銀行金融數(shù)據(jù)挖掘與商業(yè)分析

【課程收益】

2  全面掌握金融科技的生態(tài)環(huán)境

2  全面理解金融科技基礎設施體系

2  深入理解云上銀行的智能風控與智能營銷

2  深入理解 云上銀行的數(shù)據(jù)分布式架構(gòu)體系

【課程對象】銀行高管、企業(yè)高管、銀行部門負責人、銀行戰(zhàn)略研究負責人，銀行科技條線負責人，銀行科技條線工作人員

【課程特色】實戰(zhàn)派風格、針對性強、追求“落地”文化

【課程時長】6-12小時

【課程大綱】

模塊一  金融數(shù)據(jù)挖掘概述

n  數(shù)據(jù)挖掘技術(shù)在金融領域的應用現(xiàn)狀

n  金融科技的主要應用場景分析

n  數(shù)據(jù)挖掘技術(shù)在金融業(yè)務分析中的作用

n  金融數(shù)據(jù)挖掘系統(tǒng)架構(gòu)

n  金融數(shù)據(jù)挖掘的過程

模塊二  基于Python的金融數(shù)據(jù)挖掘方法

n  Python的編程環(huán)境

l  Anaconda，Jupeter Notebook，Spyder

l  Scikit-learn庫的安裝和導入

n  應用Pandas進行數(shù)據(jù)處理

l  數(shù)據(jù)的導入和導出

l  Pandas數(shù)據(jù)結(jié)構(gòu)

l  Pandas繪圖基礎

l  Pandas數(shù)據(jù)處理

l  金融數(shù)據(jù)處理綜合應用舉例

n  應用Pandas進行統(tǒng)計分析

l  金融數(shù)據(jù)的常用統(tǒng)計計算

2  單列數(shù)據(jù)運算，雙列數(shù)據(jù)的相關性運算

l  金融數(shù)據(jù)的描述統(tǒng)計

2  單列數(shù)據(jù)的頻數(shù)統(tǒng)計

2  多列數(shù)據(jù)的列聯(lián)表分析

2  數(shù)據(jù)描述的可視化

l  金融數(shù)據(jù)的推斷統(tǒng)計

2  推斷統(tǒng)計基礎

2  基于樣本均值的推斷統(tǒng)計

2  基于樣本方差的推斷統(tǒng)計

2  樣本的非參數(shù)檢驗

n  應用Python進行數(shù)據(jù)挖掘

l  基于金融數(shù)據(jù)的回歸分析

2  線性回歸，邏輯回歸

l  基于金融數(shù)據(jù)的有監(jiān)督學習

2  有監(jiān)督學習簡介

2  KNN分類器

2  樸素貝葉斯分類器

2  決策樹分類器

l  集成學習算法

2  集成學習算法簡介

2  Bagging集成學習算法

2  Adaboost集成學習算法

模塊三  金融數(shù)據(jù)挖掘在銀行場景的應用舉例

n  金融數(shù)據(jù)挖掘在零售銀行信用風險管理中的應用

l  銀行風險管理概述

l  申請風險評分模型與應用分析

l  行為風險評分模型與應用分析

l  欺詐風險評分模型與應用分析

n  金融數(shù)據(jù)挖掘技術(shù)在客戶關系管理中的應用

l  客戶生命周期管理概述

l  基于數(shù)據(jù)挖掘的客戶細分與客戶營銷

l  基于數(shù)據(jù)挖掘的客戶關系分析與管理

n  金融數(shù)據(jù)挖掘技術(shù)在巴塞爾資本協(xié)議下的銀行風險計量中的應用

l  巴塞爾資本協(xié)議下的風險計量概述

l  風險計量中的數(shù)據(jù)挖掘算法

l  數(shù)據(jù)挖掘技術(shù)在巴塞爾風險計量中的實踐案例