金融数据挖掘各章要点.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； 数据挖掘是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)，其冃的是在海量数据的基础上发现规律、预测未来的发展趋势。 1、 特征化、比较与关联规则挖掘 2、 分类与预测 3、 聚类分析 4、 序列发现(吋间序列的数据挖掘) 2、 数据挖掘的两种基本类型：描述式挖掘与预测式挖掘； 描述式数据挖掘以简洁、概要的方式描述数据，并提供数据的冇用信息； 预测式数据挖掘分析数据，建立一个或一组模型，并试图预测新数据集的行为。 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； File / import,在显示窗口中选择外部数据集类型(Excel),点击next键； 选择外部数据集所在的路径，打开后，点击next键； 在显示窗口中选择库标记(临时work,永久保存sasuser),给定要建立的SAS数据 集的名称，点击Finish键; 4、 一些重要的SAS函数：计算收益率、正态分布的分布值、二项分布的分布值‘Logistic 分布的概率值、均匀分布的随机抽样数； IRR：计算用小数表示的内部收益率； Probnorm(x)：标准正态分布的分布两数； Probbnml(p, n, m)：二项分布的分布函数 Uniform(seed)：产牛［0, 1］上均匀分布的随机数； 5、 SAS数据库编辑中的一些重要命令的使用 SAS函数表达式； modify； if ...then的使用方法； set与merge、drop与keep、or与and的使用与区别； 利用sort命令对变量进行排序的方法； 点击变量名、点击点击soe再保存数据集就町 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; data a； set bank； m=uniform （17）；生成一个随机数 run： proc sort data=a； by k m； run； data a1 ； set a； run； data a1 ； modify a1: if int (_n_/2) -_n_/2=0 then remove； run； data a2； set a； run； data a2； modify a2； if int(_n_/2)?_n_/2A=0 then remove； run； 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。 在未来24小时内，可以以的把握说，可能发生的银行资产的最大损失不会超过VaR 1、 持有期。持有期可以是一天（24小时），也可以是更长时间或更短时间。注意持冇 期的变化将改变函数f⑴,F⑴,从而改变计算得到的VaR值； 2、 置信水平（X, —般情况F,给定的a值越小，贝ij计算得到的VaR值越大。对于各金 融机构而言，持冇期取多长、a取多少，都冇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； 变量均值的（检验法、 信号噪音差方法、 SAS屮的逐步回归方法等。 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； 如果指标对预测儿］有信息价值，贝IJ指标的正、负性应较显著，或者说，两类企业在指标的 取值上应存在显著差异，从而两类企业的指标均值存在显著芒异。 proc ttest data=sasuser. bank； class k； （k分类变量） run； 缺陷： 这是一种相对“粗糙”的检验方法，是通过均值是否存在显著并异进行的间接检验。 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、随机变量的爛的定义和计算方法； 4、 预测指标的信号比、噪音比的定义和计算方法； 指标总的信号比=?发出警报的违约企业数/违约企业总数， 指标总的噪音比=￡发出警报的耒违约企业数/耒违约企业总数。 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； d =（x-x）￡|（x-X）, 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？ 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； 当因变量为分类变量时，P（X = 1|￡ ）与兀的关系通常不是线性关系，此时线性回归 模型不再适当，需要考虑非线性模型。用某个随机变量的分布函数来描述P（）［ = 1 |兀）与无 的非线性关系 proc logistic descending data=a1 ； model