本书作为金融科技专业基础课程教材，从理论、方法、实务三个层面介绍了大数据的基本概念、分析方法和金融应用。
本书在介绍大数据的概念、演化、思维方式与处理流程的基础上，重点介绍了关联规则分析、聚类分析、回归分析、树类分析、本文分析以及人工智能网络、网络数据爬虫的基本原理和在金融领域的应用。最后，从金融实务出发，介绍了大数据在银行、证券投资与保险领域的运用。
本书既可作为高等学校经济、管理类学科的专业课程教材，又可供从事金融科技、数据挖掘、大数据金融等领域的研究人员和实际工作者参阅。
- 前辅文
- 第一篇 原理篇
- 第一章 大数据金融的基本原理
- 第一节 大数据概述
- 第二节 大数据时代的思维方式
- 第三节 大数据与信息不对称
- 第四节 大数据的处理流程
- 第二篇 算法篇
- 第二章 金融大数据降维
- 第一节 数据降维概述及其应用场景
- 第二节 数据降维的准备工作
- 第三节 主成分分析
- 第四节 因子分析
- 第五节 数据降维在金融领域的应用
- 第三章 关联规则分析及其在金融领域的应用
- 第一节 关联规则分析方法概述及其应用场景
- 第二节 关联规则的基本概念及Apriori 算法
- 第三节 关联规则在推荐系统中的应用
- 第四节 关联规则分析方法在金融经济领域的应用
- 第四章 聚类分析及其在金融领域的应用
- 第一节 聚类分析概述
- 第二节 K均值系列算法
- 第三节 层次聚类算法
- 第四节 基于密度的聚类算法
- 第五节 聚类分析在金融领域的应用
- 第五章 回归分析及其在金融领域的应用
- 第一节 回归分析方法及其应用场景概述
- 第二节 多元定性响应变量的回归模型
- 第三节 回归模型的选择、正则化与降维
- 第四节 回归分析方法在金融领域的应用
- 第六章 树类分析及其在金融领域的应用
- 第一节 树类分析方法概述及其应用场景
- 第二节 决策树算法原理
- 第三节 随机森林算法原理
- 第四节 树类分析方法在金融领域的应用
- 第七章 人工神经网络
- 第一节 人工神经网络概述及其应用场景
- 第二节 神经元模型与感知机
- 第三节 人工神经网络在金融领域的应用
- 第八章 文本分析及其在金融领域的应用
- 第一节 文本分析方法概述及其应用场景
- 第二节 语素与分词
- 第三节 词袋模型与词向量模型
- 第四节 关键词提取算法
- 第五节 文本分析在金融领域的应用
- 第九章 金融数据的爬虫
- 第一节 网络爬虫概述及其应用场景
- 第二节 网络爬虫之信息获取
- 第三节 网络爬虫之信息解析
- 第四节 网络爬虫在金融领域的应用
- 第十章 其他机器学习理论简介
- 第一节 集成学习简介
- 第二节 迁移学习简介
- 第三节 强化学习简介
- 第四节 联邦学习简介
- 第三篇 应用篇
- 第十一章 大数据在银行领域的应用
- 第一节 大数据与银行风险管理
- 第二节 大数据与银行资产业务
- 第三节 大数据与银行负债业务
- 第十二章 大数据在证券投资领域的应用
- 第一节 机器学习预测资产价格
- 第二节 文本分析预测资产价格
- 第三节 大数据与证券交易实践
- 第四节 大数据与智能投顾
- 第十三章 大数据分析在保险领域的应用
- 参考文献
