数据挖掘论文关于数据挖掘技术在金融领域的应用论文范文参考资料

数据挖掘论文关于数据挖掘技术在金融领域的应用论文范文参考资料 数据信息，数据挖掘技术能够从上述信息中收集到有效的信息，从而帮助投资部门和管理部门进行有效的投资管理和监督，并且还能够帮助金融企业根据客户以往的信息预测未来，这就能够分析出潜在的信誉较差的客户，帮助金融企业采取必要的措施减少坏账和财产损失。 金融机构收集到的金融数据通常具有高质量、完整并且相对可靠，这就方便了系统化的数据挖掘和数据分析。对金融数据的数据挖掘通常有以下一些应用分析情况： 1)顾客信用政策分析和贷款偿还预测 顾客信用政策分析和贷款偿还预测对银行业务有着非常重要的作用。许多因索都会对顾客信用等级和贷款偿还评定和履行产生不同的一些影响。数据挖掘的策略，如属性相关评定和属性选择，能够有助于剔除不相关因索、识别重要因索。比如与贷款偿还风险相关的因索包括负债率、信用史、受教育水平、居住地区、偿还收入比、顾客收入水平、贷款期限和贷款率。通过分析顾客的偿还史可以发现，偿还收入比是主要的影响因索，受负债率和教育水平就不是，于是，通过这样的数据挖掘，银行能够根据上述规则制定贷款发放策略，有许多贷款申请曾经被拒绝，但是基本信息表面其风险是相对较低的顾客将能够获得审批。 2）为多维数据分析和数据挖掘设计和构造数据仓库 首先需要为金融数据和银行数据构造数据仓库，可以采用多维数据分析策略去分析这种数据的所有属性，企业可以通过按部门、按地区、按月或者其他一些因索，查看税收和债务变化，同时提供总和、最小、最大、平均值和其它一下统计信息。数据立方体、数据仓库、多表征和事件驱动的数据立方体、离群点分析、类比较和特征化都会在数据挖掘和金融数据分析中发挥很大的作用。 3）洗钱犯罪和其它金融领域各种犯罪的侦破 帮助洗钱犯罪和其它金融领域各种犯罪的侦破，并且把金融领域中数据库(如不同地区金融犯罪数据库以及个人、企业银行交易数据库)中的信息相互交叉集成，从而得到的数据可能对侦破工作有帮助。然后可以采用一些数据分析工具异常模式的检测，例如在一个月内某个人发生了大量*转入或者转出流动。使用的工具包括分类工具(对高度相关属性分类并且过滤不相关的属性)、数据链接分析工具(识别不同活动和顾客之间的联系)、序列模式分析工具(刻画异常访问序列的特征)、可视化工具(用图形的方式按顾客群或者按时间显示交易活动)、离群点分析工具(检测异常资金转移量或其他行为)、聚类工具(将不同案例分组)。上述这些工具能够识别活动的重要模式和联系，帮助司法人员为详细调查提供进一步线索。 4）针对定向销售的顾客聚类和分类 聚类和分类的策略可用于顾客群识别和定向销售。使用多维聚类技术，可以识别对贷款偿有类似行为的顾客，使用分类识别可以影响顾客关于银行业务决策的最重要因索。这些可以帮助金融企业识别顾客群，把所识别的顾客群归类到一个合适的顾客群，从而进行引导和推动性的消费。 4结束语 数据挖掘技术、数据仓库和决策支持系统都是目前数据分析领域的前沿科学。在金融领域，随着越来越多的金融机构开始使用管理信息系统以及信息的爆炸式增长，把数据挖掘技术应用到金融行业各个领域中，从而建立金融行业管理决策系统，这一定可以为金融行业各级领导部门的运营决策提供切实可行的优化金融资源、提高金融质量的依据，为金融机构在未来的发展中发挥重要的作用、提供更广阔的空间，使得金融行业在激烈的竞争中掌握主动，为金融行业的跨越式发展起到一个科学导向作用。 _: 1李嶶,李宛州.基于数据仓库技术的进销存系统的设计与实现J.计算机工程与应用，xx(10):93-94. 2 Jiawei Han.数据挖掘概念与技术M.北京:机械工业出版社,xx. 3 Inmon W H.数据仓库M.机械工业出版社,2000. 4林字,等.数据仓库原理与实践M.北京:人民邮电出版社,xx. 5张春阳,周继恩,刘贵全,等.基于数据仓库的决策支持系统的构建J.计算机工程,xx(4):249-252. 6陈德军,盛翊智,陈绵云.基于数据仓库的OLAP在DSS中的应用研究J.计算机工程与应用,xx(1):30-31. 7