数据挖掘在金融方面应用.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数据挖掘在金融方面应用

数据挖掘在金融方面应用   【摘 要】在信息高速发展的当代,互联网的迅猛发展,金融界的竞争日益激烈,没有大量的信息数据,并且准确分析所得到的信息是无法在这个相对狭窄的金融界中立足的,所以,数据挖掘就成了最有效和最快捷可靠的手段之一。数据挖掘旨在从大量的信息中提取最有用的信息,以帮助人们做出正确的判断。数据挖掘方法对大量数据、信息的分析汇总将有助于金融界人士的专业判断,减少失误,带来最大的经济效益。我相信,一旦数据挖掘在金融界得到很好地应用,那么将会大大的促进金融界的快速发展,为国家经济的发展做出贡献。   【关键词】数据挖掘 金融 银行 投资 股票   一、引言   本文旨在探讨数据挖掘在金融方面的应用,主要从最主要的三个方面:银行、投资评估以及股票。随着数据挖掘技术的发展和完善,数据挖掘在金融领域的应用势必会带来不可小觑的经济效益,而且当下数据挖掘技术在金融领域还不是非常的成熟,所以,数据挖掘在金融方面更深一步的研究是非常必要和紧迫的。数据挖掘在金融领域的应用是通过对大量金融信息进行归纳总结,利用数据挖掘的关键技术,例如最小二乘法等,尽可能真实的模拟现实金融世界的实际情况,帮助决策者做出合理的决策,这就是数据挖掘在金融领域的精髓所在。   二、数据挖掘在金融领域的应用   (一)数据挖掘在银行方面的应用   在金融领域,银行的存在是不可忽视的,银行的交易数据和数据存储量都是很大的,要包括许多方面,例如客户的信息等等。   当下银行管理信用卡问题的方法就是运用了数据挖掘的思想。银行曾经一度因信用卡的欺诈行为,或者持卡人的不诚信,造成了银行每年较大的损失。但是,随着数据挖掘技术的出现,可以利用数据挖掘对每个客户信誉进行分析,对于信誉低的信用卡持卡人,警告并且取消其拥有开办信用卡的资格,银行对于信用卡的问题就得到了妥善的解决。另一方面,对于银行的大客户,也可以采用数据挖掘的思想,从大量的客户资料中分析出哪些客户符合大客户的标准,根据他们的基本资料以及合法的调查来发现潜在的客户,以及发现那些虽然是大客户但难以长期合作的客户,这样就可以帮助银行能快速精准的找到潜在的客户而不必花费大量的时间毫无规律的去挖掘客户。数据挖掘在挖掘客户这方面可以充分分配和利用人力物力,帮助银行达到最理想的效果。   除此以外,银行对于贷款,车贷和房贷,不仅仅要坐等有需要贷款的人来主动请求贷款,还需要从客户资料库中挖掘潜在有贷款需求的客户,进行及时的沟通和询问,帮助这些客户的同时也促进了银行的发展。   (二)数据挖掘在投资评估的应用   投资是一项非常有风险的活动,怎样来降低风险就显得至关重要,风险投资讲究的就是伴随着风险的存在,但是自己的投资仍然能够取得一定的收益。这很困难但是运用数据挖掘的思想,通过对企业财务报表的线性回归模型可以预测出该企业的未来盈利能力,可以利用决策树模型、人工神经网络来进行预测,从海量的数据中找到错综复杂的关系和规律。众所周知,企业的财务报告包含了大量有关企业经营状况的信息,对于投手而言,需要做的就是通过这些企业的基本信息来挖掘出未来能够稳定快速发展并且前景光亮的公司,数据挖掘技术中的决策树和神经网络,可以建立出广义线性和非线性的预测模型,帮助投手们找出未来前景较好,发展势头较大的公司,得到较好的预测效果,之后,对预测的预测效果进行评估,是否具备有效性,这些预测效果是否稳健可靠,尽量要避免过度拟合的情况,是模型最大可能的达到外推有效,来帮助投手们做出正确的投资选择,带来最大的经济效益。   (三)数据挖掘在股票方面的应用   股票是时时变化的,股票指数序列的发展变化呈现时变性、 随机性、 非线性的特点, 投资者要想在瞬息万变的股票投资市场上通过自己的投资获得尽可能大的收益, 就必须把握股票价格波动的韵律、 脉络, 对股票的市场价格走向作出准确的判断。所以,在股票投资这方面时间序列方法就显得尤为重要,对大量股票信息的数据挖掘也会对投资者的正确投资起到引导作用。利用已知的趋势明显的股票信息为标准,采用应用分类和聚集挖掘方法,对所要进行购买的股票市场的股票进行分类和汇聚处理;利用人工神经网络等数学工具对股票市场进行多因素分析,现得出适用范围较广的模型, 并对模型优劣进行分析, 预测和检验使其有利于投资者的决策,见文献[1];利用关联分析方法对每日的行情进行分析,找出股票的成交数量以及跌涨幅度大小与股票自身价值之间的关系;利用时间序列对股票的整体走势来进行合理的修正、更新和预测,见文献[2]等。   (四)股市趋向预测分析方法   1.遗传支持向量机   在遗传支持向量机的方法上做进一步的改善,就可以得到一个更优化的模型,即遗传最小二乘支持向量机模型,而文献[3]中就是研究了这种采用模拟遗传退火算法优化的最

文档评论(0)

189****7685 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档