《互联网金融 技术与应用》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:汤凌冰主编;彭品编
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2015
  • ISBN:9787121266843
  • 页数:194 页
图书介绍:本书分为上下两篇。上篇主要介绍了与互联网金融相关的信息技术,以网络技术为核心介绍了互联网金融所采用的新技术。其主要内容包括网络体系结构、无线网络、云计算与数据挖掘。下篇以金融管理为主线介绍了其在网络上的主要应用。内容包括ATM网银与云存储设计、证券行情显示与量化选股设计、财经网页挖掘与舆情影响分析以及大数据金融分析。本书可作为高等学校计算机专业,信息管理专业与金融专业本科生教材,也可供各类高职高专、成人高校及各类培训人员使用。

第1章 互联网金融概论 1

1.1 互联网金融的定义与背景 1

1.2 互联网金融的特点与趋势 3

1.3 互联网金融的模式与技术 5

上篇 信息技术 12

第2章 计算机网络技术 12

2.1 计算机网络的背景与定义 12

2.2 计算机网络的功能与分类 14

2.2.1 计算机网络的功能 14

2.2.2 计算机网络的分类 15

2.3 网络传输协议 19

2.3.1 OSI参考模型 19

2.3.2 TCP/IP协议 21

2.4 无线局域网协议 22

2.4.1 802.11协议物理层 22

2.4.2 802.11协议MAC层 25

2.4.3 与有线局域网的区别 28

2.5 无线局域网组成 29

2.5.1 接入点与蜂窝 31

2.5.2 无线局域网射频 35

2.5.3 无线局域网天线 39

2.6 案例:第三方移动支付平台设计 40

2.6.1 系统组网结构 40

2.6.2 系统主体功能架构 41

2.6.3 系统体系架构 43

第3章 云计算架构 47

3.1 云计算的产生与演化 47

3.1.1 云计算的产生背景 47

3.1.2 云计算的演化阶段 47

3.2 云计算的概念与特征 48

3.2.1 云计算的概念 48

3.2.2 云计算的特征 50

3.3 云计算的服务形式与平台厂商 51

3.3.1 云计算服务形式 51

3.3.2 云计算平台 53

3.4 Hadoop关键技术 62

3.4.1 主从式计算系统Map/Reduce 62

3.4.2 主从式文件系统HDFS 67

3.5 案例:基于Hadoop的银行应用架构设计 71

3.5.1 Hadoop技术在金融银行业的应用架构 71

3.5.2 Hadoop技术的架构优势 75

第4章 数据挖掘方法 77

4.1 数据挖掘的背景与定义 77

4.1.1 数据挖掘的背景 77

4.1.2 数据挖掘的定义 77

4.2 数据挖掘的功能与特征 79

4.2.1 数据挖掘的功能 79

4.2.2 数据挖掘的特征 80

4.3 数据挖掘的过程 81

4.4 数据挖掘算法 83

4.4.1 关联规则挖掘算法 83

4.4.2 分类算法 87

4.4.3 聚类算法 90

4.4.4 回归算法 98

4.5 案例:基于神经网络的股价预测分析 101

4.5.1 数据采集及变量说明 101

4.5.2 模型的分析与比较 101

下篇 金融应用 107

第5章 ATM网银与云存储设计 107

5.1 ATM银行网站设计及实现 107

5.1.1 网站主要技术 108

5.1.2 网站程序的结构 110

5.1.3 系统部分开发与实现 111

5.2 云存储数据库管理系统设计 119

5.2.1 数据库管理系统的设计 119

5.2.2 查询处理模块设计 122

5.2.3 事务处理模块设计 123

5.2.4 事务故障的恢复 124

5.2.5 并发事务处理及封锁协议设计 124

5.2.6 目录存储与管理设计 125

5.2.7 负载平衡算法设计 126

第6章 证券行情显示与量化选股设计 127

6.1 证券行情显示模块设计及实现 127

6.1.1 交易数据接口规范 127

6.1.2 软件界面设计与实现 133

6.1.3 数据库的配置 137

6.1.4 大屏幕显示设计与实现 138

6.1.5 双屏显示设计与实现 143

6.2 量化选股模型设计及实现 145

6.2.1 模型及其参数的确立 145

6.2.2 投资组合的构建与检验 150

6.2.3 单一因子模型选股能力检验 151

6.2.4 模型的评价 152

第7章 财经网页挖掘与舆情影响分析 154

7.1 财经网页爬虫设计 154

7.1.1 爬虫工作原理 154

7.1.2 网页抓取实例 156

7.2 财经网页文本分析 159

7.2.1 文本学习模型 159

7.2.2 舆情计量分析 161

7.2.3 实验设置与结果 162

第8章 互联网金融的大数据展望 169

8.1 大数据的定义与特点 169

8.2 大数据的处理技术与存储问题 170

8.3 金融大数据的背景与定义 173

8.4 金融大数据的特性与影响 174

8.4.1 金融大数据的特性 174

8.4.2 金融大数据对传统金融的颠覆 174

8.4.3 金融大数据对金融创新的推动 176

8.4.4 金融大数据的趋势与问题 180

8.5 互联网金融大数据案例 183

8.5.1 淘宝网大数据金融产品 183

8.5.2 IBM用大数据预测股价走势 185

8.5.3 汇丰银行用SAS管理风险 186

8.5.4 Kabbage网贷 187

8.5.5 中信银行信用卡 188

参考文献 190