《大数据金融》作为金融科技专业基础课程教材，从理论、方法、实务三个层面介绍了大数据的基本概念、分析方法和金融应用。
　　《大数据金融》在介绍大数据的概念、演化、思维方式与处理流程的基础上，重点介绍了关联规则分析、聚类分析、回归分析、树类分析、本文分析以及人工智能网络、网络数据爬虫的基本原理和在金融领域的应用。最后，从金融实务出发，介绍了大数据在银行、证券投资与保险领域的运用。
　　《大数据金融》既可作为高等学校经济、管理类学科的专业课程教材，又可供从事金融科技、数据挖掘、大数据金融等领域的研究人员和实际工作者参阅。

第一篇 原理篇
第一章 大数据金融的基本原理
第一节 大数据概述
第二节 大数据时代的思维方式
第三节 大数据与信息不对称
第四节 大数据的处理流程

第二篇 算法篇
第二章 金融大数据降维
第一节 数据降维概述及其应用场景
第二节 数据降维的准备工作
第三节 主成分分析
第四节 因子分析
第五节 数据降维在金融领域的应用
第三章 关联规则分析及其在金融领域的应用
第一节 关联规则分析方法概述及其应用场景
第二节 关联规则的基本概念及Apriori算法
第三节 关联规则在推荐系统中的应用
第四节 关联规则分析方法在金融经济领域的应用
第四章 聚类分析及其在金融领域的应用
第一节 聚类分析概述
第二节 K均值系列算法
第三节 层次聚类算法
第四节 基于密度的聚类算法
第五节 聚类分析在金融领域的应用
第五章 回归分析及其在金融领域的应用
第一节 回归分析方法及其应用场景概述
第二节 多元定性响应变量的回归模型
第三节 回归模型的选择、正则化与降维
第四节 回归分析方法在金融领域的应用
第六章 树类分析及其在金融领域的应用
第一节 树类分析方法概述及其应用场景
第二节 决策树算法原理
第三节 随机森林算法原理
第四节 树类分析方法在金融领域的应用
第七章 人工神经网络
第一节 人工神经网络概述及其应用场景
第二节 神经元模型与感知
第三节 人工神经网络在金融领域的应用
第八章 文本分析及其在金融领域的应用
第一节 文本分析方法概述及其应用场景
第二节 语素与分词
第三节 词袋模型与词向量模型
第四节 关键词提取算法
第五节 文本分析在金融领域的应用
第九章 金融数据的爬虫
第一节 网络爬虫概述及其应用场景
第二节 网络爬虫之信息获取
第三节 网络爬虫之信息解析
第四节 网络爬虫在金融领域的应用
第十章 其他机器学习理论简介
第一节 集成学习简介
第二节 迁移学习简介
第三节 强化学习简介
第四节 联邦学习简介

第三篇 应用篇
第十一章 大数据在银行领域的应用
第一节 大数据与银行风险管理
第二节 大数据与银行资产业务
第三节 大数据与银行负债业务
第十二章 大数据在证券投资领域的应用
第一节 机器学习预测资产价格
第二节 文本分析预测资产价格
第三节 大数据与证券交易实践
第四节 大数据与智能投顾
第十三章 大数据分析在保险领域的应用
第一节 保险与保险科技
第二节 保险科技与大数据
参考文献