数据挖掘技术在金融领域应用.docVIP

数据挖掘技术在金融领域应用 　　摘要：飞速发展的信息化技术与日益繁重的金融业，作为较为前沿的数据挖掘技术在金融领域得到了广泛的应用，本项目结合实际调研走访以及问卷调查对数据挖掘技术在金融领域的应用进行了探讨，以创新项目“小型微型企业融资担保模式研究与设计”的调研数据为基础，介绍了数据挖掘的方法及作用，浅析了小型微型企业在融资担保上的困境，并通过实例分析了将数据挖掘技术应用于金融领域所带来的成效，从而提出可以将数字挖掘技术应用于电子商务领域，从而在一定程度上缓解小型微型企业融资困境。 　　关键词：数据挖掘；金融领域；小型微型企业；融资担保 　　工程开发、商业运作等各领域中都有大量的数据库存在，且数据库的规模与容量在日益增长。各领域中的信息被保存的也日益增多，且各行业都希望其大量重要的信息能够提取处理，以便更好地分析，并充分利用这些数据。但在当前的金融行业中，人们很难去有效分离这些庞大的数据，这也就使在信息爆炸的时代却有知识短缺的情况发生。那么该如何去有效地利用这些有用的信息呢？于是，数据库挖掘技术应用而生，且发展也非常迅速，更多的行业对其给予了极大的重视。 　　一、数据挖掘的简介 　　所谓的数据挖掘是指在大量的、随机的、不完整、模糊等的实际数据中，对人们不知道，但有作用的知识、信息进行提取的过程。 　　1.常用的数据挖掘的方法及主要步骤 　　（1）数据挖掘的方法基本分为五类： 　　数据挖掘是大量应用统计学原理，智能技术与数据库应用技术的产物，按其施行顺序，可进行如下分类： 　　①估计，是将所需要的一些输入的数据，在估计的作用下取得未知、但有连续变量的值，之后再按照事先确定的阈值对其进行分类，是分类的前期工作。②分类，即将经过分类的信息从海量的数据中进行筛选，再通过数据挖掘技术对该信息训练集进行分类，其分类的模型也要进行创建，并重新分类未经分类的数据。③预测，即通过估值或分类的作用产生模型，并利用其预测未知的变量。④聚类，聚类主要进行分组所要分析的记录，在经过分析后，在同一聚集里放置???得的相似记录。⑤描述与可视化，可以多元的表达所取得结果。 　　（2）数据挖掘的主要步骤 　　①问题的定义：目标的定义须明确清晰，切实可行。 　　②收集数据：须有丰富、海量、全面的数据做支撑 　　③整理数据：由于数据在收集时可能会造成数据缺失等降低数据精确程度的可能性，所以必须对数据进行整理，以便得到更丰富更准确的数据信息。 　　④数据挖掘：在人工智能或数理统计等方法的作用下，进行分析数据，塑造通用模型以提高工作效率。 　　⑤评估数据挖掘的结果：可通过实际的数据进行模型正确性的验证，使个别漏洞得到有效调整和填补。 　　⑥决策分析：基于数据挖掘的结果，决策者从自身的实际出发，可以对竞争的策略进行调整。 　　2.数据挖掘的应用领域 　　（1）数据挖掘技术在电子商务领域应用。随着科学技术的发展，数据挖掘技术使用的范围不断拓宽，目前数据挖掘技术在电子商务中应用已经成为热点问题。 　　从客户角度来看，数据挖掘技术在客户价值分析（customer value analysis）与客户行为分析（customer behavior analysis）中发挥着重要作用。通过用户对产品或服务的应用频率，及周期性的数据统计，应用数据挖掘技术的智能模型在海量客户群中高效率的找出重点客户并对其忠诚度做出相应评估，灵活的改变营销策略使企业获得更大的竞争优势。再者， 数据挖掘技术亦可从客户行为痕迹中分析出用户喜好，为用户导向型的定制服务提供了良好的基础。从供应商角度看， 数据挖掘技术可对库存管理（inventory management）起到通过数据库数据的变动规律，对市场策略进行相应的调整，更加有利于库存和生产之间的平衡。此外，利用统计学原理，可预测销售趋势，制定相应的营销目标。 　　（2）对金融领域犯罪的侦破的应用。在金融领域中应用数据挖掘技术不仅能够帮助洗钱犯罪以及其他的金融犯罪的侦破，而且通过将金融领域中数据库中信息相互交叉集成，采用数据挖掘技术中的数据分析工具对异常模式进行检测。比如在一个人在一个月内出现大量现金的转入或者转出流动，则就能够方便的使用数据分析工具以及数据链接工具、可视化工具等进行识别犯罪分子的互动，为司法人员提供详细的数据信息线索。 　　（3）客户信用分析及风险监控。风险监控以及信用评级问题一直是信贷领域的重中之重。但由于其影响因素过于繁杂，无论对于贷方还是借方都是程序繁杂的难题。应用数据挖掘技术能够将与资产负债相关的业务系统的交易数据加载到中央数据仓库，这时，金融机构就能够通过运用数据模型分析和模拟计算利率敏感性资产和负债的缺口，从而能够及时了解贷款申请方的资产负债情况、资金情况以及净利息收入等主要影响因素