《大數據金融與徵信》是2017年10月清華大學出版社出版的圖書，作者是何平平、車雲月。
基本介紹
- 中文名：大數據金融與徵信
- 作者：何平平、車雲月
- 出版社：清華大學出版社
- 出版時間：2017年10月
- 定價：42 元
- ISBN：9787302484400
內容簡介,圖書目錄,
內容簡介
本書面向金融套用，系統地闡述了大數據金融與徵信本身及其在現實生活中的套用，具有全面性、實用性和前瞻性等特色。全書共8章，第1章和第2章闡述大數據金融及大數據技術相關的基礎知識問題，是後面章節的基礎。第3章至第6章詳細介紹大數據在銀行業、證券業、保險業及網際網路金融行業中的套用，是本書的主要內容。第7章重點闡述大數據在徵信中的實際套用，是本書的另一重點問題，也是當代大數據研究的熱點問題。第8章特彆強調中國金融信息安全，這是大數據金融與徵信的發展進程中不可避免的問題。本書力爭把大數據與其實際套用糅合在一起介紹，力求活學活用。
本書可以作為高等學校網際網路金融院系課程教材，也可供網際網路金融研究者、從業者、管理人員參考所用。
圖書目錄
第1章 大數據金融概述 1
1.1 大數據概述 2
1.1.1 大數據的內涵與特徵 2
1.1.2 大數據的分類 7
1.1.3 大數據的價值 8
1.2 大數據套用領域 10
1.2.1 商業 10
1.2.2 通信 11
1.2.3 醫療 13
1.2.4 金融 16
1.3 大數據金融的內涵、特點與優勢 18
1.3.1 大數據金融的內涵 18
1.3.2 大數據金融的特點 19
1.3.3 大數據金融相對於傳統
金融的優勢 20
1.4 大數據帶來金融業大變革 20
1.4.1 大數據帶來銀行業大變革 21
1.4.2 大數據帶來保險業大變革 22
1.4.3 大數據帶來證券業大變革 23
1.4.4 大數據帶來徵信行業大變革 25
1.4.5 網際網路金融中的大數據套用 26
1.5 大數據金融模式 27
1.5.1 平台金融模式 27
1.5.2 供應鏈金融模式 29
1.6 大數據金融信息安全 30
1.7 大數據套用案例 30
1.7.1 案例之一：滴滴出行 30
1.7.2 案例之二：大數據與美團
外賣的精細化運營 34
本章總結 43
本章作業 44
第2章 大數據相關技術 45
2.1 大數據處理流程 46
2.1.1 數據採集 46
2.1.2 數據預處理 47
2.1.3 數據存儲 48
2.1.4 數據挖掘 48
2.1.5 數據解釋 49
2.2 數據來源 49
2.2.1 核心數據 50
2.2.2 外圍數據 52
2.2.3 常規渠道數據 53
2.3 大數據架構 54
2.3.1 HDFS系統 56
2.3.2 MapReduce 60
2.3.3 HBase 62
2.4 數據挖掘方法 63
2.4.1 分類分析 64
2.4.2 回歸分析 65
2.4.3 其他方法 66
本章總結 69
本章作業 70
第3章 大數據在商業銀行中的套用 71
3.1 客戶關係管理 72
3.1.1 客戶細分 72
3.1.2 預見客戶流失 74
3.1.3 高效渠道管理 75
3.1.4 推出增值服務，提升客戶
忠誠度 75
3.1.5 案例——大數據幫助商業銀行
改善與客戶的關係 76
3.2 精準行銷 76
3.2.1 客戶生命周期管理 77
3.2.2 實時行銷 78
3.2.3 交叉行銷 79
3.2.4 社交化行銷 80
3.2.5 個性化推薦 81
3.3 信貸管理 82
3.3.1 貸款風險評估 82
3.3.2 信用卡自動授信 84
3.3.3 案例——大數據為商業銀行
信貸管理提供更多可能 85
3.4 風險管理 86
3.4.1 大數據風險控制與傳統風險
控制的區別 86
3.4.2 基於大數據的銀行風險管理
模式 89
3.4.3 反欺詐 95
3.4.4 反洗錢 99
3.5 運營最佳化 101
3.5.1 市場和渠道分析最佳化 101
3.5.2 產品和服務最佳化 103
3.5.3 網路輿情分析 104
3.5.4 案例——大數據分析助力
手機銀行最佳化創新 106
本章總結 108
本章作業 109
第4章 大數據在證券行業中的套用 111
4.1 大數據在股票分析中的套用 112
4.1.1 基於基本面分析的數據挖掘
方法 112
4.1.2 基於技術分析的數據挖掘
方法 113
4.1.3 決策樹法的套用 114
4.1.4 聚類分析法的套用 115
4.1.5 人工神經網路算法的套用 116
4.2 客戶關係管理 119
4.2.1 客戶細分 119
4.2.2 客戶滿意度 122
4.2.3 流失客戶預測 124
4.3 投資情緒分析 127
4.3.1 投資者情緒的測量 127
4.3.2 基於網路輿情的投資者情緒
分析 129
4.4 大數據與量化投資 134
4.4.1 量化投資概述 134
4.4.2 證券量化投資中的主要分析
工具 135
4.4.3 大數據在證券量化投資中的
套用 136
本章總結 139
本章作業 140
第5章 大數據在保險業中的套用 141
5.1 大數據保險 142
5.1.1 大數據保險的概念和特徵 142
5.1.2 保險業大數據套用的階段 143
5.1.3 大數據在保險行業中的
作用 144
5.1.4 大數據下的數據服務架構 146
5.1.5 保險業大數據套用現狀 147
5.2 承保定價 150
5.2.1 大數據與傳統保險定價
理論 150
5.2.2 大數據對承保定價的革新 151
5.2.3 大數據在車險定價中的
套用 153
5.2.4 大數據在健康險定價中的
套用 156
5.3 精準行銷 162
5.3.1 保險精準行銷 162
5.3.2 大數據與保險精準行銷 164
5.3.3 組建垂直平台生態圈 167
5.3.4 大數據精準行銷在保險業中的
套用 169
5.4 欺詐識別 171
5.4.1 保險欺詐 171
5.4.2 大數據與保險反欺詐 173
5.4.3 大數據與車險反欺詐 176
5.4.4 大數據與健康險的理賠
風險 180
本章總結 182
本章作業 183
第6章 網際網路金融中的大數據套用 185
6.1 基於大數據的第三方支付欺詐
風險管理 186
6.1.1 第三方支付中的欺詐風險 186
6.1.2 大數據套用與欺詐
風險防範 186
6.2 大數據在網路借貸中的套用 189
6.2.1 推薦系統簡述 189
6.2.2 P2P網站中的個性化推薦 190
6.2.3 基於VITA系統的信貸產品
匹配機制 191
6.3 大數據在網際網路供應鏈金融中的
套用 193
6.3.1 基於大數據的網際網路企業
信用評估 194
6.3.2 案例：京東供應鏈金融
模式 197
6.4 大數據在網際網路消費金融中的
套用 198
6.4.1 網際網路消費金融的大數據
徵信與風控 198
6.4.2 案例：芝麻信用 199
本章總結 199
本章作業 200
第7章 大數據徵信 201
7.1 傳統徵信 202
7.1.1 徵信概述 202
7.1.2 徵信的基本流程 209
7.1.3 徵信行業產業鏈 212
7.1.4 徵信產品 212
7.1.5 徵信機構 216
7.1.6 徵信體系 218
7.2 大數據徵信 227
7.2.1 大數據徵信概述 227
7.2.2 大數據徵信的理論基礎 230
7.2.3 大數據徵信流程 233
7.3 大數據徵信典型企業 233
7.3.1 國外大數據徵信典型企業 233
7.3.2 國內大數據徵信典型企業 242
本章總結 249
本章作業 250
第8章 大數據與中國金融信息安全 251
8.1 金融信息安全的重要性 252
8.1.1 金融信息安全的含義 252
8.1.2 金融信息安全的屬性特徵 253
8.1.3 金融信息安全的重要性 254
8.2 大數據給我國金融信息安全帶來的
機遇和挑戰 256
8.2.1 大數據給金融信息安全
帶來的機遇 256
8.2.2 大數據給我國金融信息
安全帶來的挑戰 257
8.2.3 案例：美國“稜鏡門”
事件 259
8.3 大數據金融信息安全風險 263
8.3.1 大數據金融信息安全風險的
類型 263
8.3.2 大數據金融信息安全風險的
特徵 266
8.3.3 國內外金融信息安全事件及
事故 268
8.4 我國金融信息安全現狀及
制約因素 272
8.4.1 我國金融信息安全現狀 272
8.4.2 我國金融信息安全的
制約因素 274
8.5 美國金融信息安全保障機制 275
8.5.1 美國金融信息安全保障
機制的特點 275
8.5.2 美國金融信息安全保障
機制的主要做法 276
8.6 我國金融信息安全建設 277
8.6.1 完善頂層設計，儘快構建適應
我國金融發展需要的金融信息
安全保障體系 277
8.6.2 儘快制定我國金融行業國產
信息技術產品和服務替代
戰略 277
8.6.3 儘快制定金融行業自主可控
戰略實施步驟，推進自主可
控國家戰略 278
8.6.4 套用大數據進行信息安全
分析 278
本章總結 278
本章作業 279
參考文獻 281
