基于数据挖掘视角的商业银行业绩聚类方法应用研究

《基于数据挖掘视角的商业银行业绩聚类方法应用研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、王李（吉林大学管理学院，吉林长春130022）摘要：数据挖掘是涉及多学科的综合技术，它可以在海量数据中发现隐藏的、未知的、潜在的有用模式或知识。商业银行在日常经营管理中形成了规模巨大的数据库，通过数据挖掘技术，对银行的各种经营数据进行挖掘和聚类分析，可以为商业银行制订、修改财务政策提供依据。关键词：数据挖掘；聚类方法；商业银行；经营管理中图分类号：TP311；F830文献标识码：A文章编号：1007-7634（2009）03-0451-05CommercialBankAchievementClusterMethod

2、AppliedResearchBasedonDataMiningWANGLi（ManagementSchoolofJilinUniversity，Changchun130022，China）Abstract：Thedataminingisinvolvesthemulti-disciplinarysynthesesthetechnology，itmaydiscoverthehideawayinthemagnanimousdata，unknown，thelatentusefulpatternortheknowledge

3、.Thecom-mercialbankhasformedthescalehugedatabaseinthedailymanagementandoperation，throughthedataminingtechnology，carriesontheexcavationandtheclusteranalysistothebankeachkindofmanagementdata，maydrawup，therevisionfinancepolicyforthecommercialbankprovidestheba-sis

4、.Keywords：datamining；clustermethod；commercialbank；operationmanagement1引言数据挖掘简介2由于现代商业银行在经济领域的作用及业务特点等方面的原因，使其拥有完善的业务系统和大型数据库，并在技术和管理方面积累了优势，这种较高的电子信息化程度，为数据挖掘的应用奠定了物质和技术基础。另外，激烈的市场竞争所带来的外在压力和业务发展创新的内在驱动，都使数据挖掘在商业银行的应用成为一个时代发展的必然。本文基于数据挖掘的视角，采用聚类技术对商业银行的财务状况及经营

5、业绩进行分析与处理，以帮助商业银行提高经营管理水平及制定相关政策提供有力依据。数据挖掘是一个交叉的学科领域。它综合了信息科学、数据库技术、统计学、机器学习、可视化方法等多项理论和技术，并在各种领域的实践中，根据实际情况大量借鉴和应用了其它学科的方法和技术【1】。数据挖掘的定义可概括成数据到知识的过程。技术上的定义是，从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取其中隐含的、事先未知的、潜在有用的信息和知识的过程【2】。数据挖掘的对象和出发点是数据，而数据一般都以数据库的形式存在，不同结构和类型的数

6、据库在数据挖掘中收稿日期：2009-01-20作者简介：王李（1974-），女，吉林长春人，讲师，博士研究生，从事商业银行信息化与效率研究.情报科学27卷452有着各自的特点和特殊的挖掘方法。数据挖掘所发现的知识最常见的有以下五类：①广义知识；②关联知识；③分类知识；④预测型知识；⑤偏差型知识。数据挖掘的基本过程和主要步骤见下图：数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K＜N。并且，K个分组满足下列条件：①每一个分组至少包含一个数据记录；②每一个数据记录属于且仅属于一个分组（这个要求在某些模糊聚类算

7、法中可以放宽）；（2）层次法。这种方法对给定的数据集进行层次分解，直到某种条件满足为止。具体又可分为“自底向上”和“自顶向下”两种方案。（3）基于密度的方法。基于密度的方法与其他方法的一个根本区别是：它不是基于各种各样的距离的，而是基于密度的，这样就能克服基于距离的算法只能发现“类圆形”的聚类缺点。这个方法的指导思想是，只要一个区域中的点的密度大于某个阈值，就把它加到与之相近的聚类中去。（4）基于网络的方法。这种方法首先将数据空间划分成为有限个单元（cell）的网络结构，所有的处理都是以单个单元为对象的。这样处理的

8、一个突出的优点就是处理速度很快，通常与目标数据库中的记录的个数无关，而只与把数据空间分为多少个单元有关。（5）基于模型的方法。基于模型的方法给每一个聚类假定一个模型，然后去寻找能够很好满足这个模型的数据集。这样一个模型可能是数据点在空间中的密度分布函数。它的一个潜在的假定是：目标函数集是由一系列的概率分布所决定的。图1数据挖掘过程图①数据清理：消除噪声与不一