SAS复习.docVIP

金融数据挖掘各章主要知识点 第一章： 1、数据挖掘的定义和数据挖掘的四个基本模块； 数据挖掘时从海量数据中发掘那些潜在的、鲜为人知的数据规律和数理模式（新的决策有用知识），其目的是在海量数据的基础上发现规律、预测未来的发展趋势。 四个基本模块 特征化、比较与关联规则挖掘 分类与预测 聚类分析 序列发现（时间序列的数据挖掘） 2、数据挖掘的两种基本类型：描述式挖掘与预测式挖掘； 3、将Excel数据集转化为SAS数据集、数据挖掘数据集的具体方法； 4、一些重要的SAS函数：计算收益率、正态分布的分布值、二项分布vg 的分布值、Logistic分布的概率值、均匀分布的随机抽样数； 收益率：r=log(p)-log(lag1(p)) 5、SAS数据库编辑中的一些重要命令的使用 ①SAS函数表达式； ②modify；if …then的使用方法； ③set与merge、drop与keep、or与and的使用与区别； ④利用sort命令对变量进行排序的方法； 打开SAS数据集，点变量名，点?，点sort，保存数据集。 proc sort data=a1; by var1; run; ⑤在数据库中生成均匀分布的随机数的SAS命令； 6、将一个数据集随机地分成训练样本组、检验样本组的SAS程序； 7、VaR的定义，计算VaR时的主要影响因素，利用历史模拟方法计算VaR的SAS程序。 VaR具体含义：在未来24小时内，可以以1-a的把握说，可能发生的银行资产的最大损失不会超过VaR。通常以货币单位计量。也可以用其他单位计量。 重要影响因素： 持有期：可以是一天24小时，也可以更长货更短。持有期的变化将改变函数，从而改变计算得到的VaR值。 置信水平a：一般a越小，则计算的VaR越大。 对于各金融而言，两者取多少，都有明确的内部与外部规定。 第二章： 1、在分类模型构建中,预测变量的选取有几种方法； 两步法：预测变量的初步选择； 预测变量的进一步选择——1检验法；2信号噪音差方法；3 SAS中逐步回归方法。 2、T检验方法的基本原理和SAS程序，T检验方法存在的主要缺陷； Proc ttest data=sasuser.bank; Class k;(k分类变量) Run； T检验的缺陷： 相对“粗糙”的方法，是通过均值是否存在显著差异进行的间接检验。检验结果容易受到极端值的影响。 如果需进一步筛选（需减少指标数，或在相关性强的指标中舍去一些），这种方法不能提供更多信息。 3、随机变量的熵的定义和计算方法； 定义：随机变量的不确定性。 离散型和连续性 若P1表示企业违约概率，（1-P1）就是不违约概率 I(y)=-P1*logP1-(1-P1)*log(1-P1) 4、预测指标的信号比、噪音比的定义和计算方法； 指标x的信号比=x发出警报的违约企业数/违约企业总数（越大越有效，接近于1） 指标x的噪音比=x发出警报的未违约企业数/未违约企业总数（越小越有效，接近于0） 财务指标的预测信息含量=信号比-噪音比 差越大，预测作用越强。如果是1，每个警报都是信号，没有噪音。且该指标对所有违约公司都能发出警报，这个指标就是罪好的预测变量。 如果指标无用，信号噪音差接近于0。信号比和噪音比接近0.5。 5、相关系数计算的SAS程序； 6、判别分析的基本原理，马尔柯夫距离的具体含义和具体表达式，进行判别分析的SAS程序； 7、在判别分析中，为什么要假设两个总体具有相同的方差-协方差矩阵？ 距离差：△d=d1-d0 在通常情况下，△d是一个由变量X1，X5…等组成的二次型，计算比较复杂。 在SAS系统中，通常假设两个总体具有相同的方差-协方差矩阵，在这种假设条件下，△d中各指标的二次项可以相互抵消，这样△d是这些指标的一个线性函数。 所以，判别分析法通常又称为线性判别分析法。 8、Logistic回归和probit过程的原理和SAS程序，逐步回归选择变量的SAS命令； Logistic回归SAS： Proc logistic descending data=a1; Model k=x1 x5 x6 x12 x13 x16; Run; 程序提交运行后，SAS系统的output窗口将给出模型参数的估计结果。 从估计结果可以看出模型对训练样本组数据的预测准确状况。 Data b1;set a1; Z=(模型的具体表达式)； P=1/(1+exp(-Z)); Run; Probit过程SAS Proc probit data=a1; Class k; Model k=x1 x5 x6 x12 x13 x16; Run; 程序提交运行后，SAS系统的output窗口将给出模型参数的估计结果。 Data b1;set a1