金融数据分析概览1课程概览2金融科技3什么是数据分析?4金融数据5金融数据分析的挑战6课后作业
课程概览随着大数据、人工智能、区块链、云计算等信息技术的发展,金融与技术的结合变得越来越广泛深入,金融科技将成为全球数字经济发展的核心驱动。顺应时代发展的潮流,国家出台了一系列促进金融科技发展的规划和政策。在此背景下金融数据分析变得越来越重要。
金融科技金融科技即技术驱动的金融创新,是指由大数据、区块链、云计算、人工智能等新兴前沿技术驱动,对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。
金融科技数字金融是指通过互联网及信息技术手段与传统金融服务业态相结合的新一代金融服务。数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通讯技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。
相关政策文件及研报《第十四个五年规划和2035年远景目标纲要》《“十四五”数字经济发展规划》《中国人民银行:金融科技发展规划(2022-2025年)》《毕马威2023中国金融科技企业首席洞察报告》《艾瑞咨询:2023年中国银行业数字化转型研究报告》《艾瑞咨询:2023年中国供应链金融数字化行业研究报告》《长江证券:深度解析大模型在金融行业的应用及前景》
什么是数据分析?数据分析(DataAnalysis)是一个对数据进行检查、清洗、转换和建模的过程,其目的是从数据中发现有用的信息,得出结论并为最终决策提供建议。狭义的数据分析偏重对小数据集的历史信息提取、展现和规律总结,而广义的数据分析还包括数据挖掘。数据挖掘是运用统计、机器学习等理论建立模型,从大数据集中进行模式识别和知识发现的过程。
什么是数据分析?数据是金融科技的核心,围绕数据这个核心,衍生出数据采集(物联网)、管理(区块链)、分析挖掘(云计算、人工智能)等一系列的金融科技应用。
什么是数据分析?金融领域的数据可以细分为:宏观经济数据、金融市场数据、金融机构数据、企业数据和个人数据。金融数据具有海量、高维度、低信噪比、时序性等特性。例如,金融中的预测股票的期望收益率问题,期望收益率的波动比已实现收益率的波动要小很多,因此数据的信噪比很低。
金融数据分析的挑战数据孤岛个人隐私保护数据分析本身的挑战2021年被业界称为隐私计算规模化应用元年。隐私计算能够在保障数据安全的前提下,助力金融业数据流通,被主要应用于信贷风控、精准营销、反欺诈、移动支付人脸识别等场景。
课后作业阅读以下金融科技相关政策文件及文献资料(包括但不限于),《中国人民银行:金融科技发展规划(2022-2025年)》《毕马威2023中国金融科技企业首席洞察报告》《艾瑞咨询:2023年中国银行业数字化转型研究报告》《艾瑞咨询:2023年中国供应链金融数字化行业研究报告》《长江证券:深度解析大模型在金融行业的应用及前景》(/p-781.html)
课后作业回答以下问题:《金融科技发展规划(2022-2025年)》中金融科技发展的4个基本原则、6个发展目标、8项重点任务和5项保障措施分别是什么?金融科技发展现状如何,未来发展趋势有哪些?什么是数字化?以银行为代表的金融机构为什么要进行数字化转型?目前供应链金融发展中存在的主要问题有哪些?区块链在供应链金融中起什么作用?举几个大模型赋能金融行业的具体例子。
金融数据分析概览1??数据分析宏观流程2??数据分析微观流程3??数据样本及表示3.1??基本术语3.2??样本表示
数据分析宏观流程明确数据分析的目标和任务。准备数据分析的计算机语言或软件,本书中对应的是Python及集成开发环境Anaconda。各种炊具代表各种Python数据分析库或包。菜单中的菜肴代表的是各种数据分析的任务和结果展示,例如作为前菜的探索性数据分析、作为主菜的数据建模和模型评价、作为甜点的结论分析等。
数据分析宏观流程食材代表的是金融数据,依赖于数据分析的目标和任务。菜肴的烹饪过程对应于数据分析的过程。珍藏佳酿代表数据分析得出的结论。
数据分析微观流程1)数据读取。从数据文件、数据库等数据源读取数据,得到结构化的二维表数据。2)初步探索性分析。从纯数据抽象的角度(不含业务逻辑)了解数据集的大小、数据缺失、属性类别、数据分布等情况。3)特征工程。基于初步探索性分析的结果进行数据清洗、数据规范化、特征提取等预处理。
数据分析微观流程4)探索性数据分析。得到规范的数据集后,在建模之前结合业务逻辑背景进行一些简单的统计分析。5)建模分析。包括数据建模、模型评估、模型预测等步骤,这通常是数据分析特别是数据挖掘的主要环节。模型可以分为业务逻辑模型和机器学习模型。6)结论分析及展示。对探索性分析和建模分析的结果进行总结,得出一些有用的规律和结论。
数据样本及表示典型的结构化数据集是一张二维表,通常称为一个样本(sample)或数据集(dataset),从统计学的角度代表对随机总体的抽样。样本的每一行代表一条数据记录,称为示例(instance)或样品,样本的每一列代表样品在某一维度上的取值,称为样本的属性(attribute)。
数据样本及表示样本的属性有时也会被称作特征(feature)、字段(field)或者变量(variable)。我们把拥有了标记信息的示例称为样例(example)。从回归的角度看,样本属性即自变量或解释变量,样本标记即因变量或被解释变量。二分类问题;多分类问题;回归问题。
数据样本及表示根据不同的功能,样本可以被进一步分为训练集(trainingset)、验证集(validationset)和测试集(testingset)。
金融数据分析—以Python为工具 课件 11、12 量化投资多因子模型分析、 个人贷款信用风险评估.pptx
金融数据分析—以Python为工具 课件 3 Python运行环境搭建、 Jupyter Notebook简介及使用.pptx
金融数据分析—以Python为工具 课件 4--7 基础数据包—Pandas、 金融数据获取、 特征工程.pptx
金融数据分析—以Python为工具 课件 8、9 建模分析、 股票行情数据分析 .pptx
金融数据分析—以Python为工具 课件 10、11 资本资产定价模型分析、 量化投资多因子模型分析.pptx
金融数据分析—以Python为工具 课件全套 胡文彬 1--12 金融数据分析概览---个人贷款信用风险评估.pptx
脉搏指示连续心输出量监测技术培训+(基于tcnas57-2026).pptx
《机械产品数字化设计(SolidWorks)》课程标准(含课程思政).docx
JCT2286-2014 钢-玻璃纤维增强塑料双层埋地储油罐.docx
原创力文档创建于2008年,本站为文档C2C交易模式,即用户上传的文档直接分享给其他用户(可下载、阅读),本站只是中间服务平台,本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方,若您的权利被侵害,请发链接和相关诉求至 电线) ,上传者