金融商業(yè)數(shù)據(jù)分析：基于Python和SAS

定　價：￥99.00

作　者：	張秋劍，張浩，周大川，常國珍著
出版社：	機械工業(yè)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111695837	出版時間：	2021-12-01	包裝：
開本：	16開	頁數(shù)：	356	字數(shù)：

內(nèi)容簡介

　　這是一本金融商業(yè)數(shù)據(jù)分析的實戰(zhàn)工具書。作者都是在金融行業(yè)有10~20年數(shù)據(jù)分析經(jīng)驗的資深專家，他們將多年來的項目經(jīng)驗、培訓(xùn)和咨詢經(jīng)驗融合成了這本書。它將指導(dǎo)讀者零基礎(chǔ)掌握金融數(shù)據(jù)分析的工具、思路、方法和技巧，快速實現(xiàn)從入門到進階的突破。本書強調(diào)實戰(zhàn)，方法論與實踐相結(jié)合，所有案例均來自實際的金融業(yè)務(wù)，涵蓋工具使用、數(shù)據(jù)處理、統(tǒng)計分析等數(shù)據(jù)分析的全流程。本書內(nèi)容共14章，可分為3篇。分析工具篇（第1~4章）：首先介紹了數(shù)據(jù)科學(xué)和數(shù)理統(tǒng)計的基本常識，然后講解了數(shù)據(jù)分析工具SAS EG和Python的基礎(chǔ)知識。數(shù)據(jù)處理篇（第5~9章）：首先通過描述性統(tǒng)計分析進行數(shù)據(jù)探索，繼而講到基本的報表和統(tǒng)計制圖，還包括使用SAS EG進行數(shù)據(jù)處理，用Python進行數(shù)據(jù)整合、數(shù)據(jù)清洗，構(gòu)建出滿足分析需求的數(shù)據(jù)集。統(tǒng)計分析篇（第10~14章）：從統(tǒng)計學(xué)的基本概念引出假設(shè)檢驗與樣本t檢驗，三大統(tǒng)計檢驗、構(gòu)造預(yù)測模型，并分享基于時間序列算法的建模方法。

作者簡介

　　張秋劍就職于騰訊云金融拓展中心，從事微信財富營銷管理、數(shù)據(jù)中臺、AI應(yīng)用等解決方案拓展工作，研究方向包括數(shù)字化轉(zhuǎn)型、創(chuàng)新實踐等。張浩曾任騰訊云金融首席架構(gòu)師和星環(huán)科技金融行業(yè)技術(shù)總監(jiān)，主要從事大數(shù)據(jù)、人工智能、云計算、區(qū)塊鏈、聯(lián)邦學(xué)習(xí)等相關(guān)技術(shù)研發(fā)與產(chǎn)品設(shè)計，具有豐富的企業(yè)架構(gòu)設(shè)計、企業(yè)數(shù)字化戰(zhàn)略轉(zhuǎn)型運營與業(yè)務(wù)咨詢經(jīng)驗。周大川就職于某中央金融企業(yè)金融科技研發(fā)中心，主要從事企業(yè)級數(shù)據(jù)平臺開發(fā)、核心業(yè)務(wù)平臺建設(shè)、AI賦能金融科技創(chuàng)新等工作，具有豐富的新一代金融業(yè)務(wù)系統(tǒng)建設(shè)經(jīng)驗。常國珍曾任畢馬威咨詢大數(shù)據(jù)總監(jiān)，具有近20年數(shù)據(jù)挖掘、精益數(shù)據(jù)治理、數(shù)字化運營咨詢經(jīng)驗，是金融信用風(fēng)險、反欺詐和反洗錢算法領(lǐng)域的專家。

圖書目錄

第1章　數(shù)據(jù)科學(xué)與數(shù)理統(tǒng)計2
1.1　數(shù)據(jù)科學(xué)的基本概念2
1.2　數(shù)理統(tǒng)計技術(shù)5
1.2.1　描述性統(tǒng)計分析5
1.2.2　統(tǒng)計推斷與統(tǒng)計建模6
第2章　SAS EG數(shù)據(jù)操作基礎(chǔ)8
2.1　SAS EG入門8
2.1.1　SAS EG簡介8
2.1.2　SAS EG的窗口及菜單9
2.2　訪問數(shù)據(jù)10
2.2.1　SAS EG實現(xiàn)方式11
2.2.2　SAS程序?qū)崿F(xiàn)方式13
2.3　定義SAS數(shù)據(jù)集13
2.3.1　SAS數(shù)據(jù)的相關(guān)概念13
2.3.2　SAS EG實現(xiàn)方式16
2.3.3　SAS程序?qū)崿F(xiàn)方式18
2.4　導(dǎo)入其他格式的數(shù)據(jù)文件19
2.4.1　SAS EG實現(xiàn)方式19
2.4.2　SAS程序?qū)崿F(xiàn)方式21
第3章　Python編程基礎(chǔ)22
3.1　Python概述22
3.2　Anaconda的安裝及使用方法23
3.2.1　下載與安裝23
3.2.2　使用Jupyter Notebook24
3.2.3　使用Spyder25
3.2.4　使用Conda管理第三方庫27
3.3　Python的基本數(shù)據(jù)類型29
3.3.1　字符串29
3.3.2　浮點型和整型29
3.3.3　布爾類型30
3.3.4　其他數(shù)據(jù)類型31
3.4　Python的基本數(shù)據(jù)結(jié)構(gòu)31
3.4.1　列表32
3.4.2　元組33
3.4.3　集合33
3.4.4　字典34
3.5　Python的編程結(jié)構(gòu)35
3.5.1　三種基本的編程結(jié)構(gòu)簡介35
3.5.2　順序結(jié)構(gòu)35
3.5.3　分支結(jié)構(gòu)36
3.5.4　循環(huán)結(jié)構(gòu)37
3.6　Python的函數(shù)與模塊40
3.6.1　Python的函數(shù)40
3.6.2　Python的模塊42
3.7　使用Pandas讀寫結(jié)構(gòu)化數(shù)據(jù)43
3.7.1　讀數(shù)據(jù)43
3.7.2　寫數(shù)據(jù)46
第4章　在SAS EG中使用程序47
4.1　如何在SAS EG中使用程序47
4.2　SAS程序49
4.2.1　SAS程序分析簡介49
4.2.2　DATA步50
4.2.3　PROC步51
數(shù)據(jù)處理篇
第5章　描述性統(tǒng)計分析與制圖54
5.1　描述性統(tǒng)計分析54
5.1.1　變量度量類型與分布類型54
5.1.2　變量的統(tǒng)計量56
5.1.3　連續(xù)變量的分布與集中趨勢56
5.1.4　連續(xù)變量的離散程度58
5.1.5　數(shù)據(jù)分布的對稱與高矮59
5.2　制作報表與統(tǒng)計圖60
5.3　制圖步驟及統(tǒng)計圖適用場景64
5.4　利用SAS EG進行統(tǒng)計分析67
5.4.1　連續(xù)變量描述性統(tǒng)計分析67
5.4.2　單因子頻數(shù)統(tǒng)計分析69
5.4.3　匯總統(tǒng)計分析72
5.4.4　繪制條形圖進行統(tǒng)計分析76
5.4.5　繪制地圖進行統(tǒng)計分析79
第6章　表數(shù)據(jù)的行處理82
6.1　數(shù)據(jù)篩選82
6.1.1　SAS EG實現(xiàn)方式82
6.1.2　SAS程序?qū)崿F(xiàn)方式84
6.2　排序與求秩87
6.2.1　SAS EG實現(xiàn)方式87
6.2.2　SAS程序?qū)崿F(xiàn)方式94
6.3　抽樣95
6.3.1　抽樣理論介紹95
6.3.2　SAS EG實現(xiàn)方式97
6.3.3　SAS程序?qū)崿F(xiàn)方式99
6.4　數(shù)據(jù)分組和匯總100
6.4.1　SAS EG實現(xiàn)方式100
6.4.2　SAS程序?qū)崿F(xiàn)方式102
第7章　表數(shù)據(jù)的列處理103
7.1　構(gòu)造列變量103
7.2　拆分列105
7.3　堆疊列107
7.4　轉(zhuǎn)置列110
7.4.1　SAS EG實現(xiàn)方式111
7.4.2　SAS 程序?qū)崿F(xiàn)方式113
7.5　對列重編碼114
7.5.1　SAS EG實現(xiàn)方式114
7.5.2　SAS程序?qū)崿F(xiàn)方式119
7.6　變量標(biāo)準(zhǔn)化119
7.6.1　SAS EG實現(xiàn)方式120
7.6.2　SAS程序?qū)崿F(xiàn)方式122
第8章　數(shù)據(jù)集的操作124
8.1　縱向連接124
8.1.1　SAS EG實現(xiàn)方式125
8.1.2　SAS程序?qū)崿F(xiàn)方式127
8.2　橫向連接131
8.2.1　SAS EG實現(xiàn)方式131
8.2.2　SAS程序?qū)崿F(xiàn)方式135
8.3　數(shù)據(jù)集的比較138
8.3.1　SAS EG實現(xiàn)方式138
8.3.2　SAS程序?qū)崿F(xiàn)方式141
8.4　創(chuàng)建格式142
8.4.1　相關(guān)理論介紹142
8.4.2　SAS EG實現(xiàn)方式143
8.4.3　SAS程序?qū)崿F(xiàn)方式146
8.5　刪除數(shù)據(jù)集、格式和視圖147
8.5.1　SAS EG實現(xiàn)方式147
8.5.2　SAS程序?qū)崿F(xiàn)方式148
第9章　利用Python處理數(shù)據(jù)149
9.1　數(shù)據(jù)整合150
9.1.1　行操作和列操作150
9.1.2　條件查詢152
9.1.3　橫向連接155
9.1.4　縱向合并157
9.1.5　排序159
9.1.6　分組匯總160
9.1.7　拆分與堆疊列163
9.1.8　賦值與條件賦值165
9.2　數(shù)據(jù)清洗167
9.2.1　重復(fù)值處理167
9.2.2　缺失值處理168
9.2.3　噪聲值處理170
9.3　實戰(zhàn)175
9.3.1　提取行為特征的RFM方法175
9.3.2　使用RFM方法計算變量176
9.3.3　數(shù)據(jù)整理與匯報177
統(tǒng)計分析篇
第10章　數(shù)據(jù)科學(xué)的統(tǒng)計推斷180
10.1　基本的統(tǒng)計學(xué)概念180
10.1.1　總體、樣本和統(tǒng)計量180
10.1.2　點估計、區(qū)間估計和中心極限定理181
10.2　假設(shè)檢驗186
10.2.1　理論介紹186
10.2.2　利用Python實現(xiàn)單樣本t檢驗189
10.2.3　利用SAS EG實現(xiàn)單樣本t檢驗189
10.2.4　利用SAS EG實現(xiàn)雙樣本t檢驗189
10.2.5　利用Python實現(xiàn)雙樣本t檢驗191
10.3　方差分析193
10.3.1　利用Python實現(xiàn)單因素方差分析193
10.3.2　利用SAS EG實現(xiàn)單因素方差分析198
10.3.3　利用Python實現(xiàn)多因素方差分析202
10.3.4　利用SAS EG實現(xiàn)多因素方差分析204
10.4　相關(guān)分析207
10.4.1　相關(guān)分析理論207
10.4.2　Python實現(xiàn)方式210
10.4.3　SAS EG實現(xiàn)方式210
10.5　列聯(lián)表分析與卡方檢驗211
10.5.1　利用Python實現(xiàn)列聯(lián)表分析212
10.5.2　利用SAS EG實現(xiàn)列聯(lián)表分析213
10.5.3　利用Python實現(xiàn)卡方檢驗215
10.5.4　利用SAS EG實現(xiàn)卡方檢驗216
第11章　構(gòu)造連續(xù)變量的預(yù)測模型219
11.1　線性回歸模型介紹219
11.1.1　簡單線性回歸220
11.1.2　多元線性回歸224
11.2　模型的構(gòu)建226
11.2.1　多元線性回歸模型的構(gòu)建226
11.2.2　將連續(xù)變量和分類變量同時作為解釋變量來構(gòu)建模型228
11.3　線性回歸模型的診斷230
11.3.1　殘差230
11.3.2　強影響點234
11.3.3　共線性236
11.4　建模流程238
11.5　利用SAS EG實現(xiàn)客戶價值預(yù)測239
11.5.1　單連續(xù)變量下建模239
11.5.2　多連續(xù)變量下建模242
11.5.3　加入分類解釋變量建模243
第12章　構(gòu)造二分類變量的預(yù)測模型245
12.1　邏輯回歸入門245
12.2　模型表現(xiàn)優(yōu)劣的評估251
12.3　多水平值分類變量的邏輯回歸253
12.4　關(guān)于構(gòu)造因果關(guān)系模型的討論255
12.5　利用SAS EG實現(xiàn)貸款違約可能性預(yù)測257
第13章　描述性數(shù)據(jù)分析方法266
13.1　客戶細分266
13.1.1　客戶細分的意義266
13.1.2　根據(jù)客戶利潤貢獻細分268
13.1.3　根據(jù)個人或公司的生命歷程細分269
13.1.4　根據(jù)客戶的產(chǎn)品偏好細分269
13.1.5　根據(jù)客戶的多維行為屬性細分270
13.1.6　根據(jù)客戶結(jié)構(gòu)細分271
13.1.7　綜合應(yīng)用272
13.2　連續(xù)變量間關(guān)系探索與變量壓縮273
13.2.1　多元變量間關(guān)系統(tǒng)計基礎(chǔ)273
13.2.2　多元變量壓縮的思路276
13.2.3　主成分分析278
13.2.4　因子分析288
13.3　聚類分析293
13.3.1　基本邏輯293
13.3.2　層次聚類294
13.3.3　快速聚類301
13.3.4　兩步法聚類308
第14章　時間序列分析314
14.1　時間序列及其分析方法簡介314
14.2　利用效應(yīng)分解法分析時間序列316
14.2.1　時間序列的效應(yīng)分解316
14.2.2　SAS EG實現(xiàn)方式316
14.2.3　Python實現(xiàn)方式318
14.3　平穩(wěn)時間序列分析322
14.3.1　平穩(wěn)時間序列簡介322
14.3.2　AR模型、MA模型、ARMA模型簡介323
14.3.3　Python實現(xiàn)方式324
14.4　非平穩(wěn)時間序列分析328
14.4.1　差分與ARIMA模型328
14.4.2　SAS EG實現(xiàn)方式330
14.4.3　Python實現(xiàn)方式336