大数据金融
全新正版 极速发货
￥ 46.04 5.8折 ￥ 79 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者刘晓星
出版社清华大学
ISBN9787302516118
出版时间2018-11
装帧其他
开本其他
定价79元
货号1201807540
上书时间2024-06-12
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘晓星，博士（1970～），东南大学金融学教授，金融学专业博士生导师，金融系主任，全国高等学校金融学类专业教学指导委员会委员，江苏省“青蓝工程”中青年学术带头人，中国金融学年会理事，中国金融工程学年会理事。
目录
第一章 大数据的提出与演化
第一节 大数据概念提出的背景
第二节 大数据的历史演变过程
第三节 大数据概念的界定
第四节 大数据带来的变革
本章小结
第二章 大数据思维
第一节 大数据思维的内涵与构成
第二节 大数据思维对传统思维的影响
第三节 大数据思维对传统产业的影响
本章小结
第三章 大数据与金融的融合
第一节 现代金融的大数据特征
第二节 大数据金融的内涵
第三节 大数据金融的发展状况与趋势
第四节 大数据与互联网金融的关系
本章小结
第四章 大数据金融的商业模式
第一节 大数据金融商业模式的选择
第二节 大数据金融商业模式的维度分析
第三节 大数据金融的企业商业模式创新
第四节 大数据金融的产业商业模式创新
第五节 大数据金融的行业商业模式创新
第六节 大数据金融商业模式的未来趋势
本章小结
第五章 大数据金融机构与产品创新
第一节 金融业大数据应用现状
第二节 银行业大数据金融
第三节 证券业大数据金融
第四节 保险业大数据金融
第五节 信托业大数据金融
第六节 融资租赁业大数据金融
第七节 中央银行大数据应用
第八节 基于大数据金融的征信产品
第九节 基于大数据金融的指数化产品
本章小结
第六章 大数据与供应链金融
第一节 供应链金融的发展现状
第二节 大数据对供应链金融的影响
第三节 大数据时代下供应链金融发展趋势
本章小结
第七章 大数据金融服务平台
第一节 大数据金融服务平台的界定
第二节 大数据金融服务平台的分类
第三节 大数据金融服务平台带来的革新
第四节 大数据金融服务平台面临的风险与挑战
本章小结
第八章 大数据金融算法
第一节 大数据体系构建
第二节 数据挖掘经典算法
内容摘要
\"本书基于作者近几年来在大数据金融领域的独特观点和系列研究成果，着重介绍了大数据的提出与演化及大数据思维，并从大数据与金融融合、大数据金融的商业模式、大数据金融机构与产品创新、大数据金融服务平台创新、大数据金融算法、大数据金融生态环境建设、
Fintech与大数据金融等多个方面对大数据金融进行了深入研究和展望。
本书适合从事金融科技、数据挖掘、大数据金融等领域的研究人员以及金融机构和政府相关管理决策部门的从业人员阅读使用，同时也适合高等院校经济、金融、统计、管理等专业领域的教师、研究生阅读参考。\"
精彩内容
3.数据交易的定价数据交易市场的存在就是为了降低数据交易中存在的高昂风险成本。针对特定的数据，我们应当采取不同的定价策略，实现交易成本的最小化。因此，下文把数据交易的定价分为第一类数据和第二类数据。
第一类数据即不涉及用户隐私的统计或科研数据，其定价相对比较简单，大部分情况下，采取供给方定价的形式就足够了。一方面是因为这类数据不涉及个人，其价值相对性的波动不大，无须采用更复杂的定价模式；另一方面是采取供给方定价的方式能将数据产品运营权保留在供给方，使其能够以各种如
限免、促销等方式运营数据，使得有价值的数据能够普惠更多的需求方。
而第二类数据即个人特征行为数据，由于能直接用于如个人征信、营销等商业用途，其价值相对性的波动会非常大，大到甚至连供给方都不能准确评估其市场价值的程度。因此，这类数据比较理想的定价方式是需求方定价，如在线广告数据平台Bluekai的定价方式就是采取数据竞拍即需求方定价的方式，价高者得，同时控制数据的供给数量，确保一份有价值的数据仅被一到两家客户所有。
个人特征及行为数据的鲜明特点是超乎想象的细分程度，数据需求方仅会对其中一小部分数据感兴趣，如上海的淘宝卖家一般只关心江浙一带的用户数据，使得供给方对千千万万的细分数据做定价变成了几乎不可能的任务。正如
当初Google推出搜索引擎关键字广告时，根本不可能对几百上千万的各种关键字逐一定价出售，最有效的方式就是采取需求方定价，即关键字竞价形式，综
合出价最高的广告主将赢得对应广告位的展示机会。
史的积淀都促使了“大数据”概念的诞生。本章首先从大数据概念的历史演变过程出发，讲述了大数据的主要发展阶段，以及国外主要发达国家和国内大数据的发展现状。接着从理论角度讲述大数据体量大、速度快、类型多、价值性、
在线化等特征，并指出了大数据将带来变革时代的力量以及未来可能面临的潜在挑战；从技术层面剖析大数据实现价值所经历的四个步骤，即数据采集、导
入与预处理、统计分析和数据解释；从实践层面探讨互联网、政府、企业和个人的大数据价值体现，以便更深入地理解大数据的概念。最后，阐述了大数据带来的产业变化趋势、行业颠覆以及三大关键行业的变革，揭示了数据市场的未来发展趋势和变革。
理解大数据的概念是实现数据价值的前提条件。只有深入理解大数据的概
念，才能合理运用大数据技术，使其成为创新变革的动力和推动时代进步的力量。
些难题已经变得简单易行。曾经只有大公司才能做到的事情，现在绝大部分的公司都可以做到了。
通过使用所有的数据，我们可以发现如若不然，则将会在大量数据中淹没的情况。例如，信用卡诈骗是通过观察异常情况来识别的，只有掌握了所有的数据才能做到这一点。在这种情况下，异常值是最有用的信息，你可以把它与正常交易情况进行对比。这是一个大数据问题。而且，因为交易是即时的，所
以你的数据分析也应该是即时的。
大数据技术的运用首先要数据全量在线。现在太多系统都是孤立的，银行对公、对私，还有卡业务都是分开的，当把所有业务糅合在一起时，会发现很多客观规律。现在有了大规模的计算能力，我们就不需要进行干预，完全让机器自己去找规律，让机器去找出海量数据中的建模规则，这完全是黑箱建模的思路。黑箱建模让我们发现了很多以前我们不知道的内容和规律。比如，以往
认为反洗钱只存在40多种在线规则，而利用机器学习可以推翻这一结论，发现了1000多条在线规则。针对保险用户，我们也可以通过异于常理的现象发现商机。比如，在9000多万用户中有百分之零点几的用户的年收入4万多元，但买了7万多元的保险产品。那么相应的销售人员是用什么样的保险理财理念去推销产品的，有什么样的经验，这都是需要探索的。
当然，为了面向用户，所有大数据的处理要做到容易解读。但客观讲，阿里从来不解读，而是细分到碎片化以后直接做匹配、工具操作。阿里没有任何一个人会在你购物买了这个包以后，给你推荐另外一个包。分析决策的过程全部是用一个基础矩阵做的，是一个端到端的匹配操作，当分析结果出来以后，就直接执行了。所以在这个过程中，全量数据可以帮助发现业务规则。这其中就涉及很多模型。以前可能只是在北美金融界进行一些深度学习，都是比较学术型的。现在大数据很跨界，在大数据的学术范畴里，不仅有IT的人、统计的人，还有物理学、
经济学、金融的人都在其中。学科交叉非常明显，它是一个基础的现代跨界科学。
在无假设条件下，通过机器学习能发现用户的一些特征。这些工具、方式、
方法，帮助金融用户非常清楚地了解到以前未知的市场和未知的用户。就像互联网企业一样，通过这些了解，能够对这些用户进行有针对性的操作。
二、关注效率而不是精确度大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不就可以指导其做出正确的市场操作，具有巨大经济价值。
那些以前我们认为碎片化、情绪化、难以量化的东西，现在都可以依靠大数据技术被合理量化，并运用大数据的思维实现它的价值。但是随着互联网时代的深入，社会发展的脚步越来越快，企业能够根据数据信息做出预测，先一
步采取行动就能够抓住时代的机遇，因而对数据分析技术的高效性要求符合时代的趋势，是大数据思维下的必然选择。
— 没有更多了 —
以下为对购买帮助不大的评价