财务数据挖掘建模(第2版)

本书将应用 MATLAB 平台，讨论财务数据挖掘建模的理论与方法。书中除包括经典的数据挖掘的内容以外，也包括作者近年来在这一领域所做的部分研究工作以及教学实践过程中积累的一些经验和体会。全书预计分为两个部分，理论部分与案例部分，包括十二章，共计四十万字左右。理论部分包括 MATLAB 主要功能的介绍、数据探索性分析、数据预处理、关联规则、分类与预测、离群点分析、时间序列分析等内容。案例部分包括一些财务数据挖掘建模的典型应用。本书的出版对当前智能会计、智慧会计等会计领域的近期新发展具有较大的促进作用。本书的案例对财务会计领域案例研究的开展和应用具有一定的理论与实践意义。本书的出版延伸了财务会计研究的内容，也为财务会计研究的深入进行打下了良好的基础，更为财务与会计实证研究提供了很好的方法论基础。本书可作为数据分析、数据挖掘以及数据建模与决策等相关课程的教科书，也可用于财经院校管理学、会计学等专业研究生、本科生的教学参考书，也可供数据理论研究者、实证研究者以及从事数据工作的实务人员参考。读者对象：财经院校的研究生、本科生，数据理论研究者，实证研究者以及从事数据工作的实务人员。

段新生，中国人民大学经济学博士，比利时鲁汶大学工商管理硕士（MBA）。多年跨国公司管理工作经验。曾在中国人民大学信息学院、商学院任职。现在首都经济贸易大学会计学院任教授。近年来研究领域包括：财务建模与分析，基于经济增加值的业绩管理与价值评估，预算管理与控制，数据模型与决策分析，智能决策系统，企业信息化战略等

   第一章概述

第一节大数据

第二节数据挖掘

第三节财务数据

第四节财务数据挖掘建模

思考练习题




第二章数据准备与可视化

第一节MATLAB数据类型

第二节MATLAB矩阵运算

第三节MATLAB数据可视化

第四节MATLAB程序设计

思考练习题




第三章数据探索

第一节数据及其类型

第二节数据质量分析

第三节数据特征分析

思考练习题




第四章数据预处理

第一节数据清洗

第二节数据集成

第三节数据变换

第四节数据规约

思考练习题




第五章关联规则

第一节关联规则的基本概念

第二节Apriori算法

第三节Apriori算法的MATLAB实现

思考练习题




第六章分类与预测

第一节基本概念

第二节回归建模

第三节决策树

第四节贝叶斯分类

第五节支持向量机

第六节神经网络

思考练习题




第七章聚类分析

第一节基本概念

第二节系统聚类法

第三节K均值聚类法

思考练习题




第八章离群点分析

第一节基本概念

第二节离群点诊断

第三节离群点诊断的MATLAB方法

第四节离群点的winsorize缩尾处理

思考练习题




第九章时间序列挖掘建模

第一节基本概念

第二节时间序列的检验

第三节平稳时间序列分析——ARMA模型

第四节非平稳时间序列建模——ARIMA模型

第五节异方差性分析——ARCH模型与GARCH模型

思考练习题




第十章上市公司财务预警建模研究

第一节数据收集

第二节数据准备

第三节用logit模型进行预测

第四节用支持向量机建立分类模型

第五节基于神经网络实现分类

思考练习题




第十一章上市公司股价涨跌建模研究

第一节数据收集

第二节数据准备

第三节建立线性回归模型进行预测

第四节用朴素贝叶斯模型预测股价变化趋势

第五节用支持向量机建立分类模型

第六节基于神经网络实现分类

第七节模型改进

思考练习题




第十二章上市公司投资板块分析研究

第一节数据收集

第二节数据准备

第三节用主成分分析法降维

第四节用Kmeans方法对降维后的数据进行聚类

思考练习题




参考文献