数据挖掘技术在投资项目决策中应用.docVIP

数据挖掘技术在投资项目决策中应用 　　摘要：投资项目决策是项目运行的重要环节之一，对投资项目的可行性分析是顺利实施企业投资的重要保障。决策支持系统是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统向更高一级发展而产生的先进信息管理系统，为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。 　　关键词：数据仓库 数据挖掘 财务分析 　　中图分类号：TP309.2 文献标识码：A 文章编号：1007-9416(2011)07-0068-02 　　 　　随着全球金融危机的爆发，投资项目的风险管理越显得突出重要。 政府部门、企业、银行等机构迫切需要有相应的手段来提高投资项目风险控制的准确性和效率。而在项目启动阶段做出的正确分析和决策是确保投资项目成功的先决条件，也是对投资项目实施有效风险管理的基础。投资项目经济评价方法多年来一直是国内投资项目分析决策领域的主流评估方法。在这一领域，投资项目的评价指标和参数还缺乏准确性、规范性，从而导致投资项目的风险水平较高，投资收益率低，以及间接导致金融机构的坏账率。 　　行业参数模型优化是目前投资项目决策领域的一大难题，应用联机分析处理(OLAP)和数据挖掘(Data Mining) 技术来优化行业评估参数，从而提高了评估参数的准确性和时效性，最终提高投资项目决策的准确性。 　　1、研究设计的相关技术问题 　　数据挖掘（Data Mining Dm）数据挖掘是一个反复迭代的过程，在这个过程中，所取得的进步用“发现”来定义，而这种发现是通过自动或手工方法取得的。在对什么将会构成一个“有趣的”结果没有预定概念的初步探测性分析方案中，数据挖掘非常重要。它从大量的数据中搜寻有价值的、非同寻常的新信息，是人和计算机合力的结果:它在人类描述问题和目标的知识与计算机的搜索能力之间寻求平衡，以求获得最好的效果。在实践中，数据挖掘的两个基本目的是预测和描述。预测涉及到使用数据集中的一些变量或域来预测其他我们所关心变量的未知或未来的值:另一方面，描述关注的则是找出描述可由人类解释的数据模式。因此，可以把数据挖掘活动分成下述两类。 　　(1)预测性数据挖掘:生成已知数据集所描述的系统模型。 　　(2)描述性数据挖掘:在可用数据集的基础上生成新的、非同寻常的信息。 　　数据仓库:目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家w。H。Inmon在其著作《Building the DataWarehouse》一书中给予如下描述:数据仓库（DataWarehouse）是一个面向主题的（stbjeetoriented）、集成的（Integrat）、相对稳定的（Non－Volatile）、反映历史变化（TimeVariant）的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库:其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。 　　虽然数据仓库的存在并不是数据挖掘的先决条件，但是实际上，通过对数据仓库的访问，数据挖掘任务变得容易多了，对大公司来说更是如此。数据仓库的主要目标是增加决策过程的“情报”和此过程的相关人员的知识。 　　数据仓库对不同的人来说有不同的意义，一些定义限于数据，一些则涉及人、方法、软件、工具和数据。一个综合性的定义是:数据仓库是一个集成的，面向主题的、设计用于决策支持功能（DsF）的数据库的集合，数据中的每一个数据单元在时间上都是和某个时刻相关的。在这个定义的基础上，数据仓库也可被看作是某个组织的数据存储库，用于支持战略决策。数据仓库的功能是以集成的方式存储整个组织的历史数据，这些数据会影响到这个组织和企业的多个方面。数据仓库中数据仅仅响应终端用户的查询而决不会更新，这些终端用户通常都是决策者。一般来讲，数据仓库都很巨大，它存储了几百万条记录。 　　财务分析:是指财务分析主体利用会计资料与之有关的其他数据资料，通过计算财务指标，采用一定的方法对企业财务活动中的各种经济关系及财务活动结果进行分析、评价，为财务决策、财务诊断、咨询、评估、监督、控制提供所需的财务信息，其实质是财务分析主体对会计信息进一步进行加工、运用的过程。在此过程中，财务分析主体对财务分析的要求就是财务分析所要达到目的。 　　2、现有投资项目决策系统的不足 　　通过对投资项目决策的国内外研究现状的分析，我们发现企业的投资项目决策评价存在以下不足:第一，国内目前同类软件产品在项目经济评价方法上，还停留在简单的