数据挖掘作业64021

《数据挖掘作业64021》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、成绩评卷人研究生张箫学号2008112051华中师范大学研究生课程论文论文题目金融行业中数据挖掘的应用完成时间2009220课程名称数据仓库与数据挖掘专业管理科学与工程年级2008级注：研究生必须在规定期限内完成课程论文，并用统一格式稿纸誉正，加此封而装订成册后,送交评审教师。教师应及时评定成绩，并至迟在下学期开学后两周内将此课程论文及成绩报告单一并送交木单位研究生秘书注册存档。金融行业中数据挖掘的应用摘要：本文依据数据挖掘技术在商业屮的应用，对金融行业屮数据挖掘技术的应用做了重点的分析和介绍。关键词：金融数据挖掘数据挖掘作为信息技术发展的关键技术正越来越显现出其巨大的商业价值，在金融领域

2、尤其如此。中国金融企业，特别是商业银行，在如今以客户为导向的管理理念的指导下，将会更多地使用数据挖掘技术来实现整个企业的良好发展。数据挖掘首先需要在商业环境中收集大量的数据，然后运用挖掘的知识对企业已有的数据进行分析，具有不同的应用形式。数据挖掘在银行、证券、电信、保险等数据密集型企业的应用显得口益重要。它能协助金融企业在分析客户、了解客户、开发客户、细分市场的基础上确定企业的经营策略，建立企业的竞争优势和增强企业整体盈利能力。所谓数据挖掘，是从海量的数据中，抽取出潜在的、有价值的知识(模型或规则)的过程，也就是根据预定的商业目标，对大量的企业数据进行探索和分析，揭示其中隐含的商业规律，并

3、进一步将其模型化的先进有效的技术过程。数据挖掘是一门交叉学科，受多个学科影响，其屮包括数据库技术、统计学、机器学习、模型识别、人工智能、神经网络等等。数据挖掘技术源于商业的直接需求。因此它在各种商业领域都存在广泛的使用价值。(1)客户分析随着“以客户为屮心”的经营理念的不断深入人心，分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。通过对积累的交易数据进行分析，可以按各种客户指标(如自然属性、收入贡献、交易额、价值度等)对客户分类，然后确立不同类型客户的行为模式，以便采取和应的营销措施，促使企业实现利润的最大化。(2)运筹和企业资源的优化节约成本是企业盈利的关键。通过分析历史的财

4、务数据、库存数据和交易数据，可以发现企业资源消耗的关键点和主要活动的投入产出比例，从而为企业资源优化配置提供决策依据，例如降低库存、提高库存周转率、提高资金使用率等。（3）异常事件的确定在许多商业领域中，异常事件具有显著的商业价值，如客户流失、银行的信用卡欺诈、电信中移动话费拖欠以及医学中特殊病情的征兆等，通过数据挖掘中的奇异点分析可以迅速准确地甄别这些异常事件。（4）企业分析模型的管理企业成员在使用数据挖掘系统时，会对模型进行调优和定制，这将会逐步积累符合企业自身需要的模型库，成为企业知识库的重要组成部分。目前，数据挖掘技术在商业上的实际应用十分丰富，在金融行业中常见的具体例子有：客户细

5、分、客户保留、冃标营销、客户拓展、欺诈检测、信用打分、信用风险评佔、投资组合管理、行情分析、安全管理、资源管理、利润分析、理赔分析、业绩分析等等方面。下面介绍一下数据挖掘在金融行业的具体应用。人部分金融机构都提供丰富多样的银行业务：如负债业务（各项存款、资本金、发行债券和借款）、资产业务（贷款、贴现、投资）和中间业务（现金出纳、转帐结算、信托、信用卡）.述有一些其他业务。在金融机构中产生的金融数据通常相对比较完整、可靠和高质量,这人人方便了系统化的数据分析和数据挖掘。金融业的经营对数据正确、实时、安全性要求极高。长期以来各银行交易系统一直走在IT技术应用革新的前列，同时也积累了丰富的数据。

6、整个运营系统产生的数据主要分为两人类：客户交易数据和后台管理数据。客户交易数据在各个银行的营业部产生，属于相对私有数据。这些数据反映了客户的资金状况及交易状况等，具有极高的分析价值。数据挖掘技术在这个方面己经有了很好的应用。随着国内金融业政策的逐步开放，金融业的竞争越来越激烈，金融业分析决策时对数据的依赖性和敏感度也越来越高。数据挖掘技术作为分析与辅助决策工具已经越来越得到国内金融界的重视。数据挖掘技术在金融业的典型应用（1）数据分析和数据挖掘设计和构造数据仓库。与许多其他应用类似，要为银行和金融数据构造其他数据仓库。多维数据分析用于分析这些数据的一般特性。例如，人们可能希望按月、按地区、

7、按部门，以及按其他因素，查看负债和收入的变化情况•同时希望能提供最大、最小、总和、平均和其他统计信息。数据仓库、数据立方休、多特征和发现驱动数据立方体、特征和比较分析、以及孤立点分析等都会在金融数据分析和挖掘中发挥重要作用。(2)客户信用政策分析。贷款偿付预测和客户信用政策分析对银行业务是相当重要的。有很多因素会对贷款偿还效能和客户信用等级计算产生不同程度的影响。数据挖掘的方法，如特征选择和属性相关性计算，有助于识别重要