金融行业的数据挖掘技术研究.pdf

一名家观察 一现代管理科学 12009年第8期 金融行业的数据挖掘技术研究 ◇李金迎詹原瑞 摘要：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． 关键词：数据挖掘；金融数据；预测；欺诈侦测；风险识别 我国金融行业是信息化起步比较早．相对比较成熟 库是面向主题的、集成的、相对稳定的反映历史变化的数 的。在全面实现电子化的过程中积累了大量的数据。这些 据集合。多数数据挖掘是基于数据仓库的，数据仓库为数 数据背后隐含着大量的知识与规则。而多数机构并没有挖 据挖掘提供有价值的数据。 掘出这些知识与规则。甚至有的企业并没有意识到它的存 二、数据挖掘的主要技术 在和价值。更谈不到挖掘与利用。 1．基于神经网络的方法。由于对非线性数据的快速建 近几年随着金融市场的开放．外资金融机构的进人， 模能力．基于神经网络的数据挖掘工具现在越来越流行。 多种金融创新将不断涌现。竞争也随之不断加剧。同时也 其开采过程基本上是将数据聚类，然后分类计算权值。神 不可避免的是金融行业面临诸多新的风险．这使得金融机 经网络很适合非线性数据和含噪声数据。所以在市场数据 构的经营管理既要进行管理上的创新、经营业务上的创 库的分析和建模方面应用广泛。 新，又要及时的规避风险。数据挖掘技术是金融业继信息 神经网络方法是模拟人脑信息加工过程的一种智能 化技术之后的另一个创新点与重要的技术工具。 化信息技术。神经元是一个多输入单输出的信息处理单 一、基本概念 元。而且。它对信息的处理是非线性的图1是典型的神经 随着计算机软硬件技术、网络技术等的飞速发展，各 元模型。 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，在这些海量的数据巾隐藏着大量的、有用的知识， 撕＼仆 这些知识表现为关联、规则、趋势等。而传统地阅读或简单 x：—划∑lm卜皿yi 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 i：入、／ 浪费，更重要的是企业失去商机。为了避免这种情况。减少 图1神经元模型 损失．寻找商机，必须要有一种能分析大量数据的新型的 神经元的数学模型可用式(1)，(2)表示。 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 x=艺wgrO (1) 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。 y=f(X) (2) 由多个神经元组成的神经网络见图2。 数据挖掘(DamMining)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。 通过数据挖掘还可以建立起企业整体或某个业务过 程局部的不同类型的模型。这些模型不仅可以描述企业当 前发展的现状和规律性．而且可以用来预测当条件变化后 可能发生的状况。这可以为企业开发新的产品和服务、甚 至于为企业机构的重组提供决策支持依据。 数据挖掘技术往往与数据仓库技术紧密结合。数据仓 一14一 万方数据 12009