金融数据挖掘的应用金融数据挖掘的应用.doc

计算机科学与技术前沿 题 目 金融数据挖掘的应用 学 院 物电学院 专 业 计算机软件与理论 学 号 学生姓名 指导教师 完成日期 2015年1月 摘要 2014年11月30国务院发出《存款保险条例（征求意见稿）》并向社会征求意见稿。近几年随着金融市场的开放，外资金融机构的进入，多种金融创新将不断涌现，竞争也随之不断加剧。同时也不可避免的是金融行业而临诸多新的风险，这使得金融机构的经营管理既要进行管理上的创新、经营业务上的创新，又要及时的规避风险。数据挖掘技术是金融业继信息化技术之后的另一个创新点与重要的技术工具。数据挖掘就是利用各种技术从海量的数据中发现知识，它具有广阔的应用与前景。文章比较详尽概论总结了数据挖掘的概念、方法、及应用。并且分析、归纳了数据挖掘在金融领域的应用，具体包括趋势预测、客户关系管理、金融犯罪侦测、风险识别与管理等。 关键字 金融数据挖掘；金融市场； 金融数据；预测；应用 一、绪论 我国金融行业是信息化起步比较早，相对比较成熟的。在全而实现电子化的过程中积累了大量的数据。这些数据背后隐含着大量的知识与规则。而多数机构并没有挖掘出这些知识与规则。甚至有的企业并没有意识到它的存在和价值，更谈不到挖掘与利用。然而也有类似天猫等网络巨头想在这大量的金融数据中获得他的未来商机。 近几年随着金融市场的开放，外资金融机构的进入，多种金融创新将不断涌现，竞争也随之不断加剧。同时也不可避免的是金融行业而临诸多新的风险，这使得金融机构的经营管理既要进行管理上的创新、经营业务上的创新，又要及时的规避风险。数据挖掘技术是金融业继信息化技术之后的另一个创新点与重要的技术工具。数据挖掘技术是计算机为社会发展提供的又一大工具。 目前，外国常用的分析方法，对于金融业尤其是外资商业银行的海量数据， 常见的算法有:神经网络(Neural Network)，统计分析(Statistical Analysis)，遗传和进化算法(Genetic and Evolutionary Algorithms)，链接分析((Link Analysis)专家系统((Expert System)，启发式方法((Heuristics)，规则归纳(Rule Induction)和基于实例的推理((Case Based Reasoning)等。还有其他方法的研究也往往是基于数据的处理和分析，如贝叶斯技术、概率与数理统计分析、蒙特卡洛(Monte Carlo)技术、线性规划、聚类和回归技术等。 目前商业银行基于客户数据挖掘还只是处于初步阶段，能够用于实践分析挖 掘技术。如包括决策树(Decision Tree)，支持向量机(Support Vector Machine) 准则推断(Rule Induction)，神经网络(Neural Networks)，关联探(Association Detection)和基因算法(Genetic Algorithms)等等也才刚刚开始积累经验。 本文将先介绍数据挖掘的基本概念，然后对数据挖掘三种主要技术进行了介绍。接着对数据挖掘的过程做简单介绍。最后说明数据挖掘在经济生活中的应用。在结论做简单回顾并提出数据挖掘还存在的问题。 二、数据挖掘基本概念 随着计算机软硬件技术、网络技术等的飞速发展，各行各业的数据库中积累了大量的数据，而且每天还在急剧地增长。在这大数据时代，这些海量的数据中隐藏着大量的、有用的知识，这些知识表现为关联、规则、趋势等。而传统地阅读或简单的数据检索，远不能够及时提取出那些不同层次的知识，数据的真正价值远没有被发现与利用。这不仅造成了信息的浪费，更重要的是企业失去商机。为了避免这种情况，减少损失，寻找商机，必须要有一种能分析大量数据的新型的数据分析技术，数据挖掘正是这样一种技术，它融和了数据库技术、人工智能、统计技术、机器学习等技术，它能够把海量的数据被自动地和智能地转化为有用的信息和知识。 数据挖掘(Data Mining)或称为知识发现，也称为基于数据库的知识发现，是通过信息技术对大量的数据进行探索和分析的过程，在浩如烟海的数据中提取有用、有效的信息，发现有用的模式与规律。数据挖掘是指在对大量的企业历史数据进行探索后，揭示出其中隐藏着的规律性内容，并且由此进一步形成模型化的分析方法。 数据挖掘的概念在1989国际人工智能联合会议上首次提出。其含义是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一种新的信息处理技术，其主要特点是对数据库中的大量数据进行抽取、转换、分析和其他模型化处理，并从中提取辅助决策的关键性数据。与传统的统计方法如查询、