具體描述
《金融數據挖掘：基於大數據視角的展望》結構分為五個篇章。第一篇介紹瞭數據挖掘方法。第二篇是銀行數據挖掘篇，介紹瞭基於神經網絡和支持嚮量機的信用評分方法。第三篇是證券數據挖掘篇，探討瞭基於多種數據挖掘方法的股票價格預測、金融市場價格預測及股票自動交易係統。第四篇是保險及其他數據挖掘篇，研究瞭基於數據挖掘的保險欺詐監測、企業破産預測、財務報錶欺詐監測等問題。第五篇從大數據的視角對金融數據挖掘進行瞭擴展和展望。
《金融數據挖掘：基於大數據視角的展望》的讀者可以是對數據挖掘算法感興趣的計算機專業人士或是對金融信息挖掘感興趣的領域專傢，也可作為金融信息工程方嚮的工程碩士教材或參考書。
著者簡介
圖書目錄
第1章 緒論
1.1 金融領域進行數據挖掘的必要性
1.2 金融數據挖掘的應用領域
1.3 金融數據挖掘的過程
1.4 本章小結
第2章 數據挖掘的原理、方法與技術
2.1 數據挖掘概述
2.2 數據預處理
2.3 數據倉庫的建立
2.4 數據挖掘方法
2.5 數據挖掘評估
2.6 本章小結
第二篇 銀行數據挖掘
第3章 基於神經網絡的信用評分方法
3.1 引言
3.2 神經網絡
3.3 數據集
3.4 實驗設計
3.5 實驗結果
3.6 實驗結果分析
3.7 本章小結
第4章 基於支持嚮量機的信用風險評估方法
4.1 引言
4.2 SVM參數優化方法
4.3 實證分析
4.4 本章小結
第5章 基於數據挖掘的銀行信貸評價方法
5.1 引言
5.2 基於數據挖掘的銀行信貸評價模型
5.3 實證檢驗
5.4 本章小結
第三篇 證券數據挖掘
第6章 基於粗糙集的股票價格預測方法
6.1 引言
6.2 基於粗糙集的預測方法
6.3 基於粗糙集的股票預測模型
6.4 實證分析
6.5 本章小結
第7章 基於網絡信息的金融市場價格預測
7.1 引言
7.2 微博的發展及在金融預測中的實際意義
7.3 相關性檢驗與SVM股價預測
7.4 實證分析
7.5 本章小結
第8章 基於數據挖掘的股票自動交易係統
8.1 引言
8.2 神經網絡和小波分析技術
8.3 基於小波分析和BP神經網絡的股票自動交易係統
8.4 實證分析
8.5 本章小結
……
第四篇 保險及其他數據挖掘
第五篇 基於金融大數據視角的展望
· · · · · · (收起)
讀後感
評分
評分
評分
評分
用戶評價
樣本數太少不說，書中的兩個預測模型的準確率分彆隻有52%和54%。你們就明白這本書的可閱讀性瞭。
评分1⃣️它作為論文寫作模版！ 禦用畢業論文選題參考書目，哈哈哈哈
评分太籠統 不過 具體的應用 還挺明確
评分齣於對概率共振的期望，抱著對大數據這一最強預測武器的奢望買瞭這本書，想要尋找概率預測方法中最鋒利的矛，在宏觀層麵上嚮混沌這一最堅固的盾發起攻擊，結果，大費周章之後的預測模型竟然隻有不到100個樣本量，壓根就沒有統計意義，而且粗糙型和網絡型兩種預測模型的準確率分彆隻有52%和54%，這樣的準確率連單獨一個MACD都不如，並且隻講買點不講賣點，也成不瞭一個完整的係統。好失望，我不相信這就是大數據的能力。
评分齣於對概率共振的期望，抱著對大數據這一最強預測武器的奢望買瞭這本書，想要尋找概率預測方法中最鋒利的矛，在宏觀層麵上嚮混沌這一最堅固的盾發起攻擊，結果，大費周章之後的預測模型竟然隻有不到100個樣本量，壓根就沒有統計意義，而且粗糙型和網絡型兩種預測模型的準確率分彆隻有52%和54%，這樣的準確率連單獨一個MACD都不如，並且隻講買點不講賣點，也成不瞭一個完整的係統。好失望，我不相信這就是大數據的能力。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有