《金融数据建模应用（初级）》 - 台灣·大書城 - 中关村互联网金融研究院组织编写，刘淑娥主编，张敏敏副主 - 清华大学出版社

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　聯絡我們　 \|　運費計算　 \|　幫助中心　\|　加入書簽
		會員登入新用戶註冊

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

『簡體書』金融数据建模应用（初级）

書城自編碼： 3854096
分類：簡體書→大陸圖書→教材→高职高专教材
作者：中关村互联网金融研究院组织编写，刘淑娥主编，张敏敏副主
國際書號(ISBN)： 9787302629351
出版社：清华大学出版社
出版日期： 2023-04-01

頁數/字數： /
書度/開本： 16开釘裝：平装

售價：NT$ 296

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《汉服怎么做》
售價：HK$ 500

《大模型时代：虚拟人的崛起与未来》
售價：HK$ 459

《大话芯片：读懂芯片原理、周期、产业链与技术趋势》
售價：HK$ 454

《世界观：现代人必须要懂的科学哲学和科学史（原书第3版）【2024最新版】》
售價：HK$ 658

《儿童哲学教育：案例式教程南强儿童哲学丛书曹剑波、黄睿主编案例教程高校教师用书》
售價：HK$ 306

《驰骋三界：汉代神兽的图像世界》
售價：HK$ 551

《印章的故事》
售價：HK$ 230

《数字化口腔》
售價：HK$ 2030

編輯推薦：

①典型的“校企二元化”教材，由网金院依据金融数据建模应用岗位的实际需求设计教材大纲，并作为《金融数据建模应用（初级）》的组编邀请职业院校优秀专家负责内容的撰写。
② 项目式、任务式教学，还原岗位真实工作过程与逻辑，提取真实工作环境及工作方法进行实践方法论的转化，并依据实际应用工具来进行实践学习，强化学生的业务实操能力和职业判断能力。
③数据建模实训平台，教材搭载由海致科技公司提供的DMC大数据分析建模平台，是集合“学、研、练、考、评”一体的学习平台，实现边学边练，更好地掌握数据建模方法。
④立体化教材，结合线上课程、专家讲座视频、师资培训等全面指导院校相关课程教学工作的开展。

內容簡介：

本书是教育*1 X职业技能等级证书”金融数据建模应用(初级)”的配套教材。全书依据金融数据建模应用职业技能等级标准，面响金融数据建模相关岗位需求，强化学生的业务实操能力和职业判断能力。全书从金融基础业务应用、金融数据分析、金融数据库、金融数据挖掘与算法实现、金融数据模型设计与调优、数据可视化、金融数据建模项目管理7个方面，培养学生在金融与科技融合的专业岗位上金融数据建模应用能力。本书可作为1 X职业技能等级证书“金融数据建模应用(初级)”培训的教材，也可作为应用型本科院校、中高等职业院校软件工程、计算机科学与技术、信息管理与信息系统、信息与计算科学、物联网工程、金融贸易等相关专业的教材，还可作为金融数据建模应用从业人员的培训用书。

關於作者：

中关村互联网金融研究院是国内首家互联网金融、金融科技研究机构，于2014年5月在中关村科技园区管理委员会、北京市海淀区人民政府等政府部门指导下经北京市民政部门核准成立的研究机构。2018年研究院被民政部门评为“中国社会组织评估等级4A级”。在国家法律、法规和相关政策指导下，以金融和科技创新为指导思想，以理论探索、创新发展、完善体系和严格监管为手段，促进互联网金融、金融科技行业快速发展。

第 1 章金融大数据概述　　　　　　1
1.1 认识金融大数据　　　　　　　1
1.1.1 大数据的定义　　　　　　　　1
1.1.2 金融大数据的定义　　　　　　　1
1.1.3 金融大数据的分类　　　　　　　2
1.1.4 金融大数据的特点　　　　　　　3
1.1.5 金融大数据的作用　　　　　　　4
1.1.6 金融大数据的分析方法　　　　　　　5
1.2 金融大数据应用　　　　　　　6
1.2.1 金融大数据在银行业的应用　　　　　　6
1.2.2 金融大数据在证券业的应用　　　　　　8
1.2.3 金融大数据在保险业的应用　　　　　　8
1.3 金融大数据应用技术架构　　　　　　10
1.3.1 数据产生层　　　　　　　　10
1.3.2 数据交换层　　　　　　　　11
1.3.3 流程调度层　　　　　　　　13
1.3.4 数据计算层　　　　　　　　13
1.3.5 数据应用层　　　　　　　　17
1.3.6 数据访问层　　　　　　　　18
1.3.7 数据管控层　　　　　　　　19
1.4 金融大数据应用的关键技术　　　　　20
1.4.1 大数据采集技术　　　　　　　20
1.4.2 大数据预处理技术　　　　　　20
1.4.3 大数据存储与管理技术　　　　　　　20
1.4.4 大数据分析与挖掘技术　　　　　　　21
1.4.5 大数据展现与应用技术　　　　　　　21
本章习题　　　　　　　　21
第 2 章金融数据分析基础　　　　　23
2.1 认识金融数据分析　　　　　　　23
2.1.1 金融数据分析的目的　　　　　　　23
2.1.2 金融数据分析的意义　　　　　　　24
2.1.3 金融数据分析的基本思路　　　　　　25
2.1.4 金融数据分析常用术语　　　　　　　28
2.2 金融数据分析流程及应用场景　　　　　　37
2.2.1 金融数据的获取　　　　　　　37
2.2.2 金融数据的预处理　　　　　　38
2.2.3 金融数据的清洗　　　　　　　39
2.2.4 金融数据的分析　　　　　　　39
2.2.5 金融数据的展示　　　　　　　40
2.2.6 金融数据分析的应用场景　　　　　　40
2.3 操作误区　　　　　　　　41
2.3.1 偏离分析目的　　　　　　　42
2.3.2 分析报告缺少内涵　　　　　　42
本章习题　　　　　　　　42
第 3 章金融数据建模及常用算法　　　　　45
3.1 金融数据建模基础　　　　　　　45
3.1.1 数据模型　　　　　　　　45
3.1.2 数据建模　　　　　　　　47
3.1.3 金融数据模型和金融数据建模规范　　　　　48
3.1.4 金融数据建模的流程　　　　　　　51
3.2 金融数据业务常用算法　　　　　　55
3.2.1 相关分析　　　　　　　　55
3.2.2 回归分析　　　　　　　　59
3.2.3 决策树　　　　　　　67
3.2.4 聚类分析　　　　　　　　71
3.2.5 关联规则分析　　　　　　　78
本章习题　　　　　　　　81
第 4 章金融数据自主建模高级应用　　　　　82
4.1 自主建模的基本概念　　　　　　　82
4.1.1 数据模型　　　　　　　　82
4.1.2 数据表　　　　　　　86
4.1.3 算子　　　　　　　　86
4.2 大数据建模分析平台简介　　　　　　86
4.2.1 大数据建模分析平台的功能模块　　　　　　87
4.2.2 数据手动上传　　　　　　　96
4.3 模型创建与管理　　　　　　　100
4.3.1 模型创建　　　　　　　　100
4.3.2 模型管理　　　　　　　　102
4.4 单表级数据处理通用算子　　　　　108
4.4.1 添加字段算子　　　　　　　108
4.4.2 JSON解析算子　　　　　　　109
4.4.3 算术运算算子　　　　　　　111
4.4.4 日期处理算子　　　　　　　113
4.4.5 字符串处理算子　　　　　　　116
4.4.6 空值率算子　　　　　　　　120
4.4.7 SQL算子　　　　　　　　121
4.5 多表级数据建模算子　　　　　　123
4.5.1 左连接算子　　　　　　　　123
4.5.2 差集算子　　　　　　　　125
4.5.3 全关联算子　　　　　　　　126
4.6 金融数据模型综合应用　　　　　　128
4.6.1 数据准备　　　　　　　　128
4.6.2 场景分析　　　　　　　　128
4.6.3 模型实现　　　　　　　　133
本章习题　　　　　　　133
第 5 章 SQL在金融数据建模中的应用　　　　135
5.1 SQL使用场景及技巧　　　　　　135
5.2 SQL查询基本语法及函数应用　　　　　　139
5.2.1 SQL查询基本语法　　　　　　　139
5.2.2 数学运算函数应用　　　　　　　142
5.2.3 日期函数应用　　　　　　　146
5.2.4 条件函数应用　　　　　　　154
5.2.5 字符串函数应用　　　　　　　157
5.2.6 数值计算函数应用　　　　　　　162
5.2.7 聚合函数应用　　　　　　　163
5.3 函数应用注意事项　　　　　　　164
本章习题　　　　　　　164
第 6 章金融数据可视化分析高级应用　　　　166
6.1 金融数据可视化分析概述　　　　　166
6.1.1 金融数据可视化分析的定义　　　　　166
6.1.2 金融数据可视化分析的应用场景　　　　　　167
6.1.3 金融数据可视化分析的主要功能　　　　　　167
6.2 可视化图表类型介绍　　　　　　168
6.2.1 数据准备及上传　　　　　　　168
6.2.2 堆积图及百分比堆积图　　　　　　169
6.2.3 瀑布图　　　　　　　173
6.2.4 词云图　　　　　　　175
6.2.5 散点图　　　　　　　177
6.2.6 桑基图　　　　　　　180
6.3 图表设置　　　　　　　　182
6.3.1 图表颜色设置　　　　　　　182
6.3.2 图表联动设置　　　　　　　187
6.3.3 图表筛选设置　　　　　　　191
6.3.4 图表钻取设置　　　　　　　196
6.3.5 图表排序设置　　　　　　　197
6.3.6 图表样式设置　　　　　　　197
6.4 图表中的常用计算　　　　　　　197
6.4.1 百分比　　　　　　　197
6.4.2 留存率　　　　　　　198
6.4.3 活跃率　　　　　　　198
6.4.4 重复率　　　　　　　198
6.4.5 同比　　　　　　　　199
6.4.6 环比　　　　　　　　199
6.4.7 移动计算　　　　　　　　200
6.4.8 累计计算　　　　　　　　200
6.5 图表中的自定义计算　　　　　　200
6.5.1 分组字段　　　　　　　　200
6.5.2 计算字段　　　　　　　　201
本章习题　　　　　　　202
第 7 章金融数据建模应用案例解析　　　　　203
7.1 案例背景　　　　　　　　203
7.2 申请评分卡模型的构建　　　　　　204
7.2.1 建模思想及原理　　　　　　　204
7.2.2 建模方法　　　　　　　　204
7.2.3 模型开发流程　　　　　　　206
7.3 申请评分卡模型的实现　　　　　　206
7.3.1 数据获取　　　　　　　　206
7.3.2 数据预处理　　　　　　　　207
7.3.3 探索性数据分析　　　　　　　210
7.3.4 变量选择　　　　　　　　214
7.3.5 模型开发　　　　　　　　220
7.3.6 模型评估　　　　　　　　225
7.3.7 信用评分　　　　　　　　226
7.4 模型分析总结　　　　　　　227
本章习题　　　　　　　227
第 8 章金融数据建模新技术　　　　　229
8.1 机器学习　　　　　　　　229
8.1.1 机器学习概述　　　　　　　229
8.1.2 机器学习常用算法　　　　　　　230
8.1.3 机器学习在金融领域的应用　　　　　232
8.2 自然语言处理　　　　　　　232
8.2.1 自然语言处理概述　　　　　　　232
8.2.2 自然语言处理的基本任务　　　　　　233
8.2.3 自然语言处理在金融领域的应用　　　　　　235
8.3 知识图谱　　　　　　　　236
8.3.1 知识图谱概述　　　　　　　236
8.3.2 知识图谱构建技术　　　　　　　236
8.3.3 知识图谱在金融领域的应用　　　　　239
8.4 区块链　　　　　　　　240
8.4.1 区块链概述　　　　　　　　240
8.4.2 区块链核心技术　　　　　　　241
8.4.3 区块链技术在金融领域的应用　　　　　　242
本章习题　　　　　　　244
第 9 章金融数据安全规范　　　　　245
9.1 金融数据安全概述　　　　　　　245
9.1.1 金融数据安全的重要性　　　　　　245
9.1.2 金融数据面临的风险　　　　　　　245
9.1.3 我国金融数据安全原则　　　　　　　247
9.1.4 我国金融数据安全法规　　　　　　247
9.2 金融数据安全分级　　　　　　　250
9.2.1 金融数据安全分级的目标、原则和范围　　　　250
9.2.2 金融数据安全分级要素和规则　　　　　　251
9.2.3 金融数据安全级别划分　　　　　　252
9.3 金融数据生命周期安全管理　　　　　　253
9.3.1 数据采集安全管理　　　　　　　253
9.3.2 数据传输安全管理　　　　　　　254
9.3.3 数据存储安全管理　　　　　　　256
9.3.4 数据使用安全管理　　　　　　　257
9.3.5 数据删除安全管理　　　　　　　261
9.3.6 数据销毁安全管理　　　　　　　262
本章习题　　　　　　　263
参考文献　　　　　　　264

內容試閱：

本书是1 X职业技能等级证书“金融数据建模应用(中级)”的配套教材，由北京联合大学、北京城市学院、北京工商大学嘉华学院、北京财贸职业学院等院校与机构的专家、学者共同编写完成。全书依据《金融数据建模应用职业技能等级标准》，面向金融机构设立的金融科技子公司，互联网金融机构，人工智能、大数据、云计算、区块链等金融科技底层技术相关企业的金融数据建模相关岗位需求，为金融数据分析师、金融数据建模师、金融数据开发工程师、金融数据架构师，以及金融产品营销人员、金融科技岗位人员的培训提供了参考依据。
本书包括9章，主要内容如下。
第1章金融大数据概述包括认识金融大数据、金融大数据应用、金融大数据应用技术架构和金融大数据应用的关键技术四部分内容。认识金融大数据部分主要介绍了金融大数据的定义、分类、特点、作用及分析方法等。金融大数据应用部分介绍了三大金融行业(银行、证券和保险)中大数据的典型应用。金融大数据应用技术架构部分从数据产生层、数据交换层、流程调度层、数据计算层、数据应用层、数据访问层及数据管控层七个层面设计金融大数据应用技术架构。金融大数据应用的关键技术部分介绍了金融大数据应用的关键技术。
第2章金融数据分析基础包括认识金融数据分析、金融数据分析流程及应用场景、操作误区三部分内容。认识金融数据分析部分主要介绍了金融数据分析的目的、意义、基本思路及常用术语。金融数据分析流程及应用场景部分主要介绍了金融数据的获取、预处理、清洗、分析、展示等流程。操作误区部分从偏离分析目的与分析报告缺少内涵两方面阐述了金融数据操作分析中可能存在的误区。
第3章金融数据建模及常用算法包括金融数据建模基础和金融数据业务常用算法两部分内容。金融数据建模基础部分主要介绍金融数据建模的概念和流程。金融数据业务常用算法主要介绍了相关分析、回归分析、决策树、聚类分析、关联规则分析等常用算法。
第4章金融数据自主建模高级应用包括自主建模基本概念、大数据建模分析平台简介、模型创建与管理、单表级数据处理通用算子、多表级数据建模算子和金融数据模型综合应用六部分内容。本章对金融数据自主建模的相关概念进行了深入浅出的讲解，介绍了如何在大数据建模分析平台上进行数据上传、模型创建、模型管理，同时介绍了左连接、全关联等算子，最后结合综合金融案例，讲解了金融数据建模的综合应用。
第5章SQL在金融数据建模中的应用包括SQL使用场景及技巧、SQL查询基本语法及函数应用、函数应用注意事项三部分内容。本章主要通过示例详细阐述数据建模的过程中如何添加字段、SQL算子，以及SQL函数的使用方法。
第6章金融数据可视化分析高级应用包括金融数据可视化分析概述、可视化图表类型
介绍、图表设置、图表中的常用计算和图表中的自定义计算五部分。金融数据可视化分析概述部分主要介绍了金融数据可视化分析的定义、应用场景和主要功能。可视化图表类型介绍部分主要结合相关案例，阐述了如何利用大数据分析平台绘制堆积图、百分比堆积图、瀑布图、词云图、散点图及桑基图。图表设置部分主要介绍了图表的颜色、联动、筛选、钻取、排序和样式设置。图表中的常用计算部分介绍了百分比、留存率、活跃率、重复率、同比、环比、移动计算、累计计算。图表中的自定义计算部分主要介绍了分组字段和计算字段。
第7章金融数据建模应用案例解析包括案例背景、申请评分卡模型的构建、申请评分卡模型的实现和模型分析总结四部分内容。目前，逻辑回归模型已经应用于各大银行和金融企业的实际业务，申请评分卡模型则是逻辑回归模型的应用之一。本章以借贷场景下申请评分卡的建模场景为例，介绍了申请评分卡模型的主要流程以及模型的实现过程。
第8章金融数据建模新技术包括机器学习、自然语言处理、知识图谱和区块链四部分内容。本章主要介绍了机器学习及常见算法、自然语言处理及基本任务、知识图谱及构建技术、区块链及核心技术，以及它们在金融领域的应用示例。
第9章金融数据安全规范包括金融数据安全概述、金融数据安全分级、金融数据生命周期安全管理三部分内容。金融数据安全概述部分主要介绍了金融数据安全的重要性、金融数据面临的风险、我国金融数据的安全原则和法规。金融数据安全分级部分从金融数据安全分级的目标、原则和范围，金融数据安全分级要素和规则，金融数据安全级别划分三方面进行了重点介绍。金融数据生命周期安全管理部分重点从金融数据采集、传输、存储、使用、删除、销毁的安全管理方面进行了分析。
本书编写过程中，中关村互联网金融研究院的刘勇，北京海致科技集团有限公司海致学院的雷玉堂、杨浦等提出了宝贵的意见，其中大部分已被采纳，本书编写组对上述全体同志致以谢意。
本书中案例演示平台为北京海致科技集团有限公司自研的大数据建模分析平台，该平台在全国150多个地市公安局、70多家金融企业、3000 多家互联网公司得到广泛应用，数据建模的方法和流程具有一定的代表性，也适用于其他类似的数据建模分析平台。本书中所有演示数据均为模拟数据，可扫封底二维码免费获取。
本书编写具体分工如下：王秦撰写第1章，姚迪撰写第2章，申海伟撰写第3章，张峰、胡正坤撰写第4章，张峰、申海伟撰写第5章，陈战胜撰写第6章，杜聪慧撰写第7章，裴乐琪撰写第8章，张敏敏撰写第9章。张峰担任主编，负责全书的修撰与定稿；王秦担任副主编。
限于编写人员的知识水平和教学经验，本书的疏漏之处在所难免，敬请使用本书的读者提出宝贵意见。
本书编写组
2022年10月

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	台灣用户　\|　香港/海外用户

megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.