（1）作者背景资深：4位作者都是在金融领域有10~20年数据挖掘和分析经验的资深专家，技术功底深厚，业务经验丰富。 （2）高维指导低维：作者在金融行业有10~20年项目实战和项目咨询经验，深知初学者的难和痛，量身造，事半功倍。 （3）金融业务驱动：以真实的业务场景和案例为驱动，涵盖金融数据分析的全流程，告别纯理论和不地气。 （4）从门到阶：帮助读者零基础掌握金融数据分析的工具、思路、方法和技巧，快速实现从门到阶的突破。
售 价：¥
纸质售价：¥71.50购买纸书
6.7
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
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
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
