金融數(shù)據(jù)挖掘的應(yīng)用

《金融數(shù)據(jù)挖掘的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、計(jì)算機(jī)科學(xué)與技術(shù)前沿題目金融數(shù)據(jù)挖掘的應(yīng)用學(xué)院物電學(xué)院專業(yè)計(jì)算機(jī)軟件與理論學(xué)號(hào)學(xué)生姓名指導(dǎo)教師完成日期2015年1月摘要2014年11月30國(guó)務(wù)院發(fā)出《存款保險(xiǎn)條例（征求意見稿）》并向社會(huì)征求意見稿。近幾年隨著金融市場(chǎng)的開放，外資金融機(jī)構(gòu)的進(jìn)入，多種金融創(chuàng)新將不斷涌現(xiàn)，競(jìng)爭(zhēng)也隨之不斷加劇。同時(shí)也不可避免的是金融行業(yè)而臨諸多新的風(fēng)險(xiǎn)，這使得金融機(jī)構(gòu)的經(jīng)營(yíng)管理既要進(jìn)行管理上的創(chuàng)新、經(jīng)營(yíng)業(yè)務(wù)上的創(chuàng)新，又要及時(shí)的規(guī)避風(fēng)險(xiǎn)。數(shù)據(jù)挖掘技術(shù)是金融業(yè)繼信息化技術(shù)之后的另一個(gè)創(chuàng)新點(diǎn)與重要的技術(shù)工具。數(shù)據(jù)挖掘就是利用各種技術(shù)從海量的數(shù)據(jù)中發(fā)現(xiàn)知識(shí)，它具有廣闊的應(yīng)用與前景。文章比較

2、詳盡概論總結(jié)了數(shù)據(jù)挖掘的概念、方法、及應(yīng)用。并且分析、歸納了數(shù)據(jù)挖掘在金融領(lǐng)域的應(yīng)用，具體包括趨勢(shì)預(yù)測(cè)、客戶關(guān)系管理、金融犯罪偵測(cè)、風(fēng)險(xiǎn)識(shí)別與管理等。關(guān)鍵字金融數(shù)據(jù)挖掘；金融市場(chǎng)；金融數(shù)據(jù)；預(yù)測(cè)；應(yīng)用一、緒論我國(guó)金融行業(yè)是信息化起步比較早，相對(duì)比較成熟的。在全而實(shí)現(xiàn)電子化的過程中積累了大量的數(shù)據(jù)。這些數(shù)據(jù)背后隱含著大量的知識(shí)與規(guī)則。而多數(shù)機(jī)構(gòu)并沒有挖掘出這些知識(shí)與規(guī)則。甚至有的企業(yè)并沒有意識(shí)到它的存在和價(jià)值，更談不到挖掘與利用。然而也有類似天貓等網(wǎng)絡(luò)巨頭想在這大量的金融數(shù)據(jù)中獲得他的未來商機(jī)。近幾年隨著金融市場(chǎng)的開放，外資金融機(jī)構(gòu)的進(jìn)入，多種金融創(chuàng)新將不斷涌現(xiàn)

3、，競(jìng)爭(zhēng)也隨之不斷加劇。同時(shí)也不可避免的是金融行業(yè)而臨諸多新的風(fēng)險(xiǎn)，這使得金融機(jī)構(gòu)的經(jīng)營(yíng)管理既要進(jìn)行管理上的創(chuàng)新、經(jīng)營(yíng)業(yè)務(wù)上的創(chuàng)新，又要及時(shí)的規(guī)避風(fēng)險(xiǎn)。數(shù)據(jù)挖掘技術(shù)是金融業(yè)繼信息化技術(shù)之后的另一個(gè)創(chuàng)新點(diǎn)與重要的技術(shù)工具。數(shù)據(jù)挖掘技術(shù)是計(jì)算機(jī)為社會(huì)發(fā)展提供的又一大工具。目前，外國(guó)常用的分析方法，對(duì)于金融業(yè)尤其是外資商業(yè)銀行的海量數(shù)據(jù)，常見的算法有:神經(jīng)網(wǎng)絡(luò)(NeuralNetwork)，統(tǒng)計(jì)分析(StatisticalAnalysis)，遺傳和進(jìn)化算法(GeneticandEvolutionaryAlgorithms)，鏈接分析((LinkAnalysis)專家系

4、統(tǒng)((ExpertSystem)，啟發(fā)式方法((Heuristics)，規(guī)則歸納(RuleInduction)和基于實(shí)例的推理((CaseBasedReasoning)等。還有其他方法的研究也往往是基于數(shù)據(jù)的處理和分析，如貝葉斯技術(shù)、概率與數(shù)理統(tǒng)計(jì)分析、蒙特卡洛(MonteCarlo)技術(shù)、線性規(guī)劃、聚類和回歸技術(shù)等。目前商業(yè)銀行基于客戶數(shù)據(jù)挖掘還只是處于初步階段，能夠用于實(shí)踐分析挖掘技術(shù)。如包括決策樹(DecisionTree)，支持向量機(jī)(SupportVectorMachine)準(zhǔn)則推斷(RuleInduction)，神經(jīng)網(wǎng)絡(luò)(NeuralNetwork

5、s)，關(guān)聯(lián)探(AssociationDetection)和基因算法(GeneticAlgorithms)等等也才剛剛開始積累經(jīng)驗(yàn)。本文將先介紹數(shù)據(jù)挖掘的基本概念，然后對(duì)數(shù)據(jù)挖掘三種主要技術(shù)進(jìn)行了介紹。接著對(duì)數(shù)據(jù)挖掘的過程做簡(jiǎn)單介紹。最后說明數(shù)據(jù)挖掘在經(jīng)濟(jì)生活中的應(yīng)用。在結(jié)論做簡(jiǎn)單回顧并提出數(shù)據(jù)挖掘還存在的問題。二、數(shù)據(jù)挖掘基本概念隨著計(jì)算機(jī)軟硬件技術(shù)、網(wǎng)絡(luò)技術(shù)等的飛速發(fā)展，各行各業(yè)的數(shù)據(jù)庫(kù)中積累了大量的數(shù)據(jù)，而且每天還在急劇地增長(zhǎng)。在這大數(shù)據(jù)時(shí)代，這些海量的數(shù)據(jù)中隱藏著大量的、有用的知識(shí)，這些知識(shí)表現(xiàn)為關(guān)聯(lián)、規(guī)則、趨勢(shì)等。而傳統(tǒng)地閱讀或簡(jiǎn)單的數(shù)據(jù)檢索，遠(yuǎn)不能夠

6、及時(shí)提取出那些不同層次的知識(shí)，數(shù)據(jù)的真正價(jià)值遠(yuǎn)沒有被發(fā)現(xiàn)與利用。這不僅造成了信息的浪費(fèi)，更重要的是企業(yè)失去商機(jī)。為了避免這種情況，減少損失，尋找商機(jī)，必須要有一種能分析大量數(shù)據(jù)的新型的數(shù)據(jù)分析技術(shù)，數(shù)據(jù)挖掘正是這樣一種技術(shù)，它融和了數(shù)據(jù)庫(kù)技術(shù)、人工智能、統(tǒng)計(jì)技術(shù)、機(jī)器學(xué)習(xí)等技術(shù)，它能夠把海量的數(shù)據(jù)被自動(dòng)地和智能地轉(zhuǎn)化為有用的信息和知識(shí)。數(shù)據(jù)挖掘(DataMining)或稱為知識(shí)發(fā)現(xiàn)，也稱為基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)，是通過信息技術(shù)對(duì)大量的數(shù)據(jù)進(jìn)行探索和分析的過程，在浩如煙海的數(shù)據(jù)中提取有用、有效的信息，發(fā)現(xiàn)有用的模式與規(guī)律。數(shù)據(jù)挖掘是指在對(duì)大量的企業(yè)歷史數(shù)據(jù)進(jìn)行探索

7、后，揭示出其中隱藏著的規(guī)律性內(nèi)容，并且由此進(jìn)一步形成模型化的分析方法。數(shù)據(jù)挖掘的概念在1989國(guó)際人工智能聯(lián)合會(huì)議上首次提出。其含義是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。數(shù)據(jù)挖掘是一種新的信息處理技術(shù)，其主要特點(diǎn)是對(duì)數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，并從中提取輔助決策的關(guān)鍵性數(shù)據(jù)。與傳統(tǒng)的統(tǒng)計(jì)方法如查詢、錄入等相比，數(shù)據(jù)挖掘技術(shù)可幫助決策者分析歷史數(shù)據(jù)及當(dāng)前數(shù)據(jù)并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進(jìn)而預(yù)測(cè)未來可能發(fā)生的行為，從而為決策行為提供有力支持。數(shù)

8、據(jù)挖掘的過程也叫知識(shí)發(fā)現(xiàn)的過程，它是一