新書推薦：
《
女佣异闻：乙一出道25周年纪念短篇集
》
售價：NT$
279.0
《
生活观察图鉴 中国常见鸟类观察图鉴
》
售價：NT$
839.0
《
父亲身份：探寻血缘之谜
》
售價：NT$
493.0
《
悠游人间 赛博朋克少女插画绘制教程
》
售價：NT$
559.0
《
“李晓鹏说中华史”系列（全二册）
》
售價：NT$
818.0
《
绿色剧变：能源大革命与世界新秩序
》
售價：NT$
386.0
《
你的韧性超乎你的想象
》
售價：NT$
335.0
《
新东方 剑桥雅思官方指南精讲 精确剖析官方指南样题
》
售價：NT$
381.0
|
| 編輯推薦： |
2019年2月，国务院发布的《国家职业教育改革实施方案》(简称“职教20条”)提出，
从2019年开始，在职业院校、应用型本科高校等启动“学历证书 若干职业技能等级证书”
制度试点(简称“1 X证书制度试点”)。1 X证书制度将学校学历教育和企业用人需求与职
业技能等级证书有效地结合起来，使职业技能人才晋升之路更加广阔。
2020年12月31日，教育部职业技术教育中心研究所发布《参与1 X证书制度试点的第
四批职业教育培训评价组织及职业技能等级证书名单》。依据该名单，中关村互联网金融
研究院入选第四批职业教育培训评价组织，中关村互联网金融研究院的《金融数据建模应
用》入选第四批职业技能等级证书。该证书的推出对于促进金融科技人才专业化发展具有
重要意义，将助力金融科技人才培养模式和评价方式的优化，提升职业教育质量，增强学
生的就业能力，同时促进产业与教育的深度融合，以及职业教育的健康发展。
通过本书的学习，学生应该熟练掌握金融基础知识，深入了解金融业务;能够深入研
究数据源，整理和发掘数据价值，主导模型产品的部署、维护、评估等落地实施工作;同
时跟踪、监控模型表现
|
| 內容簡介： |
|
本书是教育部1 X职业技能等级证书“金融数据建模应用(高级)”的配套教材。全书依据金融数据建模应用职业技能等级标准，面向金融数据建模相关岗位需求，强化学生的业务实操能力和职业判断能力。全书从金融基础业务应用、金融数据分析、金融数据库、金融数据挖掘与算法实现、金融数据模型设计与调优、数据可视化、金融数据建模项目管理7个方面，培养学生在金融与科技融合的专业岗位上金融数据建模应用能力。 本书可作为1 X职业技能等级证书“金融数据建模应用(高级)”培训的教材，也可作为应用型本科院校、中高等职业院校软件工程、计算机科学与技术、信息管理与信息系统、信息与计算科学、物联网工程、金融贸易等相关专业的教材，还可作为金融数据建模应用从业人员的培训用书。
|
| 目錄：
|
第1章 金融基础业务应用 1
1.1 金融监管基础 1
1.1.1 国家监督 1
1.1.2 自我管理 5
1.2 金融市场法律法规 6
1.2.1 金融市场法律法规体系 6
1.2.2 金融业务法律规范 7
1.2.3 大数据与个人信息保护法律法规 14
1.2.4 金融法律责任及相关犯罪类型 18
1.2.5 金融风险管理政策 20
1.3 道德规范与行为准则 25
1.3.1 道德规范 25
1.3.2 行为准则 25
1.4 金融市场概述 26
1.4.1 金融市场的特征 26
1.4.2 金融市场分类 27
1.4.3 金融市场构成要素 28
1.4.4 金融市场功能 29
1.5 金融机构概述 30
1.5.1 金融市场的融资结构 30
1.5.2 金融机构存在的理论基础 31
1.5.3 金融机构体系 33
1.6 金融工具市场与衍生品 39
1.6.1 货币市场 39
1.6.2 资本市场 41
1.6.3 金融衍生品 42
1.7 金融风险及风险管理 45
1.7.1 金融风险的类别 45
1.7.2 金融风险管理的基础理论 46
1.7.3 金融风险管理的理论方法 48
1.7.4 金融风险管理的计量模型 49
1.7.5 金融风险管理的流程 51
第2章金融数据分析 56
2.1 Python程序设计基础 56
2.1.1 Python基础 56
2.1.2 Python控制流 58
2.1.3 Python函数与模块 59
2.2 Python进阶 60
2.2.1 NumPy的使用 60
2.2.2 Pandas的使用 60
2.2.3 Matplotlib数据可视化 61
2.3 数理统计基础 66
2.3.1 微积分基础 66
2.3.2 线性代数基础 68
2.3.3 概率统计基础 72
2.4 金融数据管理 79
2.4.1 数据治理 79
2.4.2 数据安全与隐私保护 80
2.4.3 数据信息加密及其Python实现 81
2.5 金融数据初步处理 82
2.5.1 金融数据的获取 82
2.5.2 金融数据预处理 82
2.5.3 蒙特卡罗方法 85
第3章金融数据库 87
3.1 数据库 87
3.1.1 关系型数据库 87
3.1.2 NoSQL数据库 103
3.2 数据仓库 112
3.2.1 基本概念 112
3.2.2 数据仓库构建 116
3.2.3 SSIS、SSAS、SSRS 118
3.3 金融数据仓库 119
3.3.1 金融行业建设数据仓库的必要性 119
3.3.2 金融行业传统数据仓库 119
3.3.3 金融行业新一代数据仓库 123
第4章 金融数据挖掘与算法实现 129
4.1 常用大数据挖掘算法 129
4.1.1 逻辑回归模型 129
4.1.2 朴素贝叶斯模型 131
4.1.3 决策树 134
4.1.4 随机森林 136
4.1.5 支持向量机 137
4.1.6 聚类分析 138
4.1.7 人工神经网络 139
4.2 大数据分析与Spark Python 140
4.2.1 大数据分析与分布式数据处理 140
4.2.2 常见分布式数据处理框架 143
4.2.3 Spark Python 148
4.3 Spark Python大数据分析应用 151
4.3.1 Spark Python开发环境搭建 151
4.3.2 Spark RDD运算类型示例 159
4.3.3 应用PySpark进行大数据分析 167
第5章 金融数据模型设计与调优 173
5.1 金融行业典型应用场景 173
5.1.1 银行领域 173
5.1.2 保险领域 181
5.1.3 证券领域 184
5.2 金融中的数学模型 188
5.2.1 投资模型 189
5.2.2 金融风险管理模型 194
5.3 金融机构客户流失预警模型 205
5.3.1 数据探索性分析 206
5.3.2 数据预处理 210
5.3.3 特征加工 213
5.3.4 模型建设 214
5.3.5 模型的超参调节 215
5.3.6 交叉验证 216
5.3.7 模型评价 218
5.4 金融模型的迭代与优化 220
5.4.1 金融领域机器学习模型评价 220
5.4.2 金融领域机器学习模型管理 223
第6章数据可视化 226
6.1 数据可视化概述 226
6.1.1 数据可视化的含义 226
6.1.2 视觉通道 227
6.1.3 数据可视化的软件及工具 228
6.1.4 数据可视化的流程 231
6.2 数据可视化的基础要素 232
6.2.1 数据 232
6.2.2 图表 234
6.3 数据可视化的设计 235
6.3.1 数据可视化设计理念 235
6.3.2 图表的设计 236
6.3.3 排版、配色及字体 238
第7章金融数据建模项目管理 240
7.1 项目管理要素 240
7.1.1 项目范围管理 240
7.1.2 项目时间管理 240
7.1.3 项目成本管理 240
7.1.4 项目质量管理 241
7.1.5 人力资源管理 241
7.1.6 项目沟通管理 241
7.1.7 项目风险管理 241
7.1.8 项目采购管理 242
7.2 甘特图 242
7.2.1 甘特图的特点 242
7.2.2 甘特图的优缺点 243
7.2.3 甘特图的绘制步骤 243
7.3 项目团队管理 243
7.3.1 项目相关方管理 244
7.3.2 项目任务分解 257
参考文献 266
|
| 內容試閱：
|
本书是教育部1 X职业技能等级证书“金融数据建模应用(高级)”的配套教材，由中国工商银行、河北金融学院、广东金融学院、吉林财经大学等机构与院校的专家学者共同编写完成。全书依据《金融数据建模应用职业技能等级标准》，面向金融机构设立的金融科技子公司，大型互联网企业设立的金融科技公司，人工智能、大数据、云计算、区块链等金融科技底层技术科技企业，互联网金融(互联网支付、基金、证券)机构，保险科技相关公司的金融数据建模相关岗位需求，为大数据分析师、大数据建模工程师、大数据挖掘工程师、大数据算法工程师、大数据工程师、大数据模型师、大数据运维工程师、大数据开发工程师、大数据架构师，以及大数据风控、大数据产品、大数据营销等职位人员的培训提供了参考依据。
本书共有7章，分别是金融基础业务应用、金融数据分析、金融数据库、金融数据挖掘与算法实现、金融数据模型设计与调优、数据可视化、金融数据建模项目管理。
第1章金融基础业务应用包括金融安全规范执行和金融基础知识两部分内容。金融安全规范执行部分主要介绍金融监管基础、金融市场的法律法规，以及从事金融行业的道德规范与行为准则。金融基础知识部分主要介绍金融市场、金融机构、金融工具市场与衍生品，以及金融风险管理的基本概念、分类和功能。
金融数据分析是对收集来的大量金融数据进行分析，提取有用的信息，形成结论和决策的研究、总结的过程。第2章金融数据分析主要介绍基于Python的程序设计基础和进阶，数理统计基础及金融数据管理与处理，涉及数据预处理、多源数据分析、异常数据分析等金融数据建模的分析方法。
数据库是金融行业数字化转型的重要组成部分，为科学、高效地存储、管理、分析数据提供了重要的技术支撑。第3章金融数据库主要介绍了关系型数据库、NoSQL数据库及数据仓库的原理、设计和搭建方法，结合金融行业数据业务需求，介绍了传统数据仓库和新一代数据仓库在金融行业的应用。
数据挖掘是融合了数据库、人工智能、统计学等技术的分析方法。金融数据挖掘是从大量的金融数据中，通过算法搜索隐藏的信息的过程。第4章主要介绍Hadoop、Hive等大数据处理框架，以及逻辑回归、决策树、随机森林、SVM、神经网络等数据挖掘算法模型。
数据挖掘是用大数据技术提供金融业务解决方案的算法基础。
金融数据建模在电子商务、证券、保险等行业有着广泛的应用，在多维数据分析、
客户关系管理、风险识别与管理、市场趋势预测，以及识别经济犯罪等方面发挥了巨大作用。本书第5章基于实际金融数据建模项目中部署、测试、实施，以及效果监控的工作流程，介绍了模型设计与调优，以及提高模型精度的方法。
数据可视化是一种数据的视觉表现技术，能够进行多源数据的交互分析，使数据背后的信息能够更加直观地被人感知。第6章数据可视化主要介绍可视化的基本概念、视觉通道，以及可视化的工具与流程、设计理念及设计方法等，并基于此前章节所介绍的Python的程序设计基础，对数据可视化进行实现。
数据平台是数据存储、流转、实现分析功能的载体，为了保证架构设计合理、开发测
试流程高效，以及先进的运维支持管理，需要一定的项目管理经验和理论。本书第7章金融数据建模项目管理介绍了范围、时间、成本、质量管理等项目管理的核心概念，开发团队的人员组成与角色职责，开发工作流程，以及项目任务分解方法。这些都是控制金融数据建模项目进度、合理整合项目资源的重要支撑。
目前，国内还没有在金融数据建模应用领域权威度高、实用性强的参考书目。本书强化了学生的业务实操能力、职业判断能力，能更好地提高学生的金融与科技融合的金融数据建模应用能力，对现有经济、金融、计算机等方面的专业人才的培养有强化和拓展作用。通过本书的培训学习，相关从业者及有志从事大数据金融应用型岗位的学生可以执行金融安全规范并进行金融业务解决方案设计；根据金融业务需求，完成金融数据建模平台规划、设计及部署；结合金融业务场景构建完善的金融数据建模和运营体系等。
本书编写过程中，中国工商银行的郭运雷，中关村互联网金融研究院的刘勇、吕云鹏，北京大学的孙惠平，河北金融学院的杨兆廷、袁国强，睿格钛氪(北京)技术有限公司首席执行官杜宁等提出了宝贵的意见，其中大部分已被本书采纳，本书编写组对上述全体同志致以谢意。
本书编写具体分工为张晶、李晴、王丽娜撰写第1章，廖文辉撰写第2章，安英博、陈洋洋、陈刚、周华森撰写第3章，赵炳盛撰写第4章，申晨、李策、谷晓飞撰写第5章，魏爽、张培华、胡静怡撰写第6章，康杰撰写第7章，秦响应负责全书的修撰与定稿。
限于编写人员的知识水平和教学经验，本书的缺点和疏漏之处在所难免，敬请使用本书的读者提出宝贵意见。
教材编写组
2022年3月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
