計算機在金融領(lǐng)域的應(yīng)用

《計算機在金融領(lǐng)域的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、---------------------------------------------裝------------------------------------------訂-----------------------------------------線----------------------------------------班級09金融9班姓名張家盛學(xué)號09250590958-廣東商學(xué)院答題紙（格式二）課程計算機的過去現(xiàn)在與未來2010－2011學(xué)年第1學(xué)期課程代碼110031課程班級及座位號8班44號成績　評閱人檢查項目權(quán)重得分選題是否有

2、價值，是否符合課程要求20觀點是否鮮明20論證是否合乎邏輯，是否有一定的深度30概念是否清晰，表達是否簡潔20格式是否規(guī)范10合計1005＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝選題要求：1．計算機的前沿2．計算機在各領(lǐng)域的應(yīng)用3．與計算機技術(shù)相關(guān)的哲學(xué)，社會科學(xué)相關(guān)的選題4．認(rèn)可的書籍，文章的讀書筆記5．其他事先認(rèn)可的選題字?jǐn)?shù)要求：摘要：150～300字正文：3000～5000字5計算機在金融領(lǐng)域的應(yīng)用---------------------------------------------------------

3、---------------------------------------------------------------------------摘要：隨著計算機信息技術(shù)的發(fā)展，信息共享使得人們能得到越來越多的數(shù)據(jù)。與此同時出現(xiàn)了分析這些海量數(shù)據(jù)的一門技術(shù)——數(shù)據(jù)挖掘技術(shù)。本文首先介紹了數(shù)據(jù)挖掘技術(shù)的定義以及常用挖掘方法，然后介紹了數(shù)據(jù)挖掘技術(shù)在金融行業(yè)的典型應(yīng)用。關(guān)鍵詞：數(shù)據(jù)挖掘金融數(shù)據(jù)一、數(shù)據(jù)挖掘概述1.數(shù)據(jù)挖掘的定義對于數(shù)據(jù)挖掘，一種比較公認(rèn)的定義是W.J.Frawley，G.PiatetskShapiro等人提出的。數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫的數(shù)據(jù)

4、中提取人們感興趣的知識、這些知識是隱含的、事先未知的、潛在有用的信息，提取的知識表示為概念(Concepts)，規(guī)則(Rules)、規(guī)律(Regularities)、模式(Patterns)等形式。這個定義把數(shù)據(jù)挖掘的對象定義為數(shù)據(jù)庫。隨著數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展，其應(yīng)用領(lǐng)域也不斷拓廣。數(shù)據(jù)挖掘的對象已不再僅是數(shù)據(jù)庫，也可以是文件系統(tǒng)，或組織在一起的數(shù)據(jù)集合，還可以是數(shù)據(jù)倉庫。與此同時，數(shù)據(jù)挖掘也有了越來越多不同的定義，但這些定義盡管表達方式不同，其本質(zhì)都是近似的，概括起來主要是從技術(shù)角度和商業(yè)角度給出數(shù)據(jù)挖掘的定義。從技術(shù)角度看，數(shù)據(jù)挖掘就是從大量的、不完全

5、的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在的和有用的信息和知識的過程。它是一門廣義的交叉學(xué)科，涉及數(shù)據(jù)庫技術(shù)、人工智能、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計學(xué)、模式識別、知識庫系統(tǒng)、知識獲取、信息檢索、高性能計算和數(shù)據(jù)可視化等多學(xué)科領(lǐng)域且本身還在不斷發(fā)展。目前有許多富有挑戰(zhàn)的領(lǐng)域如文本數(shù)據(jù)挖掘、Web信息挖掘、空間數(shù)據(jù)挖掘等。從商業(yè)角度看，數(shù)據(jù)挖掘是一種深層次的商業(yè)信息分析技術(shù)。它按照企業(yè)既定業(yè)務(wù)目標(biāo)，對大量的企業(yè)數(shù)據(jù)進行探索和分析，揭示隱藏的、未知的或驗證已知的規(guī)律性并進一步將其模型化，從而自動地提取出用以輔助商業(yè)決策的

6、相關(guān)商業(yè)模式。2.數(shù)據(jù)挖掘方法數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫技術(shù)、統(tǒng)計技術(shù)和人工智能技術(shù)發(fā)展的產(chǎn)物。從使用的技術(shù)角度，主要的數(shù)據(jù)挖掘方法包括：2.1決策樹方法：利用樹形結(jié)構(gòu)來表示決策集合，這些決策集合通過對數(shù)據(jù)集的分類產(chǎn)生規(guī)則。國際上最有影響和最早的決策樹方法是ID3方法，后來又發(fā)展了其它的決策樹方法。2.2規(guī)則歸納方法：通過統(tǒng)計方法歸納，提取有價值的if-then規(guī)則。規(guī)則歸納技術(shù)在數(shù)據(jù)挖掘中被廣泛使用，其中以關(guān)聯(lián)規(guī)則挖掘的研究開展得較為積極和深入。2.3神經(jīng)網(wǎng)絡(luò)方法：從結(jié)構(gòu)上模擬生物神經(jīng)網(wǎng)絡(luò)，以模型和學(xué)習(xí)規(guī)則為基礎(chǔ)，建立3種神經(jīng)網(wǎng)絡(luò)模型：前饋式網(wǎng)絡(luò)、反饋式網(wǎng)絡(luò)和自

7、組織網(wǎng)絡(luò)。這種方法通過訓(xùn)練來學(xué)習(xí)的非線性預(yù)測模型，可以完成分類、聚類和特征挖掘等多種數(shù)據(jù)挖掘任務(wù)。2.4遺傳算法：模擬生物進化過程的算法，由繁殖(選擇)、交叉(重組)、變異(突變)三個基本算子組成。為了應(yīng)用遺傳算法，需要將數(shù)據(jù)挖掘任務(wù)表達為一種搜索問題，從而發(fā)揮遺傳算法的優(yōu)化搜索能力。52.5粗糙集(RoughSet)方法：Rough集理論是由波蘭數(shù)學(xué)家Pawlak在八十年代初提出的一種處理模糊和不精確性問題的新型數(shù)學(xué)工具。它特別適合于數(shù)據(jù)簡化，數(shù)據(jù)相關(guān)性的發(fā)現(xiàn)，發(fā)現(xiàn)數(shù)據(jù)意義，發(fā)現(xiàn)數(shù)據(jù)的相似或差別，發(fā)現(xiàn)數(shù)據(jù)模式和數(shù)據(jù)的近似分類等，近年來已被成功地應(yīng)用在數(shù)據(jù)挖

8、掘和知識發(fā)現(xiàn)研究領(lǐng)域中。2.6K2最鄰近技術(shù)：這種技