章 緒論

節 什麼是數據挖掘

第二節 基本數據挖掘任務

第三節 數據挖掘的過程

第四節 數據倉庫與OLAP技術概述

第五節 數據挖掘技術的發展

第二章 數據挖掘工具

節 數據挖掘的統計方法

第二節 聚類分析

第三節 決策樹

第四節 相關軟件

第三章 呼叫中心中數據倉庫的構建

節 數據倉庫構建的實施方法及步驟

第二節 呼叫中心數據倉庫模型設計

第三節 數據倉庫生成

第四章 呼叫中心中的數據挖掘模型與實現

節 問題鋻別

第二節 解決方案

第三節 基於決策樹的分類算法模型

第四節 C4.5算法構造信息需求分類和客戶細分決策樹實例

第五節 功能模塊的實現

第六節 繫統應用示例

第五章 QFII投資理念與持股偏好研究中數據收集與整理

節 外國機構投資者投資理念及持股偏好概述

第二節 QFII重倉股數據來源

第三節 因變量的選取

第四節 自變量的選取

第六章 QFII投資理念與持股偏好研究中數據挖掘模型與實現

節 重倉股家數變化趨勢和行業分布

第二節 重倉股持有時間特征

第三節 描述性統計分析

第四節 相關性分析

第五節 持股線性逐步回歸分析

參考文獻

附表

附表1 12家QFII基本情況及額度

附表2 瑞士銀行的名稱

附表3 12家QFII持有股票家數和行業情況彙總

附表4 各季度因變量和自變量的均值及樣本個數

附表5 各季度因變量和自變量的方差及樣本個數

附表6 2008年12月31日Y對上一個季度所有自變量線性相關繫數

附表7 Y對上一個季度、本季度及未來一個季度的所有自變量X逐步回歸模型繫數情況

附表8 兩種方式回歸結果對比

附錄

附錄一 數據倉庫中的數據表架構

附錄二 數據倉庫關繫圖

附錄三 QFII重倉股數據的獲取過程

附錄四 自變量數據的獲得及缺失值處理

附錄五 模型建立一數據分析過程