數(shù)據(jù)挖掘技術在金融行業(yè)中的應用薦

1、數(shù)據(jù)挖掘技術在金融行業(yè)中的應用高玲玲1周騰2（1山東科技大學泰安校區(qū)信息系山東泰安271000; 2山東人壽泰安分公司山東泰安271000）摘 要隨著計算機信息技術的發(fā)展，信息共享使得人們能得到越來越多的 數(shù)據(jù)。與此同時出現(xiàn)了分析這些海量數(shù)據(jù)的一門技術一一數(shù)據(jù)挖掘技術。首先介紹了數(shù)據(jù)挖掘技術的定義以及常用挖掘方法，然后介紹了數(shù)據(jù)挖掘技術在金融行 業(yè)的典型應用。關鍵詞數(shù)據(jù)挖掘金融 數(shù)據(jù)金融部門每天的業(yè)務都會產生大量數(shù)據(jù)，利用目前的數(shù)據(jù)庫系統(tǒng)可以有效地 實現(xiàn)數(shù)據(jù)的錄入、查詢、統(tǒng)計等功能，但無法發(fā)現(xiàn)數(shù)據(jù)中存在的關系和規(guī)則，無法根據(jù)現(xiàn)有的數(shù)據(jù)預測未來的發(fā)展趨勢。缺乏挖掘數(shù)據(jù)背后隱藏的知識的手段， 導致

2、了數(shù)據(jù)爆炸但知識貧乏“的現(xiàn)象。與此同時，金融機構的運作必然存在金融 風險，風險管理是每一個金融機構的重要工作。利用數(shù)據(jù)挖掘技術不但可以從這 海量的數(shù)據(jù)中發(fā)現(xiàn)隱藏在其后的規(guī)律，而且可以很好地降低金融機構存在的風 險。學習和應用數(shù)據(jù)挖掘技術對我國的金融機構有重要意義。一、數(shù)據(jù)挖掘概述（一）數(shù)據(jù)挖掘的定義對丁數(shù)據(jù)挖掘，一種比較公認的定義是W.J.Frawley, G.Piatetsk Shapir。等 人提出的。數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫的數(shù)據(jù)中提取人們感興趣的知識、這些知識是隱含的、 事先未知的、 潛在有用的信息， 提取的知識表示為概念（Concepts ） ,規(guī)則（Rules卜規(guī)律（Regular

3、ities ）、模式（Patterns痔形式。這個定義把數(shù)據(jù)挖掘的 對象定義為數(shù)據(jù)庫。從技術角度看，數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨 機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但乂是潛在的和 有用的信息和知識的過程。它是一門廣義的交義學科，涉及數(shù)據(jù)庫技術、人工智 能、機器學習、神經網絡、統(tǒng)計學、模式識別、知識庫系統(tǒng)、知識獲取、信息檢 索、高性能計算和數(shù)據(jù)可視化等多學科領域且本身還在不斷發(fā)展。目前有許多富有挑戰(zhàn)的領域如文本數(shù)據(jù)挖掘、Web信息挖掘、空間數(shù)據(jù)挖掘等。從商業(yè)角度看，數(shù)據(jù)挖掘是一種深層次的商業(yè)信息分析技術。它按照企業(yè)既 定業(yè)務目標，對大量的企業(yè)數(shù)據(jù)進行

4、探索和分析， 揭示隱藏的、未知的或驗證已 知的規(guī)律性并進一步將其模型化，從而自動地提取出用以輔助商業(yè)決策的相關商 業(yè)模式。（二）數(shù)據(jù)挖掘方法數(shù)據(jù)挖掘技術是數(shù)據(jù)庫技術、統(tǒng)計技術和人工智能技術發(fā)展的產物。從使用 的技術角度，主要的數(shù)據(jù)挖掘方法包括：1.決策樹方法：利用樹形結構來表示決策集合，這些決策集合通過對數(shù)據(jù) 集的分類產生規(guī)則。國際上最有影響和最早的決策樹方法是ID3方法，后來乂發(fā) 展了其它的決策樹方法。2.規(guī)則歸納方法：通過統(tǒng)計方法歸納，提取有價值的if- then規(guī)則。規(guī)則歸 納技術在數(shù)據(jù)挖掘中被廣泛使用，其中以關聯(lián)規(guī)則挖掘的研究開展得較為積極和 深入。3.神經網絡方法：從結構上模擬生物神

5、經網絡，以模型和學習規(guī)則為基礎， 建立3種神經網絡模型：前饋式網絡、反饋式網絡和自組織網絡。這種方法通過 訓練來學習的非線性預測模型，可以完成分類、聚類和特征挖掘等多種數(shù)據(jù)挖掘 任務。4.遺傳算法：模擬生物進化過程的算法，由繁殖（選擇）、交義（重組）、變異（突變）三個基本算子組成。為了應用遺傳算法，需要將數(shù)據(jù)挖掘任務表達為一種 搜索問題，從而發(fā)揮遺傳算法的優(yōu)化搜索能力。5.粗糙集（Rough Set府法：Rough集理論是由波蘭數(shù)學家Pawlak在八十年 代初提出的一種處理模糊和不精確性問題的新型數(shù)學工具。它特別適合丁數(shù)據(jù)簡化，數(shù)據(jù)相關性的發(fā)現(xiàn)，發(fā)現(xiàn)數(shù)據(jù)意義，發(fā)現(xiàn)數(shù)據(jù)的相似或差別，發(fā)現(xiàn)數(shù)據(jù)模式

6、 和數(shù)據(jù)的近似分類等，近年來已被成功地應用在數(shù)據(jù)挖掘和知識發(fā)現(xiàn)研究領域 中。6. K2最鄰近技術：這種技術通過K個最相近的歷史記錄的組合來辨別新 的記錄。這種技術可以作為聚類和偏差分析等挖掘任務。二、數(shù)據(jù)挖掘在金融行業(yè)中的應用數(shù)據(jù)挖掘已經被廣泛應用丁銀行和商業(yè)中，有以下的典型應用:（一） 對目標市場（targeted marketing店戶的分類與聚類。例如，可以將具 有相同儲蓄和貨款償還行為的客戶分為一組。有效的聚類和協(xié)同過濾（collaborative filtering）方法有助丁識別客戶組，以及推動目標市場。（二） 客戶價值分析。在客戶價值分析之前一般先使用客戶分類， 在實施分 類之后

7、根據(jù)“二八原則”，找出重點客戶，即對給銀行創(chuàng)造了80%價值的20%客戶實施最優(yōu)質的服務。重點客戶的發(fā)現(xiàn)通常采用一系列數(shù)據(jù)處理、轉換過程、AI人工智能等數(shù)據(jù)挖掘技術來實現(xiàn)。通過分析客戶對金融產品的應用頻率、持 續(xù)性等指標來判別客戶的忠誠度；通過對交易數(shù)據(jù)的詳細分析來鑒別哪些是銀行 希望保持的客戶；通過挖掘找到流失的客戶的共同特征，就可以在那些具有相似 特征的客戶還未流失之前進行針對性的彌補。（三） 客戶行為分析。找到重點客戶之后，可對其進行客戶行為分析，發(fā)現(xiàn)客戶的行為偏好，為客戶貼身定制特色服務。客戶行為分析乂分為整體行為分析 和群體行為分析。整體行為分析用來發(fā)現(xiàn)企業(yè)現(xiàn)有客戶的行為規(guī)律。同時，通

8、過對不同客戶群組之間的交義挖掘分析， 可以發(fā)現(xiàn)客戶群體問的變化規(guī)律， 并可通 過數(shù)據(jù)倉庫的數(shù)據(jù)活潔與集中過程，將客戶對市場的反饋自動輸入到數(shù)據(jù)倉庫中。通過對客戶的理解和客戶行為規(guī)律的發(fā)現(xiàn)，企業(yè)可以制定相應的市場策略。（四） 為多維數(shù)據(jù)分析和數(shù)據(jù)挖掘設計和構造數(shù)據(jù)倉庫。 例如，人們可能希 望按月、按地區(qū)、按部門、以及按其他因素查看負債和收入的變化情況， 同時希 望能提供諸如最大、最小、總和、平均和其他等統(tǒng)計信息。數(shù)據(jù)倉庫、數(shù)據(jù)立方體、多特征和發(fā)現(xiàn)驅動數(shù)據(jù)立方體，特征和比較分析，以及孤立點分析等，都會 在金融數(shù)據(jù)分析和挖掘中發(fā)揮重要作用。（五） 貨款償還預測和客戶信用政策分析。 有很多因素會對貨款

9、償還效能和客戶信用等級計算產生不同程度的影響。數(shù)據(jù)挖掘的方法， 如特征選擇和屆性相 關性計算，有助丁識別重要的因素，別除非相關因素。例如，與貨款償還風險相 關的因素包括貨款率、資款期限、負債率、償還與收入（paymen to- income）比率、客戶收入水平、受教育程度、居住地區(qū)、信用歷史，等等。而其中償還與收入比率是主導因素，受教育水平和負債率則不是。銀行可以據(jù)此調整貨款發(fā)放 政策，以便將貨款發(fā)放給那些以前曾被拒絕， 但根據(jù)關鍵因素分析，其基本信息 顯示是相對低風險的申請。（六）業(yè)務關聯(lián)分析。通過關聯(lián)分析可找出數(shù)據(jù)庫中隱藏的關聯(lián)網，銀行存儲了大量的客戶交易信息，可對客戶的收入水平、消費習慣、購買物種等指標進 行挖掘分析，找出客戶的潛在需求；通過挖掘對公客戶信息，銀行可以作為廠商 和消費者之間的中介，與廠冏聯(lián)手，在掌握消費者需求的基礎上，發(fā)展中間業(yè)務， 更好地為客戶服務。數(shù)據(jù)挖掘技術可以用來發(fā)現(xiàn)數(shù)據(jù)庫中對象演變特征或對象變化趨勢，這些信息對丁決策或規(guī)劃是有用的，金融行業(yè)數(shù)據(jù)的挖掘有助丁根據(jù)顧客的流量安排工 作人員?？?/p>