信息挖掘在大數(shù)據(jù)金融的風(fēng)險及防患研究

DOI：10.19392/j.cnki.16717341.201720050

摘要：信息挖掘技術(shù)主要是將大量數(shù)據(jù)中隱含的有用信息充分地挖掘出來，其需要利用數(shù)據(jù)庫、人工智能以及數(shù)據(jù)統(tǒng)計等方面的內(nèi)容，通過對數(shù)據(jù)展開深層次地分析，對信息處理技術(shù)進(jìn)行進(jìn)一步地加工與分析。信息挖掘?qū)儆谝粋€新興領(lǐng)域，并廣泛地應(yīng)用到社會的各個領(lǐng)域中。為了充分地發(fā)揮信息挖掘技術(shù)的作用，降低大數(shù)據(jù)金融風(fēng)險，本文主要闡述信息挖掘在大數(shù)據(jù)金融風(fēng)險中的防患措施。

關(guān)鍵詞：信息挖掘；大數(shù)據(jù)金融；風(fēng)險及防患研究

大數(shù)據(jù)金融術(shù)語傳統(tǒng)金融行業(yè)與互聯(lián)網(wǎng)結(jié)合的新興領(lǐng)域，其發(fā)展速度比較快。其提供的大數(shù)據(jù)金融產(chǎn)品雖然更加方便了人們的生活，但是其在發(fā)展過程中仍然沒有形成一個穩(wěn)定的發(fā)展規(guī)律，其中也存在著比較大的風(fēng)險。與傳統(tǒng)金融相比較，大數(shù)據(jù)金融具備自身的特殊性質(zhì)，其性質(zhì)更具復(fù)雜性，大數(shù)據(jù)金融風(fēng)險發(fā)生的概率也比較大。在此發(fā)展形勢下，如何利用信息挖掘方式減少大數(shù)據(jù)金融風(fēng)險，將其金融風(fēng)險降低在最小的范圍內(nèi)容，這是大數(shù)據(jù)金融企業(yè)應(yīng)該重點思考的問題。因此，對信息挖掘在大數(shù)據(jù)金融風(fēng)險中防患的方式進(jìn)行分析具有重要的現(xiàn)實意義。

1 大數(shù)據(jù)金融風(fēng)險的相關(guān)概念

1.1 大數(shù)據(jù)金融風(fēng)險的基本概念

風(fēng)險主要指的是未來結(jié)果具有不確定性，例如：未來收入、資產(chǎn)以及債務(wù)都存在著波動性以及不確定性。金融風(fēng)險主要是指企業(yè)在未來收益過程中存在著的不確定以及波動性情況，金融市場的波動性直接會影響到企業(yè)金融風(fēng)險狀況。通常而言，這種風(fēng)險主要包含盈利以及損失的不確定性這兩種類型。值得說明的是在現(xiàn)實生活中，人們可能會更加關(guān)注到自己是否會存在著損失。就當(dāng)前而言，社會經(jīng)濟(jì)水平在不斷地提升，金融市場與世界在逐漸地銜接，采用何種方式加強企業(yè)金融風(fēng)險的防患，促使企業(yè)穩(wěn)定可持續(xù)發(fā)展，這是值得重點考慮的問題。

1.2 大數(shù)據(jù)風(fēng)險的分類

大數(shù)據(jù)金融風(fēng)險的種類多樣，以不同的標(biāo)準(zhǔn)對金融風(fēng)險進(jìn)行劃分，主要可以將其分成以下幾種類型。（1）以金融風(fēng)險產(chǎn)生根源進(jìn)行分類：可以將其劃分為靜態(tài)金融風(fēng)險以及動態(tài)金融風(fēng)險。因為自然災(zāi)害以及其他的不可以抗拒的力量而導(dǎo)致的風(fēng)險被稱為靜態(tài)金融風(fēng)險，其基本與大數(shù)據(jù)的定律相符合，能對其進(jìn)行正確地預(yù)測。而動態(tài)金融風(fēng)險主要是為隨著宏觀世界的經(jīng)濟(jì)環(huán)境變化而產(chǎn)生的風(fēng)險，風(fēng)險發(fā)生的可能性以及每次發(fā)生的影響大小都是會伴隨著時間變化而改變的，難以對這種風(fēng)險進(jìn)行預(yù)測[1]。（2）以金融風(fēng)險涉及到的范圍進(jìn)行劃分，可以將其劃分為微觀金融風(fēng)險以及宏觀金融風(fēng)險。參與的主體以及經(jīng)濟(jì)活動的主體會隨著客觀環(huán)境、企業(yè)制定的決策以及其他的因素而導(dǎo)致經(jīng)濟(jì)損失的情況，則將這種風(fēng)險稱之為微觀金融風(fēng)險。但是宏觀金融風(fēng)險主要包括所有微觀金融風(fēng)險的總和，其蘊含的內(nèi)容比較廣。（3）以金融機構(gòu)的類別進(jìn)行分類，可以將其劃分為銀行風(fēng)險、保險風(fēng)險以及證券風(fēng)險等。

1.3 大數(shù)據(jù)金融風(fēng)險管理的重要作用

當(dāng)產(chǎn)生大數(shù)據(jù)金融風(fēng)險時，其必然會影響到奧國家經(jīng)濟(jì)的發(fā)展，甚至?xí)业陌踩栽斐奢^大程度的影響。在國際上，很多大型企業(yè)、金融組織機構(gòu)、金融監(jiān)管部門等都在不斷地尋找有效地解決金融風(fēng)險的方式，嘗試用科學(xué)合理的方式進(jìn)行金融風(fēng)險技術(shù)管理，最終能有效地識別金融風(fēng)險，能對其進(jìn)行精準(zhǔn)地測量，同時嚴(yán)格地控制金融風(fēng)險。因為大數(shù)據(jù)金融市場本身就存在著很大的不穩(wěn)定性，其中存在著各種稅收等。同時政策的變化以及外界環(huán)境的變化都會導(dǎo)致金融風(fēng)險的產(chǎn)生，市場之間會相互影響，金融參與者也不能獲取的比較完整的市場信息。由上述可知，對大數(shù)據(jù)金融風(fēng)險進(jìn)行管理與防患是非常有必要的。

2 信息挖掘的相關(guān)概念

2.1 信息挖掘的基本概念

市場運行過程中會存在著和大量的信息和數(shù)據(jù)，其信息挖掘的主要作用是從大量的數(shù)據(jù)中提取中比較有用的知識[2]。信息挖掘可以對任何類型的信息儲存方式進(jìn)行挖掘，信息挖掘的重要意義是能實現(xiàn)對大量數(shù)據(jù)的挖掘，提升數(shù)據(jù)的應(yīng)用效率，從大量數(shù)據(jù)中提取到有價值的內(nèi)容，并且將其轉(zhuǎn)化為比較有用的信息，同時將這些擁有信息充分地應(yīng)用到市場分析、科學(xué)研究以及商務(wù)管理過程中去。信息挖掘工具主要是對大量的數(shù)據(jù)進(jìn)行深入地分析，并從中尋找到比較有用的數(shù)據(jù)模式，將數(shù)據(jù)轉(zhuǎn)變成更為有效以及實用的信息。信息挖掘主要是通過清理數(shù)據(jù)、集成數(shù)據(jù)、選擇有用數(shù)據(jù)、變換相應(yīng)數(shù)據(jù)、挖掘以及評估模式等方面進(jìn)行數(shù)據(jù)挖掘工作。

2.2 信息挖掘技術(shù)所采用的方式

就當(dāng)前而言，空間分析方式、統(tǒng)計分析方式、聚類以及分類分析方式均屬于當(dāng)前比較常用的信息數(shù)據(jù)挖掘方式。借助這些數(shù)據(jù)分析方式對空間數(shù)據(jù)進(jìn)行挖掘，同時發(fā)現(xiàn)有用知識。其中比較常用的空間數(shù)據(jù)挖掘方式主要包括空間關(guān)聯(lián)規(guī)則挖掘方式、歸納學(xué)習(xí)方式以及空間分析等挖掘方式。采用這種挖掘方式能有效地從大量的數(shù)據(jù)中尋找到更加有用的數(shù)據(jù)信息以及相關(guān)知識[3]。其中聚類分析方式是將物理以及抽象的數(shù)據(jù)結(jié)合進(jìn)行分類，在將其劃分為多個類別以后，選擇兩個具有高精度相似性的數(shù)據(jù)樣本。聚類分析可以為其他算法數(shù)據(jù)進(jìn)行預(yù)處理提供依據(jù)，同時，聚類分析也可以被作為比較獨立性的分析工具來對數(shù)據(jù)的分布情況進(jìn)行獲取、選擇、計算相似性以及分組，這屬于聚類分析算法的主要過程。

3 信息挖掘在大數(shù)據(jù)金融管理中的防患方式

3.1 建立良好的信用風(fēng)險評估方式

在金融風(fēng)險防范過程中進(jìn)行風(fēng)險管理，可以建立相應(yīng)的信用風(fēng)險評估。建立信息挖掘?qū)π庞蔑L(fēng)險評估內(nèi)容，主要包括銀行信用卡以及貸款信用評估這兩個方面內(nèi)容。信用風(fēng)險是因為一些不可抗的因素或者惡性的欺詐情況促使債務(wù)人難以按照事先簽訂的合約來償還英航的損失。此時，銀行不能及時準(zhǔn)確地了解個人以及企業(yè)的財務(wù)變化情況，并會被循環(huán)性的信用掩蓋。而將信息挖掘技術(shù)應(yīng)用到大數(shù)據(jù)金融過程中，其能借助信息挖掘技術(shù)挖掘客戶信用的影響因素，包括地區(qū)差異性影響、個人知識層次的影響、收入高低以及經(jīng)濟(jì)環(huán)境狀況的影響。這樣能快速地為用戶建立起相應(yīng)的信用等級，同時對不同的信用額度進(jìn)行劃分。通過信息挖掘方式能全班地掌握信用風(fēng)險之間的蘊含關(guān)系以及相應(yīng)的特征，促使信用違約預(yù)測的準(zhǔn)確定進(jìn)一步提升。我國已經(jīng)嘗試?yán)脹Q策樹模型，并將其應(yīng)用到對企業(yè)的分類中，將企業(yè)劃分為違約企業(yè)以及非違約企業(yè)[4]。之后有些人將這種決策樹的模型應(yīng)用到違約判斷上面去，期望能夠得到更好的分類結(jié)果。就當(dāng)前而言，市場上具有很多信息挖掘工具，其能全方位地，從各個層次將數(shù)據(jù)分析的結(jié)果充分地展現(xiàn)出來。

3.2 對企業(yè)財務(wù)危機預(yù)警進(jìn)行有效分析

財務(wù)危機的實質(zhì)主要是指財務(wù)風(fēng)險規(guī)模化，當(dāng)風(fēng)險積累到一定程度時，其會集中性地爆發(fā)。企業(yè)財務(wù)風(fēng)險主要表現(xiàn)在財務(wù)狀況在不斷地惡化，甚至?xí)霈F(xiàn)難以支付的情況，最終企業(yè)面臨著破產(chǎn)倒閉的風(fēng)險[5]。出現(xiàn)這種情況的企業(yè)大多不同程度地出現(xiàn)了以下幾種情況：沒有能力將到期的債務(wù)準(zhǔn)時地償還，存在著大量的貨物積壓，難以將其銷售出去，涉及到巨額的訴訟賠償費用，或者企業(yè)的主營業(yè)務(wù)出現(xiàn)了比較嚴(yán)重的萎縮情況。在此情況下，可以在企業(yè)建立相應(yīng)的財務(wù)危機預(yù)警模型，這樣能有效及時地對企業(yè)經(jīng)營失敗以及財務(wù)管理上所出現(xiàn)的問題進(jìn)行預(yù)警預(yù)報，最終實現(xiàn)在風(fēng)險出現(xiàn)之間將將其控制住，為企業(yè)決策者提供重要的參考信息，最終減少企業(yè)風(fēng)險產(chǎn)生的概率。信息挖掘中應(yīng)用線性回歸、主成份分析以及神經(jīng)網(wǎng)絡(luò)等方式建立起相應(yīng)的財務(wù)危機預(yù)警模型。首先對主成份分析特殊箱梁進(jìn)行分析，并結(jié)合主成份的貢獻(xiàn)率，最終影響財務(wù)狀況最大的財務(wù)指標(biāo)計算出來，接下來以分析結(jié)果為依據(jù)，將預(yù)測期間公司的財務(wù)狀況劃分成兩大類，將其作為目標(biāo)變量。然后運動回歸方式或者決策樹的方式預(yù)測企業(yè)財務(wù)狀況。最后，又將企業(yè)綜合評分作為目標(biāo)變量，采用線性回歸的方式綜合性地分析企業(yè)的風(fēng)險狀況[6]。通過這樣的方式能實現(xiàn)對企業(yè)經(jīng)營狀況的有效預(yù)測，使得企業(yè)財務(wù)發(fā)生金融風(fēng)險的概率減少。

3.3 評估供應(yīng)鏈風(fēng)險

通過構(gòu)建良好的資金流、物流以及信息流，形成良好的供應(yīng)鏈，這種優(yōu)化供應(yīng)鏈的方式能為企業(yè)帶來巨大的經(jīng)濟(jì)效益。供應(yīng)鏈優(yōu)化能極大程度地減少企業(yè)運營的成本，減少其反應(yīng)時間，最終促使其服務(wù)水平以及競爭能力有效提升[7]。供應(yīng)鏈中每一個環(huán)節(jié)都有可能會出現(xiàn)“斷裂”的情況，最終會對企業(yè)造成比較嚴(yán)重的影響，造成企業(yè)產(chǎn)生損失。以行為主體為基礎(chǔ)，可以將供應(yīng)鏈風(fēng)險劃分為供應(yīng)商風(fēng)險、批發(fā)商風(fēng)險、零售商風(fēng)險、物流服務(wù)風(fēng)險等。其中，供應(yīng)鏈中最有可能出現(xiàn)的便是供應(yīng)商風(fēng)險。因此，在風(fēng)險管理過程中，要將供應(yīng)鏈風(fēng)險作為最主要的切入點。通常采取的方式是采用信息挖掘算法將有效的指標(biāo)評價體系進(jìn)行確定，建立起模糊矩陣，采用聚類分析方式構(gòu)建其相應(yīng)的金融風(fēng)險評估模型。通過這樣的方式能為供應(yīng)鏈合作伙伴創(chuàng)造出更有效的參考意見，最終降低供應(yīng)鏈的風(fēng)險。

3.4 信息挖掘在大數(shù)據(jù)金融風(fēng)向防控中的具體應(yīng)用

互聯(lián)網(wǎng)技術(shù)具有高效共享以及平等自由行，其不斷地促進(jìn)大數(shù)據(jù)金融向前發(fā)展。與此同時，對于互聯(lián)網(wǎng)金融企業(yè)而言，客戶數(shù)據(jù)都是值得去開發(fā)的數(shù)據(jù)，其中涵蓋著大量的信息。企業(yè)只有深入地挖掘其中的信息就能將其轉(zhuǎn)換為非常有用的東西，能有效地幫助企業(yè)進(jìn)行金融管理[8]。與互聯(lián)網(wǎng)電子商務(wù)相同的點是，互聯(lián)網(wǎng)金融是金融信息化的主要形式，其不能離開互聯(lián)網(wǎng)服務(wù)過程中的企業(yè)以及用戶等，當(dāng)前被用于助力大數(shù)據(jù)金融風(fēng)險控制的數(shù)據(jù)主要存在以下幾個方面。（1）電商數(shù)據(jù)。將阿里巴巴最為例子，其主要利用的是電商數(shù)據(jù)，并且阿里巴巴已經(jīng)相應(yīng)地建立起一種比較完善的風(fēng)險控制數(shù)據(jù)挖掘系統(tǒng)，并通過其旗下的天貓、支付寶以及天貓等旗艦店累積到大量的用戶交易信息和數(shù)據(jù)，將其作為最基本的原料，建立網(wǎng)絡(luò)行為評分模型，進(jìn)行相應(yīng)的信用評級[9]。（2）信用卡類數(shù)據(jù)。這種數(shù)據(jù)信用評分的參考依據(jù)主要是查看用戶信用卡申請的年份、卡片類型、還款情況以及授信額度作為最主要的數(shù)據(jù)方式。（3）社交網(wǎng)站數(shù)據(jù)。這種數(shù)據(jù)形式主要是借助社交平臺而構(gòu)建的朋友之間信任聚集人氣的數(shù)據(jù)。在此過程中可以對社交任務(wù)關(guān)系以及其日常行為進(jìn)行有效的數(shù)據(jù)搜集以及深入分析。（4）用戶行為數(shù)據(jù)?；ヂ?lián)網(wǎng)金融憑阿泰作為現(xiàn)代互聯(lián)網(wǎng)交易的主要媒介，其中也會涵蓋著大量的用戶行為數(shù)據(jù)，同時也能實現(xiàn)宣傳金融服務(wù)的作用?；ヂ?lián)網(wǎng)金融與傳統(tǒng)金融方式不同，其不會與用戶之間面對面的交談，無法面對面地感受到用戶的感受，客戶的異常行為起也較難感知?；诖耍瑸榱诉M(jìn)一步提升互聯(lián)網(wǎng)金融平臺服務(wù)的質(zhì)量，促使金融平臺有效地掌握客戶的操作行為。因此，可以采用數(shù)據(jù)挖掘技術(shù)，將用戶的操作行為記錄下來，在對其行為進(jìn)行分析，最終從中獲取到用戶的實際情況，針對性地進(jìn)行服務(wù)質(zhì)量改善[10]。（5）第三方支付數(shù)據(jù)大數(shù)據(jù)金融行業(yè)的資金以及結(jié)算的屬于通道便是支付，這種平臺可以對用戶消費的相關(guān)信息進(jìn)行分析。主要包括對用戶支付方向、消費品牌以及月支付額度進(jìn)行分析。并以用戶的實際情況為基礎(chǔ)對其進(jìn)行信用評級。（6）生活服務(wù)類型的網(wǎng)站數(shù)據(jù)。這種生活服務(wù)類數(shù)據(jù)主要涉及到生活類的，包括水、電、煤氣以及物業(yè)費繳納等方面，這種數(shù)據(jù)能將用戶個人的基本信息比較客觀且真實地展現(xiàn)出來，屬于信用評級過程中一種比較重要的信息數(shù)據(jù)類型。

4 結(jié)語

綜上所述，在大數(shù)據(jù)金融領(lǐng)域存在著大量的信息，相關(guān)企業(yè)要善于借助信息挖掘技術(shù)將其中的有用信息提取出來，并將其應(yīng)用到市場經(jīng)營過程中，實現(xiàn)對金融風(fēng)險的提前預(yù)測，并采用有效的方式解決問題。最終促進(jìn)大數(shù)據(jù)金融行業(yè)可持續(xù)發(fā)展，為社會經(jīng)濟(jì)發(fā)展做貢獻(xiàn)。

參考文獻(xiàn)：

[1]董喆.基于互聯(lián)網(wǎng)金融平臺的大數(shù)據(jù)挖掘研究[J].現(xiàn)代經(jīng)濟(jì)信息，2014，12（20）：261262.

[2]劉新海.大數(shù)據(jù)挖掘助力未來金融服務(wù)業(yè)[J].金融市場研究，2014，25（2）：8996.

[3]倪萬.基于大數(shù)據(jù)的電影輿情數(shù)據(jù)挖掘與風(fēng)險監(jiān)控研究[J].當(dāng)代電影，2016，72（2）：7176.

[4]王雅潔，楊冰，羅艷.等.大數(shù)據(jù)挖掘在食品安全風(fēng)險預(yù)警領(lǐng)域的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2015，25（8）：332334.

[5]李佩金.大數(shù)據(jù)思維在金融學(xué)研究中的運用[J].現(xiàn)代經(jīng)濟(jì)信息，2016，33（15）：8993.

[6]武劍.金融大數(shù)據(jù)的戰(zhàn)略與實施[J].金融市場研究，2014，59（6）：7886.

[7]李浩光.數(shù)據(jù)挖掘在防范金融風(fēng)險中的研究及應(yīng)用[J].計算機安全，2014，58（2）：4851.

[8]周金，何文婷，陳巧.數(shù)據(jù)挖掘在金融風(fēng)險管理中的運用[J].科技風(fēng)，2011，27（16）：273.

[9]沙莎.大數(shù)據(jù)在金融行業(yè)的應(yīng)用[J].中國金融電腦，2014，89（6）：34.

[10]方文杰.基于大數(shù)據(jù)技術(shù)下的金融監(jiān)管信息系統(tǒng)建設(shè)研究[J].信息與電腦：理論版，2015，27（15）：1213.

基金項目：2016年江西省高等學(xué)校教學(xué)改革研究省級課題“大數(shù)據(jù)時代高職院校數(shù)據(jù)存儲與應(yīng)用的建設(shè)研究”（課題編號：JXJG16283）

作者簡介：黃艷梅（1979），女，江西新余人，碩士，講師，主要研究方向：計算機網(wǎng)絡(luò)技術(shù)。