大数据金融与征信 / 互联网金融系列丛书
￥42.00定价
作者： 何平平、车云月
出版时间：2017年1月
出版社：清华大学出版社
- 清华大学出版社
- 9787302484400
- 1-1
- 147093
- 67183633-6
- 平装
- 16开
- 2017年1月
- 工学
- 计算机科学与技术
- F830.49
- 金融
- 本专科
内容简介
本书面向金融应用，系统地阐述了大数据金融与征信本身及其在现实生活中的应用，具有全面性、实用性和前瞻性等特色。全书共8章，第1章和第2章阐述大数据金融及大数据技术相关的基础知识问题，是后面章节的基础。第3章至第6章详细介绍大数据在银行业、证券业、保险业及互联网金融行业中的应用，是本书的主要内容。第7章重点阐述大数据在征信中的实际应用，是本书的另一重点问题，也是当代大数据研究的热点问题。第8章特别强调中国金融信息安全，这是大数据金融与征信的发展进程中不可避免的问题。本书力争把大数据与其实际应用糅合在一起介绍，力求活学活用。
本书可以作为高等学校互联网金融院系课程教材，也可供互联网金融研究者、从业者、管理人员参考所用。
目录
目录
第1章 大数据金融概述 1
1.1 大数据概述 2
1.1.1
大数据的内涵与特征 2
1.1.2
大数据的分类 7
1.1.3
大数据的价值 8
1.2 大数据应用领域 10
1.2.1
商业 10
1.2.2
通信 11
1.2.3
医疗 13
1.2.4
金融 16
1.3 大数据金融的内涵、特点与优势 18
1.3.1
大数据金融的内涵 18
1.3.2
大数据金融的特点 19
1.3.3
大数据金融相对于传统
金融的优势 20
1.4 大数据带来金融业大变革 20
1.4.1
大数据带来银行业大变革 21
1.4.2
大数据带来保险业大变革 22
1.4.3
大数据带来证券业大变革 23
1.4.4
大数据带来征信行业大变革 25
1.4.5
互联网金融中的大数据应用 26
1.5 大数据金融模式 27
1.5.1
平台金融模式 27
1.5.2
供应链金融模式 29
1.6 大数据金融信息安全 30
1.7 大数据应用案例 30
1.7.1
案例之一：滴滴出行 30
1.7.2
案例之二：大数据与美团
外卖的精细化运营 34
本章总结 43
本章作业 44
第2章 大数据相关技术 45
2.1 大数据处理流程 46
2.1.1
数据采集 46
2.1.2
数据预处理 47
2.1.3
数据存储 48
2.1.4
数据挖掘 48
2.1.5
数据解释 49
2.2 数据来源 49
2.2.1
核心数据 50
2.2.2
外围数据 52
2.2.3
常规渠道数据 53
2.3 大数据架构 54
2.3.1
HDFS系统 56
2.3.2
MapReduce 60
2.3.3
HBase 62
2.4 数据挖掘方法 63
2.4.1
分类分析 64
2.4.2
回归分析 65
2.4.3
其他方法 66
本章总结 69
本章作业 70
第3章 大数据在商业银行中的应用 71
3.1 客户关系管理 72
3.1.1
客户细分 72
3.1.2
预见客户流失 74
3.1.3
高效渠道管理 75
3.1.4
推出增值服务，提升客户
忠诚度 75
3.1.5
案例——大数据帮助商业银行
改善与客户的关系 76
3.2 精准营销 76
3.2.1
客户生命周期管理 77
3.2.2
实时营销 78
3.2.3
交叉营销 79
3.2.4
社交化营销 80
3.2.5
个性化推荐 81
3.3 信贷管理 82
3.3.1
贷款风险评估 82
3.3.2
信用卡自动授信 84
3.3.3
案例——大数据为商业银行
信贷管理提供更多可能 85
3.4 风险管理 86
3.4.1
大数据风险控制与传统风险
控制的区别 86
3.4.2
基于大数据的银行风险管理
模式 89
3.4.3
反欺诈 95
3.4.4
反洗钱 99
3.5 运营优化 101
3.5.1
市场和渠道分析优化 101
3.5.2
产品和服务优化 103
3.5.3
网络舆情分析 104
3.5.4
案例——大数据分析助力
手机银行优化创新 106
本章总结 108
本章作业 109
第4章 大数据在证券行业中的应用 111
4.1 大数据在股票分析中的应用 112
4.1.1
基于基本面分析的数据挖掘
方法 112
4.1.2
基于技术分析的数据挖掘
方法 113
4.1.3
决策树法的应用 114
4.1.4
聚类分析法的应用 115
4.1.5
人工神经网络算法的应用 116
4.2 客户关系管理 119
4.2.1
客户细分 119
4.2.2
客户满意度 122
4.2.3
流失客户预测 124
4.3 投资情绪分析 127
4.3.1
投资者情绪的测量 127
4.3.2
基于网络舆情的投资者情绪
分析 129
4.4 大数据与量化投资 134
4.4.1
量化投资概述 134
4.4.2
证券量化投资中的主要分析
工具 135
4.4.3
大数据在证券量化投资中的
应用 136
本章总结 139
本章作业 140
第5章 大数据在保险业中的应用 141
5.1 大数据保险 142
5.1.1
大数据保险的概念和特征 142
5.1.2
保险业大数据应用的阶段 143
5.1.3
大数据在保险行业中的
作用 144
5.1.4
大数据下的数据服务架构 146
5.1.5
保险业大数据应用现状 147
5.2 承保定价 150
5.2.1
大数据与传统保险定价
理论 150
5.2.2
大数据对承保定价的革新 151
5.2.3
大数据在车险定价中的
应用 153
5.2.4
大数据在健康险定价中的
应用 156
5.3 精准营销 162
5.3.1
保险精准营销 162
5.3.2
大数据与保险精准营销 164
5.3.3
组建垂直平台生态圈 167
5.3.4
大数据精准营销在保险业中的
应用 169
5.4 欺诈识别 171
5.4.1
保险欺诈 171
5.4.2
大数据与保险反欺诈 173
5.4.3
大数据与车险反欺诈 176
5.4.4
大数据与健康险的理赔
风险 180
本章总结 182
本章作业 183
第6章 互联网金融中的大数据应用 185
6.1 基于大数据的第三方支付欺诈
风险管理 186
6.1.1
第三方支付中的欺诈风险 186
6.1.2
大数据应用与欺诈
风险防范 186
6.2 大数据在网络借贷中的应用 189
6.2.1
推荐系统简述 189
6.2.2
P2P网站中的个性化推荐 190
6.2.3
基于VITA系统的信贷产品
匹配机制 191
6.3 大数据在互联网供应链金融中的
应用 193
6.3.1
基于大数据的互联网企业
信用评估 194
6.3.2
案例：京东供应链金融
模式 197
6.4 大数据在互联网消费金融中的
应用 198
6.4.1
互联网消费金融的大数据
征信与风控 198
6.4.2
案例：芝麻信用 199
本章总结 199
本章作业 200
第7章 大数据征信 201
7.1 传统征信 202
7.1.1
征信概述 202
7.1.2
征信的基本流程 209
7.1.3
征信行业产业链 212
7.1.4
征信产品 212
7.1.5
征信机构 216
7.1.6
征信体系 218
7.2 大数据征信 227
7.2.1
大数据征信概述 227
7.2.2
大数据征信的理论基础 230
7.2.3
大数据征信流程 233
7.3 大数据征信典型企业 233
7.3.1
国外大数据征信典型企业 233
7.3.2
国内大数据征信典型企业 242
本章总结 249
本章作业 250
第8章 大数据与中国金融信息安全 251
8.1 金融信息安全的重要性 252
8.1.1
金融信息安全的含义 252
8.1.2
金融信息安全的属性特征 253
8.1.3
金融信息安全的重要性 254
8.2 大数据给我国金融信息安全带来的
机遇和挑战 256
8.2.1
大数据给金融信息安全
带来的机遇 256
8.2.2
大数据给我国金融信息
安全带来的挑战 257
8.2.3
案例：美国”棱镜门”
事件 259
8.3 大数据金融信息安全风险 263
8.3.1
大数据金融信息安全风险的
类型 263
8.3.2
大数据金融信息安全风险的
特征 266
8.3.3
国内外金融信息安全事件及
事故 268
8.4 我国金融信息安全现状及
制约因素 272
8.4.1
我国金融信息安全现状 272
8.4.2
我国金融信息安全的
制约因素 274
8.5 美国金融信息安全保障机制 275
8.5.1
美国金融信息安全保障
机制的特点 275
8.5.2
美国金融信息安全保障
机制的主要做法 276
8.6 我国金融信息安全建设 277
8.6.1
完善顶层设计，尽快构建适应
我国金融发展需要的金融信息
安全保障体系 277
8.6.2
尽快制定我国金融行业国产
信息技术产品和服务替代
战略 277
8.6.3
尽快制定金融行业自主可控
战略实施步骤，推进自主可
控国家战略 278
8.6.4
应用大数据进行信息安全
分析 278
本章总结 278
本章作业 279
参考文献 281
第1章 大数据金融概述 1
1.1 大数据概述 2
1.1.1
大数据的内涵与特征 2
1.1.2
大数据的分类 7
1.1.3
大数据的价值 8
1.2 大数据应用领域 10
1.2.1
商业 10
1.2.2
通信 11
1.2.3
医疗 13
1.2.4
金融 16
1.3 大数据金融的内涵、特点与优势 18
1.3.1
大数据金融的内涵 18
1.3.2
大数据金融的特点 19
1.3.3
大数据金融相对于传统
金融的优势 20
1.4 大数据带来金融业大变革 20
1.4.1
大数据带来银行业大变革 21
1.4.2
大数据带来保险业大变革 22
1.4.3
大数据带来证券业大变革 23
1.4.4
大数据带来征信行业大变革 25
1.4.5
互联网金融中的大数据应用 26
1.5 大数据金融模式 27
1.5.1
平台金融模式 27
1.5.2
供应链金融模式 29
1.6 大数据金融信息安全 30
1.7 大数据应用案例 30
1.7.1
案例之一：滴滴出行 30
1.7.2
案例之二：大数据与美团
外卖的精细化运营 34
本章总结 43
本章作业 44
第2章 大数据相关技术 45
2.1 大数据处理流程 46
2.1.1
数据采集 46
2.1.2
数据预处理 47
2.1.3
数据存储 48
2.1.4
数据挖掘 48
2.1.5
数据解释 49
2.2 数据来源 49
2.2.1
核心数据 50
2.2.2
外围数据 52
2.2.3
常规渠道数据 53
2.3 大数据架构 54
2.3.1
HDFS系统 56
2.3.2
MapReduce 60
2.3.3
HBase 62
2.4 数据挖掘方法 63
2.4.1
分类分析 64
2.4.2
回归分析 65
2.4.3
其他方法 66
本章总结 69
本章作业 70
第3章 大数据在商业银行中的应用 71
3.1 客户关系管理 72
3.1.1
客户细分 72
3.1.2
预见客户流失 74
3.1.3
高效渠道管理 75
3.1.4
推出增值服务，提升客户
忠诚度 75
3.1.5
案例——大数据帮助商业银行
改善与客户的关系 76
3.2 精准营销 76
3.2.1
客户生命周期管理 77
3.2.2
实时营销 78
3.2.3
交叉营销 79
3.2.4
社交化营销 80
3.2.5
个性化推荐 81
3.3 信贷管理 82
3.3.1
贷款风险评估 82
3.3.2
信用卡自动授信 84
3.3.3
案例——大数据为商业银行
信贷管理提供更多可能 85
3.4 风险管理 86
3.4.1
大数据风险控制与传统风险
控制的区别 86
3.4.2
基于大数据的银行风险管理
模式 89
3.4.3
反欺诈 95
3.4.4
反洗钱 99
3.5 运营优化 101
3.5.1
市场和渠道分析优化 101
3.5.2
产品和服务优化 103
3.5.3
网络舆情分析 104
3.5.4
案例——大数据分析助力
手机银行优化创新 106
本章总结 108
本章作业 109
第4章 大数据在证券行业中的应用 111
4.1 大数据在股票分析中的应用 112
4.1.1
基于基本面分析的数据挖掘
方法 112
4.1.2
基于技术分析的数据挖掘
方法 113
4.1.3
决策树法的应用 114
4.1.4
聚类分析法的应用 115
4.1.5
人工神经网络算法的应用 116
4.2 客户关系管理 119
4.2.1
客户细分 119
4.2.2
客户满意度 122
4.2.3
流失客户预测 124
4.3 投资情绪分析 127
4.3.1
投资者情绪的测量 127
4.3.2
基于网络舆情的投资者情绪
分析 129
4.4 大数据与量化投资 134
4.4.1
量化投资概述 134
4.4.2
证券量化投资中的主要分析
工具 135
4.4.3
大数据在证券量化投资中的
应用 136
本章总结 139
本章作业 140
第5章 大数据在保险业中的应用 141
5.1 大数据保险 142
5.1.1
大数据保险的概念和特征 142
5.1.2
保险业大数据应用的阶段 143
5.1.3
大数据在保险行业中的
作用 144
5.1.4
大数据下的数据服务架构 146
5.1.5
保险业大数据应用现状 147
5.2 承保定价 150
5.2.1
大数据与传统保险定价
理论 150
5.2.2
大数据对承保定价的革新 151
5.2.3
大数据在车险定价中的
应用 153
5.2.4
大数据在健康险定价中的
应用 156
5.3 精准营销 162
5.3.1
保险精准营销 162
5.3.2
大数据与保险精准营销 164
5.3.3
组建垂直平台生态圈 167
5.3.4
大数据精准营销在保险业中的
应用 169
5.4 欺诈识别 171
5.4.1
保险欺诈 171
5.4.2
大数据与保险反欺诈 173
5.4.3
大数据与车险反欺诈 176
5.4.4
大数据与健康险的理赔
风险 180
本章总结 182
本章作业 183
第6章 互联网金融中的大数据应用 185
6.1 基于大数据的第三方支付欺诈
风险管理 186
6.1.1
第三方支付中的欺诈风险 186
6.1.2
大数据应用与欺诈
风险防范 186
6.2 大数据在网络借贷中的应用 189
6.2.1
推荐系统简述 189
6.2.2
P2P网站中的个性化推荐 190
6.2.3
基于VITA系统的信贷产品
匹配机制 191
6.3 大数据在互联网供应链金融中的
应用 193
6.3.1
基于大数据的互联网企业
信用评估 194
6.3.2
案例：京东供应链金融
模式 197
6.4 大数据在互联网消费金融中的
应用 198
6.4.1
互联网消费金融的大数据
征信与风控 198
6.4.2
案例：芝麻信用 199
本章总结 199
本章作业 200
第7章 大数据征信 201
7.1 传统征信 202
7.1.1
征信概述 202
7.1.2
征信的基本流程 209
7.1.3
征信行业产业链 212
7.1.4
征信产品 212
7.1.5
征信机构 216
7.1.6
征信体系 218
7.2 大数据征信 227
7.2.1
大数据征信概述 227
7.2.2
大数据征信的理论基础 230
7.2.3
大数据征信流程 233
7.3 大数据征信典型企业 233
7.3.1
国外大数据征信典型企业 233
7.3.2
国内大数据征信典型企业 242
本章总结 249
本章作业 250
第8章 大数据与中国金融信息安全 251
8.1 金融信息安全的重要性 252
8.1.1
金融信息安全的含义 252
8.1.2
金融信息安全的属性特征 253
8.1.3
金融信息安全的重要性 254
8.2 大数据给我国金融信息安全带来的
机遇和挑战 256
8.2.1
大数据给金融信息安全
带来的机遇 256
8.2.2
大数据给我国金融信息
安全带来的挑战 257
8.2.3
案例：美国”棱镜门”
事件 259
8.3 大数据金融信息安全风险 263
8.3.1
大数据金融信息安全风险的
类型 263
8.3.2
大数据金融信息安全风险的
特征 266
8.3.3
国内外金融信息安全事件及
事故 268
8.4 我国金融信息安全现状及
制约因素 272
8.4.1
我国金融信息安全现状 272
8.4.2
我国金融信息安全的
制约因素 274
8.5 美国金融信息安全保障机制 275
8.5.1
美国金融信息安全保障
机制的特点 275
8.5.2
美国金融信息安全保障
机制的主要做法 276
8.6 我国金融信息安全建设 277
8.6.1
完善顶层设计，尽快构建适应
我国金融发展需要的金融信息
安全保障体系 277
8.6.2
尽快制定我国金融行业国产
信息技术产品和服务替代
战略 277
8.6.3
尽快制定金融行业自主可控
战略实施步骤，推进自主可
控国家战略 278
8.6.4
应用大数据进行信息安全
分析 278
本章总结 278
本章作业 279
参考文献 281
