图书详情

图书信息
图书目录

金融大数据分析



本书是工业和信息化部“十四五”规划教材，旨在深入探讨金融大数据领域的理论基础、分析技术和实际应用。本书通过翔实的内容和系统的结构，为读者呈现了一个全面的金融大数据分析框架，包括从基本概念的阐述到复杂算法的应用，再到前沿技术的探索，旨在夯实读者在金融科技领域的专业知识，培养其实践能力。

本书首先介绍金融大数据的基本内容，包括定义、特征、分类及战略定位，让读者建立起对金融大数据全貌的初步认识。接着，详细探讨了金融大数据的具体形态，如宏观和微观金融大数据、结构化与非结构化金融大数据，以及它们在金融分析中的应用和预处理方法。通过这一部分，读者可以了解金融大数据在现实世界中的多样化和复杂性。随后，本书进一步深入讨论了分类算法、聚类算法、遗传算法、深度学习算法和集成学习算法等核心技术，每个技术部分都配以丰富的案例分析，帮助读者理解和掌握这些技术在金融数据分析中的实际应用。此外，书中还特别强调了自然语言处理和大语言模型在金融领域的应用，揭示了金融科技未来的发展方向。最后，本书探讨了金融大数据平台的建设与应用，特别是在量化交易和智能风控领域的最新进展，展示了金融大数据技术如何在实际金融业务中发挥作用。

本书适合作为经管类专业高年级本科生、硕士生和博士生的教材，也可供金融领域研究者和从业者参考。

作者：
刘庆富
定价：
59.00 元
出版时间：
2026-08-19
ISBN：
978-7-04-065855-2
物料号：
65855-00
读者对象：
高等教育
一级分类：
管理
二级分类：
管理科学与工程
三级分类：
信息管理与信息系统
重点项目：
暂无
版面字数：
520.00千字
开本：
16开
装帧形式：
平装
页数：
388
最新
印次时间：
2026年08月
  • 目录
    • 前辅文
      • 第一章 金融大数据的基本内涵
        • 1.1 金融大数据的定义
          • 1.1.1 什么是金融大数据
            • 1.1.2 金融大数据的理论基础
              • 1.1.3 金融大数据与传统数据的区别
              • 1.2 金融大数据的特征
                • 1.2.1 5V特性
                  • 1.2.2 数据的质效特性
                    • 1.2.3 数据的隐私性和加密性
                    • 1.3 金融大数据的分类
                      • 1.3.1 宏观金融大数据和微观金融大数据
                        • 1.3.2 结构化大数据和非结构化大数据
                          • 1.3.3 实时大数据与历史大数据
                          • 1.4 金融大数据的战略定位
                            • 1.4.1 金融大数据的应用领域
                              • 1.4.2 各国发展大数据的战略
                            • 第二章 金融大数据的具体形态
                              • 2.1 宏观金融大数据
                                • 2.1.1 网络搜索趋势指数
                                  • 2.1.2 社交媒体舆情指数
                                    • 2.1.3 金融科技指数
                                    • 2.2 微观金融大数据
                                      • 2.2.1 微观金融截面数据
                                        • 2.2.2 金融时间序列数据
                                        • 2.3 结构化金融大数据
                                          • 2.3.1 交易数据
                                            • 2.3.2 市场数据
                                              • 2.3.3 信贷数据
                                              • 2.4 非结构化金融大数据
                                                • 2.4.1 文本大数据
                                                  • 2.4.2 图像大数据
                                                    • 2.4.3 音频大数据
                                                      • 2.4.4 视频大数据
                                                        • 2.4.5 遥感大数据
                                                          • 2.4.6 网络搜索大数据
                                                          • 2.5 结构化与非结构化大数据的交互与融合
                                                            • 2.5.1 数据整合的重要性
                                                              • 2.5.2 交互分析方法
                                                                • 2.5.3 案例分析
                                                              • 第三章 金融大数据的预处理
                                                                • 3.1 为什么要进行数据预处理
                                                                  • 3.1.1 原始数据中存在的问题
                                                                    • 3.1.2 数据预处理的功能
                                                                      • 3.1.3 预处理在金融大数据中的特殊意义
                                                                      • 3.2 数据清洗
                                                                        • 3.2.1 缺失值处理
                                                                          • 3.2.2 数据去噪
                                                                            • 3.2.3 数据一致性检查
                                                                            • 3.3 数据规范化
                                                                              • 3.3.1 特征缩放
                                                                                • 3.3.2 数据编码
                                                                                  • 3.3.3 特征创建
                                                                                  • 3.4 虚假数据识别
                                                                                    • 3.4.1 虚假数据的定义与特征
                                                                                      • 3.4.2 虚假数据识别方法
                                                                                        • 3.4.3 虚假数据的影响及应对方法
                                                                                        • 3.5 数据降维
                                                                                          • 3.5.1 特征选择与降维
                                                                                            • 3.5.2 惩罚线性回归模型
                                                                                              • 3.5.3 主成分分析法
                                                                                            • 第四章 分类算法
                                                                                              • 4.1 分类算法基础
                                                                                                • 4.1.1 分类算法的定义与类别
                                                                                                  • 4.1.2 分类算法的评估指标
                                                                                                    • 4.1.3 分类算法的优缺点
                                                                                                      • 4.1.4 分类算法在金融领域的应用场景
                                                                                                      • 4.2 主流分类算法
                                                                                                        • 4.2.1 朴素贝叶斯分类算法
                                                                                                          • 4.2.2 K-近邻分类算法
                                                                                                            • 4.2.3 决策树分类算法
                                                                                                              • 4.2.4 支持向量机分类算法
                                                                                                              • 4.3 Python案例分析
                                                                                                              • 第五章 聚类算法
                                                                                                                • 5.1 聚类算法基础
                                                                                                                  • 5.1.1 聚类算法的基本概念
                                                                                                                    • 5.1.2 聚类算法的类别
                                                                                                                      • 5.1.3 聚类算法的评估指标
                                                                                                                        • 5.1.4 聚类算法的优缺点
                                                                                                                          • 5.1.5 聚类算法在金融领域的应用场景
                                                                                                                          • 5.2 主流聚类算法
                                                                                                                            • 5.2.1 系统聚类法
                                                                                                                              • 5.2.2 K-means聚类算法
                                                                                                                                • 5.2.3 基于密度的聚类算法
                                                                                                                                  • 5.2.4 谱聚类
                                                                                                                                  • 5.3 Python案例分析
                                                                                                                                  • 第六章 遗传算法
                                                                                                                                    • 6.1 遗传算法的基本原理
                                                                                                                                      • 6.1.1 自然选择和遗传学的基本概念
                                                                                                                                        • 6.1.2 遗传算法的核心组成
                                                                                                                                          • 6.1.3 遗传算法的收敛性和效率
                                                                                                                                            • 6.1.4 遗传算法的优缺点
                                                                                                                                              • 6.1.5 遗传算法在金融领域的应用场景
                                                                                                                                              • 6.2 标准遗传算法的实现步骤
                                                                                                                                                • 6.2.1 初始化种群
                                                                                                                                                  • 6.2.2 适应度函数的设计
                                                                                                                                                    • 6.2.3 选择（Selection）操作
                                                                                                                                                      • 6.2.4 交叉（Crossover）操作
                                                                                                                                                        • 6.2.5 变异（Mutation）操作
                                                                                                                                                          • 6.2.6 终止条件的确定
                                                                                                                                                          • 6.3 改进的遗传算法
                                                                                                                                                            • 6.3.1 多目标遗传算法
                                                                                                                                                              • 6.3.2 约束优化问题中的遗传算法
                                                                                                                                                                • 6.3.3 遗传编程
                                                                                                                                                                  • 6.3.4 遗传算法的其他变体
                                                                                                                                                                  • 6.4 Python案例分析
                                                                                                                                                                  • 第七章 深度学习算法
                                                                                                                                                                    • 7.1 深度学习概述
                                                                                                                                                                      • 7.1.1 深度学习的定义和历史背景
                                                                                                                                                                        • 7.1.2 深度学习算法的优缺点
                                                                                                                                                                          • 7.1.3 深度学习算法在金融领域的应用场景
                                                                                                                                                                          • 7.2 神经网络基础
                                                                                                                                                                            • 7.2.1 神经网络的基本结构
                                                                                                                                                                              • 7.2.2 前向传播和反向传播算法
                                                                                                                                                                                • 7.2.3 损失函数和优化器概述
                                                                                                                                                                                • 7.3 深度学习模型
                                                                                                                                                                                  • 7.3.1 人工神经网络
                                                                                                                                                                                    • 7.3.2 卷积神经网络（CNN）模型
                                                                                                                                                                                      • 7.3.3 循环神经网络（RNN）模型
                                                                                                                                                                                        • 7.3.4 长短期记忆网络（LSTM）模型
                                                                                                                                                                                          • 7.3.5 生成对抗网络（GAN）模型
                                                                                                                                                                                          • 7.4 深度学习的关键技术
                                                                                                                                                                                            • 7.4.1 梯度消失和梯度爆炸问题
                                                                                                                                                                                              • 7.4.2 正则化技术
                                                                                                                                                                                                • 7.4.3 批量归一化和其他优化技术
                                                                                                                                                                                                • 7.5 Python案例分析
                                                                                                                                                                                                • 第八章 集成学习算法
                                                                                                                                                                                                  • 8.1 集成学习基础
                                                                                                                                                                                                    • 8.1.1 集成学习的概念与优缺点
                                                                                                                                                                                                      • 8.1.2 集成学习的主要类型
                                                                                                                                                                                                        • 8.1.3 集成学习的工作原理
                                                                                                                                                                                                          • 8.1.4 集成学习在金融领域的应用场景
                                                                                                                                                                                                          • 8.2 集成学习算法详解
                                                                                                                                                                                                            • 8.2.1 Bagging算法
                                                                                                                                                                                                              • 8.2.2 Boosting算法
                                                                                                                                                                                                                • 8.2.3 Stacking算法
                                                                                                                                                                                                                • 8.3 集成学习的挑战与策略
                                                                                                                                                                                                                  • 8.3.1 模型选择和组合的策略
                                                                                                                                                                                                                    • 8.3.2 过拟合和泛化能力的平衡
                                                                                                                                                                                                                      • 8.3.3 计算复杂性和可扩展性的考量
                                                                                                                                                                                                                      • 8.4 Python案例分析
                                                                                                                                                                                                                      • 第九章 自然语言处理与大语言模型
                                                                                                                                                                                                                        • 9.1 自然语言处理技术
                                                                                                                                                                                                                          • 9.1.1 自然语言处理的概念与发展
                                                                                                                                                                                                                            • 9.1.2 自然语言处理的基础技术
                                                                                                                                                                                                                              • 9.1.3 自然语言处理的应用
                                                                                                                                                                                                                                • 9.1.4 自然语言处理的优缺点
                                                                                                                                                                                                                                • 9.2 大语言模型基础
                                                                                                                                                                                                                                  • 9.2.1 大语言模型概述
                                                                                                                                                                                                                                    • 9.2.2 大语言模型的分类
                                                                                                                                                                                                                                      • 9.2.3 大语言模型的基础架构——Transformer结构
                                                                                                                                                                                                                                        • 9.2.4 大语言模型的构建流程
                                                                                                                                                                                                                                        • 9.3 大语言模型的应用
                                                                                                                                                                                                                                          • 9.3.1 大语言模型应用实例——以ChatGPT为例
                                                                                                                                                                                                                                            • 9.3.2 大语言模型在金融领域的应用探索
                                                                                                                                                                                                                                            • 9.4 大语言模型的发展趋势
                                                                                                                                                                                                                                              • 9.4.1 自然语言处理和大语言模型未来的技术调整
                                                                                                                                                                                                                                                • 9.4.2 大语言模型在金融领域的潜在发展方向
                                                                                                                                                                                                                                              • 第十章 金融大数据平台的建设与应用
                                                                                                                                                                                                                                                • 10.1 量化交易——Northstar开源量化交易平台
                                                                                                                                                                                                                                                  • 10.1.1 量化交易的定义及特征
                                                                                                                                                                                                                                                    • 10.1.2 Northstar的主要功能
                                                                                                                                                                                                                                                      • 10.1.3 Northstar的项目特点
                                                                                                                                                                                                                                                        • 10.1.4 Northstar的设计架构
                                                                                                                                                                                                                                                          • 10.1.5 模组的设计和应用
                                                                                                                                                                                                                                                          • 10.2 智能风控——基于大数据技术的股市异常交易监察系统
                                                                                                                                                                                                                                                            • 10.2.1 证券市场科技监管
                                                                                                                                                                                                                                                              • 10.2.2 金融市场异常交易行为的分析与预警模型
                                                                                                                                                                                                                                                                • 10.2.3 证券市场异常交易智能监察风控平台设计与实现
                                                                                                                                                                                                                                                                • 10.3 金融大数据平台的落地与治理
                                                                                                                                                                                                                                                                  • 10.3.1 落地的总体思路与阶段路径
                                                                                                                                                                                                                                                                    • 10.3.2 数据治理与安全合规体系
                                                                                                                                                                                                                                                                      • 10.3.3 技术架构、模型全生命周期与运维保障
                                                                                                                                                                                                                                                                        • 10.3.4 组织配套与制度保障
                                                                                                                                                                                                                                                                      • 主要参考文献
                                                                                                                                                                                                                                                                      1