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。

前言　　

　　

　　大数据金融是大数据在金融领域的重要应用。大数据金融市场前景广阔，预计未来5年到10年，金融大数据产业将迎来黄金增长期，大数据也将成为助推“大众创业、万众创新”浪潮的有力抓手。

　　本书为适应高等学校互联网金融专业人才培养的需要，从理论联系实际的原则出发，以大数据的实际运用为导向，对大数据在金融各行业的应用做了全面系统的介绍。

　　全书共分为8章，包括大数据金融概述、大数据相关技术、大数据在商业银行中的应用、大数据在证券行业中的应用、大数据在保险行业中的应用、大数据在互联网金融中的应用、大数据征信、大数据与中国金融信息安全。

　　由于大数据金融刚刚兴起，可供参考的资料不多，本书也仅仅是在这方面的一个探索，故全书整体框架以编者自己的思路进行呈现。本书以应用特别是金融领域前沿的应用为导向，以在各行业的实践为主线展开。本书内容新颖全面，论述问题极具现实意义。本书可以作为高等院校互联网金融专业相关课程的教材，也可供互联网金融研究者、从业者、管理人员参考。

　　全书主要有以下两大特点。

　　(1) 内容全面。

　　本书以大数据为出发点，结合国内外的发展现状及最新模式，系统地介绍了大数据在银行业、证券业、保险业、互联网金融行业及征信中的应用，并强调了在应用过程中，中国金融信息安全的重要性及保障机制。本书内容涵盖面极广，有效地为各行各业的读者提供了大数据金融与征信的宏观视图。

　　(2) 体例新颖。

　　本书秉承着注重实际运用的宗旨，编写体例上彰显了可读性和互动性。每章前有“本章目标”和“本章简介”，每章末有“本章总结”和“本章作业”。书中除了理论教学，还配有相关案例和解析，使理论与实践相结合，通俗易懂，开拓了学生的视野，可以更好地满足培养既懂专业知识又能运用所学知识解决实际问题的“复合型”经济人才需求。

　　本书由新迈尔(北京)特技有限公司组织研发，由何平平拟定大纲并进行统稿，湖南大学互联网金融研究所组织撰写。本书由何平平、车云月担任主编，以下研究生也参与了本书的编写：王杨毅彬、周春亚、张童、刘诗雨、刘晶宇。

　　本书编写过程中参考了大量的文献资料，有些已经在书后的参考文献中标注，而有些没有，在此一并表示感谢。囿于时间和个人能力，书中难免有疏漏和不妥之处，敬请读者批评指正。

　　  

　　何平平

 

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