.4 關聯規則分析
5.2.5 時間序列分析
5.3 建模工具與分析軟體
5.3.1 SAS
5.3.2 SPSS
5.3.3 WEKA
5.4 本章小結
第6 章 大數據挖掘與分析技術
6.1 大數據背景下的數據處理技術
6.1.1 大數據背景下資料庫技術的發展需求
6.1.2 NoSQL 資料庫技術
6.1.3 海量數據的分散式存儲
6.1.4 新型數據管理平台在金融領域的套用
6.1.5 大規模數據集的計算
6.1.6 大數據的可視化
6.1.7 大數據與傳統數據
6.2 複雜數據挖掘技術
6.2.1 面向關聯的圖數據挖掘
6.2.2 海量序列數據挖掘技術
6.3 新興數據挖掘平台和工具
6.3.1 Hadoop
6.3.2 Spark
6.3.3 Hbase
6.3.4 Mahout
6.4 本章小結
第3 篇 應 用 篇
第7 章 數據挖掘技術在零售銀行信用風險管理中的套用
7. 1 銀行風險管理概述
7.1.1 銀行風險管理的定義及類型
7.1.2 數據挖掘技術在銀行風險管理中的套用
7.2 申請風險評分模型的開發和套用
7.2.1 申請風險評分模型概述
7.2.2 申請風險評分模型的開發
7.2.3 申請風險評分模型的套用
7.3 行為風險評分模型的開發和套用
7.3.1 行為風險評分模型概述
7.3.2 行為風險評分模型的開發
7.3.3 行為風險評分模型的套用
7.4 欺詐風險評分模型的開發和套用
7.4.1 欺詐風險評分模型概述
7.4.2 欺詐風險評分模型的開發
7.4.3 欺詐風險評分模型的套用
7.5 信用數據管理系統
7.6 實踐案例
7.7 本章小結
第8 章 數據挖掘技術在巴塞爾資本協定下的銀行風險計量中的套用
8.1 概述
8.1.1 巴塞爾資本協定的演進、發展及主要內容
8.1.2 我國銀行業資本監管和風險計量框架
8.2 數據挖掘技術在風險計量中的套用
8.2.1 風險計量中的數據挖掘算法
8.2.2 數據挖掘技術在巴塞爾風險計量中的實踐案例
8.3 本章小結
第9 章 數據挖掘技術在客戶關係管理中的套用
9.1 客戶生命周期管理
9.1.1 潛在客戶的獲取
9.1.2 現有客戶的經營
9.1.3 流失客戶的贏回
9.2 客戶細分分析
9.2.1 客戶細分概述
9.2.2 客戶細分的方法與技術
9.2.3 客戶細分案例
9.3 客戶價值分析
9.3.1 客戶價值的內涵
9.3.2 客戶價值評價體系的建立
9.3.3 客戶價值的綜合評價與套用
9.4 行銷實驗設計
9.4.1 鎖定目標群體
9.4.2 整合行銷手段
9.4.3 實現精準行銷
9.4.4 精準行銷實驗設計案例
9.5 基於數據挖掘的客戶關係管理系統設計
9.5.1 基於數據挖掘的客戶關係管理系統總體架構設計
9.5.2 基於數據挖掘的客戶關係管理系統功能設計
9.5.3 基於數據挖掘的客戶關係管理系統數據倉庫設計
9.5.4 商業銀行客戶關係管理系統設計案例
9.6 實踐案例
9.7 本章小結
第10 章 數據挖掘技術在金融市場分析與預測中的套用
10.1 計算金融學與量化交易
10.1.1 背景
10.1.2 量化交易
10.2 價格預測
10.2.1 基於內部數據的價格預測
10.2.2 基於市場外部信息的價格預測
10.3 證券投資組合管理
10.3.1 投資組合概論
10.3.2 基於數據挖掘的投資組合
10.4 模擬交易平台
10.4.1 模擬交易系統的功能
10.4.2 模擬交易系統的實現技術
10.5 本章小結
第11 章 數據挖掘技術在網際網路金融中的套用
11.1 網際網路金融介紹
11.1.1 網際網路金融概況
11.1.2 網際網路金融與大數據的結合
11.2 基於大數據的徵信管理
11.2.1 基於大數據的徵信特點
11.2.2 基於大數據的徵信新方法
11.2.3 大數據徵信管理案例
11.3 基於大數據的反欺詐檢測
11.3.1 網際網路金融反欺詐檢測的特點
11.3.2 基於大數據的反欺詐方法
11.3.3 基於大數據的反欺詐案例
11.4 基於大數據的客戶關係管理
11.4.1 網際網路金融的客戶特徵與客戶需求
11.4.2 基於大數據的網際網路金融客戶關係管理方法
11.4.3 基於大數據的網際網路金融客戶關係管理案例
11.5 本章小結
第4 篇 展 望 篇
第12 章 基於大數據的金融科技戰略與實施
12.1 基於大數據的科技建設思路
12.1.1 制定差異化的經營思路
12.1.2 構建智慧型化的軟硬體設施
12.1.3 差異化與智慧型化互動循環改善
12.2 數據挖掘技術下基於風險與收益平衡的差異化經營
12.2.1 基於風險的差異化經營
12.2.2 基於收益的差異化經營
12. 2.3 基於風險與收益的差異化經營
12.3 數據挖掘技術下基於客戶需求的差異化經營
12. 3.1 基於客戶需求的差異化經營概述
12.3.2 基於客戶需求的差異化經營策略
12.4 差異化思路與智慧型化工具的互動循環實踐案例
12. 4.1 構建智慧型化的軟硬體設施
12.4.2 業務套用
12.5 本章小結
第13 章 數據安全與隱私保護
13.1 概述
13.1.1 數據安全與隱私保護的重要性
13.1.2 數據安全與隱私保護的現狀及改進建議
13.2 雲計算與數據安全
13.2.1 雲計算安全性問題
13.2.2 雲計算安全技術手段
13.2.3 雲計算與金融數據安全
13.3 大數據與隱私保護
13.3.1 大數據帶來的個人隱私信息問題
13.3.2 金融行業套用大數據的安全措施
13.3.3 大數據時代的安全新思路
13.4 本章小結
第14 章 展望
參考文獻
