数据分析与挖掘在金融领域的应用指南.docVIP

数据分析与挖掘在金融领域的应用指南

TOC\o1-2\h\u10468第一章数据分析与挖掘基础 3

17671.1数据分析与挖掘概述 3

104381.1.1定义与内涵 3

114881.1.2发展历程 3

192321.1.3应用领域 3

311441.2数据预处理方法 3

305681.2.1数据清洗 3

129401.2.2数据集成 4

129651.2.3数据转换 4

291171.3数据可视化技巧 4

149711.3.1图表选择 4

168001.3.2色彩搭配 4

281031.3.3图表布局 4

131801.3.4动态可视化 4

5902第二章金融数据来源与类型 4

216912.1金融数据来源概述 4

38972.2金融数据的类型与特点 5

161582.3金融数据质量评估 6

9090第三章数据挖掘技术在金融领域的应用 6

91003.1聚类分析在金融领域的应用 6

162533.2关联规则挖掘在金融领域的应用 7

277533.3分类与预测在金融领域的应用 7

9372第四章信用评分模型与应用 7

152534.1信用评分模型概述 7

6714.2传统信用评分方法 8

270204.2.1逻辑回归模型 8

84084.2.2神经网络模型 8

56794.2.3决策树模型 8

15714.3机器学习在信用评分中的应用 8

85224.3.1特征工程 8

158724.3.2随机森林模型 8

204314.3.3支持向量机模型 8

28764.3.4深度学习模型 9

195464.3.5集成学习方法 9

74224.3.6信用评分模型的选择与评估 9

25735第五章金融风险管理与预警 9

167035.1金融风险概述 9

128145.2风险度量方法 9

102235.2.1基于历史模拟法的风险度量 9

55845.2.2基于VaR（ValueatRisk）的风险度量 9

93025.2.3基于CVaR（ConditionalValueatRisk）的风险度量 10

236045.2.4基于风险矩阵的风险度量 10

16565.3金融风险预警模型 10

239425.3.1基于逻辑回归的金融风险预警模型 10

134335.3.3基于支持向量机的风险预警模型 10

169545.3.4基于聚类分析的风险预警模型 10

11357第六章金融产品推荐与客户关系管理 11

46606.1客户细分与客户价值分析 11

62986.1.1客户细分方法 11

121816.1.2客户价值分析 11

139036.2金融产品推荐系统 11

83386.2.1推荐系统概述 11

5446.2.2推荐系统构建 12

269786.3客户关系管理策略 12

23106.3.1客户关系管理概述 12

323326.3.2客户关系管理实施 12

25751第七章金融欺诈检测与防范 13

223507.1欺诈行为类型与特点 13

262567.1.1引言 13

148537.1.2欺诈行为类型 13

219267.1.3欺诈行为特点 13

132367.2欺诈检测方法 13

281377.2.1引言 13

196127.2.2规则引擎 13

105617.2.3机器学习 13

17987.2.4深度学习 14

145397.2.5综合方法 14

40147.3防范欺诈的策略与措施 14

77117.3.1引言 14

292947.3.2加强内部管理 14

30157.3.3技术手段 14

320927.3.4客户教育 14

118877.3.5法律法规 14

3509第八章资产定价与投资组合优化 15

196058.1资产定价模型 15

75028.1.1资本资产定价模型（CAPM） 15

227278.1.2三因素模型 15

236518.1.3五因素模型 15

129698.2投资组合优化方法 15

171438.2.1马科维茨投资组合理论 16

300458.2.2黑利怀特