金融數(shù)據(jù)建模應(yīng)用（高級）

第1章 金融基礎(chǔ)業(yè)務(wù)應(yīng)用 1
1.1 金融監(jiān)管基礎(chǔ) 1
1.1.1 國家監(jiān)督 1
1.1.2 自我管理 5
1.2 金融市場法律法規(guī) 6
1.2.1 金融市場法律法規(guī)體系 6
1.2.2 金融業(yè)務(wù)法律規(guī)范 7
1.2.3 大數(shù)據(jù)與個人信息保護(hù)法律法規(guī) 14
1.2.4 金融法律責(zé)任及相關(guān)犯罪類型 18
1.2.5 金融風(fēng)險管理政策 20
1.3 道德規(guī)范與行為準(zhǔn)則 25
1.3.1 道德規(guī)范 25
1.3.2 行為準(zhǔn)則 25
1.4 金融市場概述 26
1.4.1 金融市場的特征 26
1.4.2 金融市場分類 27
1.4.3 金融市場構(gòu)成要素 28
1.4.4 金融市場功能 29
1.5 金融機(jī)構(gòu)概述 30
1.5.1 金融市場的融資結(jié)構(gòu) 30
1.5.2 金融機(jī)構(gòu)存在的理論基礎(chǔ) 31
1.5.3 金融機(jī)構(gòu)體系 33
1.6 金融工具市場與衍生品 39
1.6.1 貨幣市場 39
1.6.2 資本市場 41
1.6.3 金融衍生品 42
1.7 金融風(fēng)險及風(fēng)險管理 45
1.7.1 金融風(fēng)險的類別 45
1.7.2 金融風(fēng)險管理的基礎(chǔ)理論 46
1.7.3 金融風(fēng)險管理的理論方法 48
1.7.4 金融風(fēng)險管理的計量模型 49
1.7.5 金融風(fēng)險管理的流程 51
第2章金融數(shù)據(jù)分析 56
2.1 Python程序設(shè)計基礎(chǔ) 56
2.1.1 Python基礎(chǔ) 56
2.1.2 Python控制流 58
2.1.3 Python函數(shù)與模塊 59
2.2 Python進(jìn)階 60
2.2.1 NumPy的使用 60
2.2.2 Pandas的使用 60
2.2.3 Matplotlib數(shù)據(jù)可視化 61
2.3 數(shù)理統(tǒng)計基礎(chǔ) 66
2.3.1 微積分基礎(chǔ) 66
2.3.2 線性代數(shù)基礎(chǔ) 68
2.3.3 概率統(tǒng)計基礎(chǔ) 72
2.4 金融數(shù)據(jù)管理 79
2.4.1 數(shù)據(jù)治理 79
2.4.2 數(shù)據(jù)安全與隱私保護(hù) 80
2.4.3 數(shù)據(jù)信息加密及其Python實(shí)現(xiàn) 81
2.5 金融數(shù)據(jù)初步處理 82
2.5.1 金融數(shù)據(jù)的獲取 82
2.5.2 金融數(shù)據(jù)預(yù)處理 82
2.5.3 蒙特卡羅方法 85
第3章金融數(shù)據(jù)庫 87
3.1 數(shù)據(jù)庫 87
3.1.1 關(guān)系型數(shù)據(jù)庫 87
3.1.2 NoSQL數(shù)據(jù)庫 103
3.2 數(shù)據(jù)倉庫 112
3.2.1 基本概念 112
3.2.2 數(shù)據(jù)倉庫構(gòu)建 116
3.2.3 SSIS、SSAS、SSRS 118
3.3 金融數(shù)據(jù)倉庫 119
3.3.1 金融行業(yè)建設(shè)數(shù)據(jù)倉庫的必要性 119
3.3.2 金融行業(yè)傳統(tǒng)數(shù)據(jù)倉庫 119
3.3.3 金融行業(yè)新一代數(shù)據(jù)倉庫 123
第4章 金融數(shù)據(jù)挖掘與算法實(shí)現(xiàn) 129
4.1 常用大數(shù)據(jù)挖掘算法 129
4.1.1 邏輯回歸模型 129
4.1.2 樸素貝葉斯模型 131
4.1.3 決策樹 134
4.1.4 隨機(jī)森林 136
4.1.5 支持向量機(jī) 137
4.1.6 聚類分析 138
4.1.7 人工神經(jīng)網(wǎng)絡(luò) 139
4.2 大數(shù)據(jù)分析與Spark Python 140
4.2.1 大數(shù)據(jù)分析與分布式數(shù)據(jù)處理 140
4.2.2 常見分布式數(shù)據(jù)處理框架 143
4.2.3 Spark Python 148
4.3 Spark Python大數(shù)據(jù)分析應(yīng)用 151
4.3.1 Spark Python開發(fā)環(huán)境搭建 151
4.3.2 Spark RDD運(yùn)算類型示例 159
4.3.3 應(yīng)用PySpark進(jìn)行大數(shù)據(jù)分析 167
第5章 金融數(shù)據(jù)模型設(shè)計與調(diào)優(yōu) 173
5.1 金融行業(yè)典型應(yīng)用場景 173
5.1.1 銀行領(lǐng)域 173
5.1.2 保險領(lǐng)域 181
5.1.3 證券領(lǐng)域 184
5.2 金融中的數(shù)學(xué)模型 188
5.2.1 投資模型 189
5.2.2 金融風(fēng)險管理模型 194
5.3 金融機(jī)構(gòu)客戶流失預(yù)警模型 205
5.3.1 數(shù)據(jù)探索性分析 206
5.3.2 數(shù)據(jù)預(yù)處理 210
5.3.3 特征加工 213
5.3.4 模型建設(shè) 214
5.3.5 模型的超參調(diào)節(jié) 215
5.3.6 交叉驗(yàn)證 216
5.3.7 模型評價 218
5.4 金融模型的迭代與優(yōu)化 220
5.4.1 金融領(lǐng)域機(jī)器學(xué)習(xí)模型評價 220
5.4.2 金融領(lǐng)域機(jī)器學(xué)習(xí)模型管理 223
第6章數(shù)據(jù)可視化 226
6.1 數(shù)據(jù)可視化概述 226
6.1.1 數(shù)據(jù)可視化的含義 226
6.1.2 視覺通道 227
6.1.3 數(shù)據(jù)可視化的軟件及工具 228
6.1.4 數(shù)據(jù)可視化的流程 231
6.2 數(shù)據(jù)可視化的基礎(chǔ)要素 232
6.2.1 數(shù)據(jù) 232
6.2.2 圖表 234
6.3 數(shù)據(jù)可視化的設(shè)計 235
6.3.1 數(shù)據(jù)可視化設(shè)計理念 235
6.3.2 圖表的設(shè)計 236
6.3.3 排版、配色及字體 238
第7章金融數(shù)據(jù)建模項目管理 240
7.1 項目管理要素 240
7.1.1 項目范圍管理 240
7.1.2 項目時間管理 240
7.1.3 項目成本管理 240
7.1.4 項目質(zhì)量管理 241
7.1.5 人力資源管理 241
7.1.6 項目溝通管理 241
7.1.7 項目風(fēng)險管理 241
7.1.8 項目采購管理 242
7.2 甘特圖 242
7.2.1 甘特圖的特點(diǎn) 242
7.2.2 甘特圖的優(yōu)缺點(diǎn) 243
7.2.3 甘特圖的繪制步驟 243
7.3 項目團(tuán)隊管理 243
7.3.1 項目相關(guān)方管理 244
7.3.2 項目任務(wù)分解 257
參考文獻(xiàn) 266