金融数据挖掘

金融数据挖掘
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者:
出版社: 科学出版社
2007-04
版次: 1
ISBN: 9787030186515
定价: 35.00
装帧: 平装
开本: 其他
纸张: 胶版纸
页数: 278页
字数: 343千字
分类: 经济
19人买过
  •   金融管理研究的一个显著特点是数据分析量大、不确定性因素多,面对当今时代的海量金融数据,基于传统统计技术建立的模型假设条件多,实际应用难以奏效。数据挖掘是20世纪90年代中期兴起的新技术,是发现数据中有用模式的过程,其目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果,以人们容易理解的形式提供有用的决策信息。
      本书对一些相对较成熟的挖掘技术的讨论,阐述其用途、解决思路、需注意的主要问题、步骤,以金融领域的具体案例介绍模型与方法的应用。全书包括金融数据预处理、分类技术、预测、聚类技术、神经网络与支持向量机、异常数据挖掘,并且介绍了这些领域的一些最新方法。
      本书可作为信息管理与金融类专业本科生和研究生的教材,也可供从事数据挖掘技术与应用研究的科研人员、金融市场数据分析人员,以及数据挖掘应用软件的开发者参考。 丛书序
    序言
    前言
    第1章绪论
    1.1数据挖掘技术的兴起
    1.2数据挖掘概述
    1.3数据挖掘与统计学
    1.4数据挖掘与金融
    第2章金融数据预处理
    2.1概述
    2.2数据预处理任务
    2.3常见数据预处理技术
    2.4案例:信用卡数据挖掘的预处理
    2.5金融时间序列去噪预处理研究
    第3章关联规则挖掘技术
    3.1关联规则的定义
    3.2关联规则挖掘技术
    3.3案例:银行卡的关联规则挖掘
    3.4基于共同机制思想的时间序列关联模式挖掘
    第4章分类技术
    4.1分类建模介绍
    4.2判别式分类
    4.3决策树分类
    4.4贝叶斯分类
    4.5粗糙集方法
    4.6分类技术在信用卡管理中的应用
    第5章预测技术
    5.1线性回归分析
    5.2非线性田归分析
    5.3灰色预测技术
    5.4组合预测技术
    5.5混合预测模型在股票价格预测中的应用
    第6章神经网络与支持向量机
    6.1神经网络概述
    6.2前向型神经网络
    6.3Hopfield网络
    6.4自组织特征映射神经网络
    6.5统计学习理论
    6.6支持向量机
    6.7支持向量机方法在金融预测中的应用
    第7章聚类分析
    7.1聚类的相关概念
    7.2数据类型及相似性度量
    7.3分割聚类算法
    7.4层次聚类法
    7.5基于密度的聚类方法
    7.6基于模型的聚类
    7.7聚类分析技术在金融投资分析中的应用
    第8章时间序列数据挖掘
    8.1经典时间序列分析模型
    8.2金融时间序列挖掘与模型分析法的比较
    8.3时间序列挖掘的基本问题
    8.4时间序列相似性度量的一般方法
    8.5反映心理偏好的时间序列相似性度量研究
    8.6时间序列的符号化处理
    8.7时间序列事件征兆模式挖掘研究
    8.8征兆模式挖掘在股票市场有效性研究中的应用
    第9章异常数据挖掘
    9.1概述
    9.2异常的定义
    9.3异常的隐藏
    9.4异常挖掘的一般方法
    9.5异常数据挖掘在金融领域中的应用
    参考文献
    致谢
  • 内容简介:
      金融管理研究的一个显著特点是数据分析量大、不确定性因素多,面对当今时代的海量金融数据,基于传统统计技术建立的模型假设条件多,实际应用难以奏效。数据挖掘是20世纪90年代中期兴起的新技术,是发现数据中有用模式的过程,其目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果,以人们容易理解的形式提供有用的决策信息。
      本书对一些相对较成熟的挖掘技术的讨论,阐述其用途、解决思路、需注意的主要问题、步骤,以金融领域的具体案例介绍模型与方法的应用。全书包括金融数据预处理、分类技术、预测、聚类技术、神经网络与支持向量机、异常数据挖掘,并且介绍了这些领域的一些最新方法。
      本书可作为信息管理与金融类专业本科生和研究生的教材,也可供从事数据挖掘技术与应用研究的科研人员、金融市场数据分析人员,以及数据挖掘应用软件的开发者参考。
  • 目录:
    丛书序
    序言
    前言
    第1章绪论
    1.1数据挖掘技术的兴起
    1.2数据挖掘概述
    1.3数据挖掘与统计学
    1.4数据挖掘与金融
    第2章金融数据预处理
    2.1概述
    2.2数据预处理任务
    2.3常见数据预处理技术
    2.4案例:信用卡数据挖掘的预处理
    2.5金融时间序列去噪预处理研究
    第3章关联规则挖掘技术
    3.1关联规则的定义
    3.2关联规则挖掘技术
    3.3案例:银行卡的关联规则挖掘
    3.4基于共同机制思想的时间序列关联模式挖掘
    第4章分类技术
    4.1分类建模介绍
    4.2判别式分类
    4.3决策树分类
    4.4贝叶斯分类
    4.5粗糙集方法
    4.6分类技术在信用卡管理中的应用
    第5章预测技术
    5.1线性回归分析
    5.2非线性田归分析
    5.3灰色预测技术
    5.4组合预测技术
    5.5混合预测模型在股票价格预测中的应用
    第6章神经网络与支持向量机
    6.1神经网络概述
    6.2前向型神经网络
    6.3Hopfield网络
    6.4自组织特征映射神经网络
    6.5统计学习理论
    6.6支持向量机
    6.7支持向量机方法在金融预测中的应用
    第7章聚类分析
    7.1聚类的相关概念
    7.2数据类型及相似性度量
    7.3分割聚类算法
    7.4层次聚类法
    7.5基于密度的聚类方法
    7.6基于模型的聚类
    7.7聚类分析技术在金融投资分析中的应用
    第8章时间序列数据挖掘
    8.1经典时间序列分析模型
    8.2金融时间序列挖掘与模型分析法的比较
    8.3时间序列挖掘的基本问题
    8.4时间序列相似性度量的一般方法
    8.5反映心理偏好的时间序列相似性度量研究
    8.6时间序列的符号化处理
    8.7时间序列事件征兆模式挖掘研究
    8.8征兆模式挖掘在股票市场有效性研究中的应用
    第9章异常数据挖掘
    9.1概述
    9.2异常的定义
    9.3异常的隐藏
    9.4异常挖掘的一般方法
    9.5异常数据挖掘在金融领域中的应用
    参考文献
    致谢
查看详情
相关图书 / 更多
金融数据挖掘
金融学(第六版)
黄达 张杰
金融数据挖掘
金融营销实务:十三五职业教育规划教材 金融营销实务
吴莹、刘雄英 主编
金融数据挖掘
金融通识课(升级自己的思维,看清世界的底牌。原耶鲁大学金融学终身教授陈志武写给大家的金融通识课)
陈志武 著,博集天卷 出品
金融数据挖掘
金融强国之路:理论与实践
任初轩 编
金融数据挖掘
金融科技发展成果报告(2021-2022)
李伟 姚前 主编
金融数据挖掘
金融会计探索与实践 (上下册)
江苏省金融会计协会
金融数据挖掘
金融数学模型与计算
(荷)科内利斯·W.欧思德礼,(波)莱赫·A.格瑞兹拉科,梁进
金融数据挖掘
金融资产保全处置实务精要
张元
金融数据挖掘
金融担保法律实务100问(第二版)
金振朝
金融数据挖掘
金融风险管理
王天一
金融数据挖掘
金融高质量发展
何德旭 著
金融数据挖掘
金融科技概论
徐索菲 刘志洋 解瑶姝 主编
您可能感兴趣 / 更多
金融数据挖掘
Hyperledger Fabric分布式账本技术原理与应用
马超群
金融数据挖掘
时变非线性脆弱欧式期权和巨灾债券定价研究
马超群、马宗刚、乐胜杰、肖时松 著
金融数据挖掘
基于高频数据的金融市场微观结构研究
马超群、徐光鲁、杨文昱 著
金融数据挖掘
城市轨道交通规划与设计
马超群
金融数据挖掘
城市轨道交通线网规划与客流预测分析
马超群
金融数据挖掘
交通调查与分析
马超群、王建军、王卫杰 编
金融数据挖掘
基督教二千年
马超群、张瑞才 著
金融数据挖掘
世界名人非常之路:凡·高(疯狂的天才画家)
马超群 著
金融数据挖掘
金融市场与风险管理
马超群 著;陈收
金融数据挖掘
普通高等教育“十一五”国家级规划教材:运筹学
马超群、兰秋军、周忠宝 编
金融数据挖掘
金融市场的复杂性与风险管理
马超群 著;李红权