JRT 0197-2020 金融数据安全数据安全分级指南 JRT 0197-2020 金融数据安全数据安全分级指南

2021《隐私计算推动金融业数据生态建设》白皮书-最终发布版

华为金融数据中心容灾案例集

金融数据密码机(SJJ1309-A)白皮书

金融数据安全治理最佳实践

金融数据安全 数据生命周期安全规范

Python金融大数据分析 中文版（带每章目录） 《Python金融大数据分析》总计分为3部分，共19章，第1部分介绍了Python在金融学中的应用，其内容涵盖了Python用于金融行业的原因、Python的基础架构和工具，以及Python在计量金融学中的一些具体入门实例；第2部分介绍了金融分析和应用程序开发中重要的Python库、技术和方法，其内容涵盖了Python的数据类型和结构、用matplotlib进行数据可视化、金融时间序列数据处理、高性能输入/输出操作、高性能的Python技术和库、金融学中需要的多种数学工具、随机数生成和随机过程模拟、Python统计学应用、Python和Excel的集成、Python面向对象编程和GUI的开发、Python与Web技术的集成，以及基于Web应用和Web服务的开发；第3部分关注的是蒙特卡洛模拟期权与衍生品定价实际应用的开发工作，其内容涵盖了估值框架的介绍、金融模型的模拟、衍生品的估值、投资组合的估值、波动率期权等知识。 《Python金融大数据分析》适合对使用Python进行大数据分析、处理感兴趣的金融行业开发人员阅读。

2020阿里云金融数据中台报告

金融数据分析varPPT课件.pptx

TeradataFS-LDM是一个成熟产品，在一个集成的模型内支持保险、银行及证券，包含十大主题：当事人、产品、协议、事件、资产、财务、机构、地域、营销、渠道。十大主题划分如下：BANK-LDM主题域模型设计采用分类设计的策略:1、重点设计主题（客户、协议、事件、资产、财务）　　特点：是模型中的重点主题，且在源系统中有丰富的数据来源和参照。　　目标：尽量保持完整性、丰富性。　　策略：按照FS-LDM的框架进行设计，同时补充银行的个性数据元素。2、自主设计主题（申请、营销活动、渠道、机构、产品）　　特点：非核心主题，基本没有或者仅有非常少的数据来源和参照。　　目标：保证模型架构的完整性和扩充性。