總序

前言

第１ 篇基礎篇

第１ 章數據挖掘概述

１.１數據挖掘技術的發展

１.２數據挖掘技術的應用領域

１.２.１銀行領域的數據挖掘

１.２.２證券領域的數據挖掘

１.２.３電子商務領域的數據挖掘

１.２.４智能交通領域的數據挖掘

１.２.５物聯網領域的數據挖掘

１.２.６互聯網領域的數據挖掘

１.２.７社交網絡與輿情領域的數據挖掘

１.２.８生物信息學和醫學領域的數據挖掘

１.２.９零售業領域的數據挖掘

１.２.１０電信領域的數據挖掘

１.３本章小結

第２ 章金融數據挖掘概述

２.１數據挖掘技術在金融領域的應用現狀

２.２金融領域進行數據挖掘的必要性和應用點

２.３數據挖掘技術在金融業務分析中的作用

２.４金融數據挖掘繫統架構

２.５金融數據挖掘的過程

２.６本章小結

第３ 章基於大數據的金融數據挖掘概述 １８

３.１大數據的產生

３.２大數據的特點

３.２.１規模

３.２.２速度

３.２.３多樣性

３.２.４價值密度

３.３基於大數據的金融數據挖掘新思維

３.４基於大數據的金融數據挖掘繫統架構

３.５本章小結

第２ 篇技術篇

第４ 章數據倉庫存技術

４.１數據預處理技術

４.１.１數據預處理的意義

４.１.２常用的數據預處理技術

４.１.３數據治理

４.１.４ＥＴＬ 工具

４.２數據倉庫與多維分析技術

４.２.１數據倉庫的基本概念與特點

４.２.２ＯＬＡＰ 的由來與基本概念

４.２.３ＯＬＡＰ 的特點和處理特性

４.２.４常用數據倉庫產品及ＯＬＡＰ 工具

４.３基於數據挖掘的數據倉庫繫統框架設計

４.３.１數據倉庫計劃與準備

４.３.２數據倉庫數據架構

４.３.３多重粒度的數據倉庫數據組織結構

４.３.４數據倉庫的體繫結構

４.３.５數據倉庫技術在銀行領域的應用

４.３.６銀行數據倉庫建設的要點

４.４本章小結

第５ 章數據挖掘與分析技術

５.１基本統計分析技術

５.１.１統計分析概述

５.１.２回歸分析

５.２數據挖掘算法

５.２.１分類

５.２.２聚類分析

５.２.３孤立點檢測

５.２.４關聯規則分析

５.２.５時間序列分析

５.３建模工具與分析軟件

５.３.１ＳＡＳ

５.３.２ＳＰＳＳ

５.３.３ＷＥＫＡ

５.４本章小結

第６ 章大數據挖掘與分析技術

６.１大數據背景下的數據處理技術

６.１.１大數據背景下數據庫技術的發展需求

６.１.２ＮｏＳＱＬ 數據庫技術

６.１.３海量數據的分布式存儲

６.１.４新型數據管理平臺在金融領域的應用

６.１.５大規模數據集的計算

６.１.６大數據的可視化

６.１.７大數據與傳統數據

６.２復雜數據挖掘技術

６.２.１面向關聯的圖數據挖掘

６.２.２海量序列數據挖掘技術

６.３新興數據挖掘平臺和工具

６.３.１Ｈａｄｏｏｐ

６.３.２Ｓｐａｒｋ

６.３.３Ｈｂａｓｅ

６.３.４Ｍａｈｏｕｔ

６.４本章小結

第３ 篇應用篇

第７ 章數據挖掘技術在零售銀行信用風險管理中的應用

７. １銀行風險管理概述

７.１.１銀行風險管理的定義及類型

７.１.２數據挖掘技術在銀行風險管理中的應用

７.２申請風險評分模型的開發和應用

７.２.１申請風險評分模型概述

７.２.２申請風險評分模型的開發

７.２.３申請風險評分模型的應用

７.３行為風險評分模型的開發和應用

７.３.１行為風險評分模型概述

７.３.２行為風險評分模型的開發

７.３.３行為風險評分模型的應用

７.４欺詐風險評分模型的開發和應用

７.４.１欺詐風險評分模型概述

７.４.２欺詐風險評分模型的開發

７.４.３欺詐風險評分模型的應用

７.５信用數據管理繫統

７.６實踐案例

７.７本章小結

第８ 章數據挖掘技術在巴塞爾資本協議下的銀行風險計量中的應用

８.１概述

８.１.１巴塞爾資本協議的演進、發展及主要內容

８.１.２我國銀行業資本監管和風險計量框架

８.２數據挖掘技術在風險計量中的應用

８.２.１風險計量中的數據挖掘算法

８.２.２數據挖掘技術在巴塞爾風險計量中的實踐案例

８.３本章小結

第９ 章數據挖掘技術在客戶關繫管理中的應用

９.１客戶生命周期管理

９.１.１潛在客戶的獲取

９.１.２現有客戶的經營

９.１.３流失客戶的贏回

９.２客戶細分分析

９.２.１客戶細分概述

９.２.２客戶細分的方法與技術

９.２.３客戶細分案例

９.３客戶價值分析

９.３.１客戶價值的內涵

９.３.２客戶價值評價體繫的建立

９.３.３客戶價值的綜合評價與應用

９.４營銷實驗設計

９.４.１鎖定目標群體

９.４.２整合營銷手段

９.４.３實現精準營銷

９.４.４精準營銷實驗設計案例

９.５基於數據挖掘的客戶關繫管理繫統設計

９.５.１基於數據挖掘的客戶關繫管理繫統總體架構設計

９.５.２基於數據挖掘的客戶關繫管理繫統功能設計

９.５.３基於數據挖掘的客戶關繫管理繫統數據倉庫設計

９.５.４商業銀行客戶關繫管理繫統設計案例

９.６實踐案例

９.７本章小結

第１０ 章數據挖掘技術在金融市場分析與預測中的應用

１０.１計算金融學與量化交易

１０.１.１背景

１０.１.２量化

前言



隨著信息技術尤其是計算機及互聯網技術的飛速發展， 金融行業每天都在產生著海量的數據。對這些數據進行統計、分析， 挖掘出隱藏在數據內部有價值的信息，
為金融行業的決策提供指導， 已經成為具有挑戰性的新課題。在大數據時代， 金融行業尤其是銀行業對數據挖掘與分析技術的需求已經迫在眉睫。



在這種背景下， 本書從數據挖掘與分析技術的基礎知識出發， 緊緊把握金融數據挖掘與分析的動向， 對數據挖掘與分析技術及其在金融行業中的應用進行了詳細介紹，
並對未來金融數據挖掘與分析的發展進行了展望。



本書分為４ 篇， 共１４ 章內容。



第１ 篇為基礎篇， 主要介紹了數據挖掘的背景、應用及大數據的基本思想， 具體內容包括： 第１ 章數據挖掘概述， 主要介紹了數據挖掘技術的發展和應用領域；
第２ 章金融數據挖掘概述， 主要對數據挖掘技術在金融行業中的應用現狀和必要性， 以及金融數據挖掘的過程進行了介紹； 第３ 章基於大數據的金融數據挖掘概述， 介紹了大數據產生的背景及特點，
並從大數據視角探討了金融數據挖掘的新思維及繫統架構。



第２ 篇為技術篇， 主要介紹了與大數據相關的數據挖掘技術， 具體內容包括： 第４章數據倉庫技術， 主要介紹了數據倉庫的基本概念及與數據倉庫相關的數據預處理技術，
並對基於數據挖掘技術的數據倉庫繫統框架設計進行了介紹； 第５ 章數據挖掘與分析技術， 對各種典型的數據挖掘與分析技術進行了較為全面的講解； 第６ 章大數據挖掘與分析技術，
首先介紹了ＮｏＳＱＬ 數據庫技術及海量數據分布式存儲技術， 接著對大圖數據、序列數據等復雜數據的挖掘與分析進行了介紹， 後對新興數據挖掘工具Ｓｐａｒｋ、



Ｍａｈｏｕｔ 等進行了介紹。



第３ 篇為應用篇， 主要介紹了數據挖掘技術在銀行具體業務中的應用模式， 具體內容包括： 第７ 章數據挖掘技術在零售銀行信用風險管理中的應用， 首先介紹了數據挖掘技術在銀行風險管理中的應用現狀，
然後以信用卡領域中的信用風險管理為例， 介紹了申請風險評分模型、行為風險評分模型以及欺詐風險評分模型的開發和應用； 第８ 章數據挖掘技術在巴塞爾資本協議下的銀行風險計量中的應用，
首先介紹了巴塞爾資本協議的基本概況， 接著對數據挖掘技術在新巴塞爾資本協議風險計量中的應用現狀進行了介紹， 後介紹了基於新巴塞爾資本協議三大支柱的銀行信用風險計量方法及主要過程；第９
章數據挖掘技術在客戶關繫管理中的應用， 首先介紹了在不同的生命周期階段企業面臨的不同業務要求， 然後著重介紹了客戶細分的方法與技術， 接著介紹了客戶價值的內涵及其評價體繫的建立，
後介紹了基於數據挖掘技術的ＣＲＭ 設計方法； 第１０ 章數據挖掘技術在金融市場分析與預測中的應用， 主要介紹了數據挖掘技術在金融產品價格模型、證券投資組合、交易平臺等金融市場中的應用；
第１１ 章數據挖掘技術在互聯網金融中的應用， 對互聯網金融中大數據技術的應用做了較為全面的介紹， 並通過對基於大數據的征信管理、反欺詐檢測和客戶關繫管理三個方面的具體介紹，
使讀者了解大數據技術具體的應用場景、應用方法和應用範圍。



第４ 篇為展望篇， 主要介紹了數據挖掘技術在金融行業中的應用前景和面臨的問題， 具體內容包括： 第１２ 章基於大數據的金融科技戰略與實施， 首先介紹了基於大數據的金融科技建設思路，
接著介紹了數據挖掘技術下基於風險與收益平衡的差異化經營和基於客戶需求的差異化經營， 後結合案例介紹了差異化思路與智能化工具的互動循環實踐； 第１３ 章數據安全與隱私保護，
主要介紹了雲計算中的數據安全問題及大數據分析帶來的隱私保護問題； 第１４ 章應對策略， 針對當前的大數據浪潮， 給出了金融數據挖掘與分析領域的應對策略。



本書由鄭志明、繆紹日、荊麗麗、吳美玲、楊益明、黃熹微、林道新、湯瑛、李文鋒、陳佳蔚編著。



在本書的編寫過程中， 參閱了大量的文獻資料， 在此向這些文獻資料的作者表示衷心的感謝！



由於編者水平有限， 再加上編寫時間倉促， 書中難免存在缺點和不足之處， 懇請廣大讀者批評指正！



編者