《金融商业数据分析》内容简介

这是一本金融商业数据分析的实战工具书。作者都是在金融行业有10～20年数据分析经验的资深专家，他们将多年来的项目经验、培训和咨询经验融合成了这本书。它将指导读者零基础掌握金融数据分析的工具、思路、方法和技巧，快速实现从入门到进阶的突破。
本书强调实战，方法论与实践相结合，所有案例均来自实际的金融业务，涵盖工具使用、数据处理、统计分析等数据分析的全流程。
本书内容共14章，可分为3篇。
分析工具篇（第1～4章）：首先介绍了数据科学和数理统计的基本常识，然后讲解了数据分析工具SAS EG和Python的基础知识。
数据处理篇（第5～9章）：首先通过描述性统计分析进行数据探索，继而讲解基本的报表和统计制图，还介绍了如何使用SAS EG进行数据处理，用Python进行数据整合、数据清洗，从而构建出满足分析需求的数据集。
统计分析篇（第10～14章）：从统计学的基本概念引出假设检验、样本t检验，三大统计分析、构造预测模型，并分享了基于时间序列的建模方法。
张秋剑，就职于腾讯云金融拓展中心，从事微信财富营销管理、数据中台、AI应用等解决方案拓展工作，研究方向包括数字化转型、创新实践等。
张浩，曾任腾讯云金融首席架构师和星环科技金融行业技术总监，主要从事大数据、人工智能、云计算、区块链、联邦学习等相关技术研发与产品设计工作，具有丰富的企业架构设计、企业数字化战略转型运营与业务咨询经验。
周大川，就职于某中央金融企业金融科技研发中心，主要从事企业级数据平台开发、核心业务平台建设、AI赋能金融科技创新等工作，具有丰富的新一代金融业务系统建设经验。
常国珍，曾任毕马威咨询大数据总监，具有近20年数据挖掘、精益数据治理、数字化运营咨询经验，是金融信用风险、反欺诈和反洗钱算法领域的专家。

作品目录

内容简介
作者简介
前言
分析工具篇
第1章：数据科学与数理统计
1.1、数据科学的基本概念
1.2、数理统计技术
第2章：SAS
EG数据操作基础
2.1、SAS
EG入门
2.2、访问数据
2.3、定义SAS数据集
2.4、导入其他格式的数据文件
第3章：Python编程基础
3.1、Python概述
3.2、Anaconda的安装及使用方法
3.3、Python的基本数据类型
3.4、Python的基本数据结构
3.5、Python的编程结构
3.6、Python的函数与模块
3.7、使用Pandas读写结构化数据
第4章：在SAS
EG中使用程序
4.1、如何在SAS
EG中使用程序
4.2、SAS程序
数据处理篇
第5章：描述性统计分析与制图
5.1、描述性统计分析
5.2、制作报表与统计图
5.3、制图步骤及统计图适用场景
5.4、利用SAS
EG进行统计分析
第6章：表数据的行处理
6.1、数据筛选
6.2、排序与求秩
6.3、抽样
6.4、数据分组和汇总
第7章：表数据的列处理
7.1、构造列变量
7.2、拆分列
7.3、堆叠列
7.4、转置列
7.5、对列重编码
7.6、变量标准化
第8章：数据集的操作
8.1、纵向连接
8.2、横向连接
8.3、数据集的比较
8.4、创建格式
8.5、删除数据集、格式和视图
第9章：利用Python处理数据
9.1、数据整合
9.2、数据清洗
9.3、实战
统计分析篇
第10章：数据科学的统计推断
10.1、基本的统计学概念
10.2、假设检验
10.3、方差分析
10.4、相关分析
10.5、列联表分析与卡方检验
第11章：构造连续变量的预测模型
11.1、线性回归模型介绍
11.2、模型的构建
11.3、线性回归模型的诊断
11.4、建模流程
11.5、利用SAS
EG实现客户价值预测
第12章：构造二分类变量的预测模型
12.1、逻辑回归入门
12.2、模型表现优劣的评估
12.3、多水平值分类变量的逻辑回归
12.4、关于构造因果关系模型的讨论
12.5、利用SAS
EG实现贷款违约可能性预测
第13章：描述性数据分析方法
13.1、客户细分
13.2、连续变量间关系探索与变量压缩
13.3、聚类分析
第14章：时间序列分析
14.1、时间序列及其分析方法简介
14.2、利用效应分解法分析时间序列
14.3、平稳时间序列分析
14.4、非平稳时间序列分析