金融数据模型技术-第一讲金融数据库课件.ppt

金融数据分析技术 上海金融学院 信息管理学院 金融信息技术研究所 元如林 金融数据库 数据分析软件工具 金融时间序列分析 金融风险价值计算 投资组合分析 固定收益定价 金融衍生产品的定价 信用评分与行为评分 初步掌握一些科学研究方法 每章为一个专题 五人一组，选择一个专题，在老师的指导下，通过上网收集资料，进行自学，写出读书报告，在课堂上报告，全班参加讨论。 以小组为单位，每个小组交五个实验报告， 最后每人交一篇研究报告。 参考书目 1、朱世武、严玉星，金融数据库，北京：清华大学出版社，2007年。 2、朱世武，基于SAS系统的金融计算，北京：清华大学出版社，2004年。 3、张树德，金融计算教程——MATLAB金融工具箱的应用，北京：清华大学出版社，2007年。 4、邓留保、李柏年、杨桂元，Matlab与金融模型分析，合肥：合肥工业大学出版社，2007年。 5、刘善存，Excel在金融模型分析中的应用，北京：人民邮电出版社，2004年。 6、张世英、许启发、周红，金融时间序列分析，北京：清华大学出版社，2007年。 参考书目 7、（美）蔡（Tsay, R. S.）著；潘家柱译，金融时间序列分析[M]. 北京：机械工业出版社，2006。 8、陈毅恒著；黄长全译，时间序列与金融数据分析，北京：中国统计出版社，2004年。 9、王振龙，时间序列分析，北京：中国统计出版社，2000年。 10、（英）Cormac Butler著；于研等译，风险值概论（Mastering Value at Risk），上海：上海财经大学出版社，2002年。 11、（美）Lyn C. Thomas等著；王晓蕾等译，信用评分及其应用（Credit Scoring and Its Applications）,北京：中国金融出版社，2006年。 国债9908自2002年5月8日至2008年8月6日的收盘价 背景: 1、Big Data Big Data 专有名词 技术热点 大是一个相对概念 数据库 数据仓库 数据集市 大规模数据的问题 MB GB TB PB 大数据的大小基本都在PB级别。 　　 Big Data 近年来互联网、云计算、移动和物联网的迅猛发展。 无所不在的移动设备、RFID、无线传感器每分每秒都在产生数据， 数以亿计用户的互联网服务时时刻刻在产生巨量的交互…… 要处理的数据量实在是太大、增长太快了，而业务需求和竞争压力对数据处理的实时性、有效性又提出了更高要求，传统的常规技术手段根本无法应付。　 Big Data 在这种情况下，技术人员纷纷研发和采用了一批新技术，主要包括 分布式缓存 基于MPP的分布式数据库 分布式文件系统 各种NoSQL分布式存储方案等。 Big Data 　　10年前，Eric Brewer提出著名的CAP定理，指出：一个分布式系统不可能满足一致性、可用性和分区容忍性这三个需求，最多只能同时满足两个。 系统的关注点不同，采用的策略也不一样。只有真正理解了系统的需求，才有可能利用好CAP定理。 CAP 每PB的大数据都需要0.5 Gbps的带宽以进行传输 传统数据存储的费用是每GB 5美元，而在同样容量下，Hadoop的成本是0.25美元。 背景: 2、智慧金融 数据 信息 知识 智能 智慧 了如指掌 掌控自如 优化和谐 一目了然 更透彻的感知: 它是指利用任何可以随时随地感知、测量、捕获和传递信息的设备、系统或流程。通过使用这些新设备，从人的血压到公司财务数据或城市交通状况等任何信息都可以被快速获取并进行分析，便于立即采取应对措施和进行长期规划。 更全面的互联互通: 是指通过各种形式的高速的高带宽的通信网络工具，将个人电子设备、组织和政府信息系统中收集和储存的分散的信息及数据连接起来，进行交互和多方共享。从而更好地对环境和业务状况进行实时监控，从全局的角度分析形势并实时解决问题，使得工作和任务可以通过多方协作来得以远程完成，从而彻底地改变了整个世界的运作方式。 更深入的智能化: 是指深入分析收集到的数据，以获取更加新颖、系统且全面的洞察来解决特定问题。这要求使用先进技术(如数据挖掘和分析工具、科学模型和功能强大的运算系统)来处理复杂的数据分析、汇总和计算，以便整合和分析海量的跨地域、跨行业和职能部门的数据和信息，并将特定的知识应用到特定行业，特定的场景，特定