数据挖掘技术在金融领域应用研究.docVIP

数据挖掘技术在金融领域应用研究 　　摘要：随着信息化的快速发展和中国金融业的日益繁重，数据挖掘技术作为一种前沿的信息处理技术被广泛应用与金融领域。数据挖掘的能够对金融业中海量的数据进行采集、转换、分析、统计从而给金融企业以决策支持，使得金融企业在激烈的竞争中掌握主动、给金融企业更广阔的发展空间。 　　关键词：数据挖掘；金融领域；应用 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)09-1982-03 　　The Using of Data Mining Technology in the Financial Field of Research 　　WU Jian 　　(The People Bank of China Hangzhou Branch , Hangzhou 310001, China) 　　Abstract: With the fast development of information technology and Chinese financial industry increasingly onerous, the data mining technology as a frontier of information processing technology is widely used in financial field. Data mining to financial data acquisition, conversion, analysis, statistics and financial enterprises to decision support, making the financial enterprises in the fierce competition to seize the initiative, to the financial enterprise vaster development space. 　　Key words: data Mining; financial field; application 　　从20世纪末开始，各行业收集数据以及利用信息的能力大幅提高，在政府办公、工程开发、科学研究、商业运作等各领域都存在大量的数据库，并且，数据库的规模、容量呈现爆炸式的增长。在各个领域中保存的信息越来越多，在这暴涨式增长的数据背后包含有大量重要的信息，各行业希望能够将这些信息提取处理进行更进一步的分析以便充分利用掌握的数据。在目前金融行业使用的数据库大多数可以高效的进行数据查询、修改、统计，但是缺乏有限的规则去发现数据间的规则和关系，也很难预测数据未来的发展趋势。缺乏有效的数据利用手段使得人们很难去分离有效的数据，这导致了在信息爆炸的时代却出现知识贫乏的现象。从而一个创新性的想法被提出，在这个信息急速增长的时代，信息爆炸是各行业面临的问题。如何及时的从中发现有用的信息，如何不被信息的海洋淹没，如何提高信息利用率呢？知识发现和数据挖掘技术应运而生，并得到了迅速的发展，并且被越来越多的行业关注和使用。 　　1数据挖掘??介 　　数据挖掘（Data Mining）就是从随机的、不完全的、大量的、模糊的、有噪声的实际应用数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的知识和信息的过程。 　　1.1数据挖掘方法 　　在数据挖掘中常用的分析方法包括： 　　1）分类（Classification）：首先从海量的数据中筛选出经过分类的信息训练集，在信息该训练集中采用数据挖掘技术进行分类，并且创建分类模型，对那些没有分类数据重新分类，其中那些类的个数是预先定义好的、并且是确定的。例如信用卡申请者，分类为高、中、低风险。 　　2）估计（Estimation）：估计与分类在机理上相类似，它们的区别是，估值处理连续值的输出而分类描述的是离散型变量的输出；估值的量是不确定的而分类的类别是确定数目的。具体来说，估值能够被看成是分类的上一步的工作，给定一些输入数据，通过估计操作，得到一些未知的具有连续变量的值，然后，根据分析预先设定的一些阈值，进行分类。例如：银行对与各个不同家庭贷款，运用估计，给各个客户打分。然后根据得到的阈值，将贷款级别分类从而进行差别待遇的放贷。 　　3）预测（Prediction）：一般来说预测是通过估值和分类起作用的，换而言之，通过估值或者分类得出模型，通过得出的模型能够对未知变量的预测。通过这种方式来看，预言并没有必要被分成一个独特的类。预言的目的是通过变量的分析，对未来变量的一种预测，这种预测是可以在未来得到验证的，也就是说，经过一段时间后，就可以知道得出的预言的准确性。关联规则和