數(shù)據(jù)挖掘在金融行業(yè)的應(yīng)用

摘 要：在信息化快速發(fā)展的時(shí)代，計(jì)算機(jī)的相關(guān)技術(shù)和功能得到了相應(yīng)的拓展，數(shù)據(jù)挖掘也應(yīng)運(yùn)而生。數(shù)據(jù)挖掘就是利用各種技術(shù)對海量的數(shù)據(jù)進(jìn)行采集、分析、轉(zhuǎn)換及統(tǒng)計(jì)，并為各類決策提供技術(shù)支持，它能在各個(gè)行業(yè)領(lǐng)域中運(yùn)用，具有很廣闊的應(yīng)用前景。詳盡地概述數(shù)據(jù)挖掘的相關(guān)理論，并針對當(dāng)前金融領(lǐng)域的熱點(diǎn)研究，探討數(shù)據(jù)挖掘技術(shù)在金融行業(yè)的應(yīng)用主要表現(xiàn)為：風(fēng)險(xiǎn)控制、業(yè)務(wù)關(guān)聯(lián)分析、客戶關(guān)系管理、識別金融欺詐及洗錢等經(jīng)濟(jì)犯罪、企業(yè)核心競爭力、數(shù)據(jù)倉庫的構(gòu)造。

關(guān)鍵詞：數(shù)據(jù)挖掘;金融行業(yè);應(yīng)用

中圖分類號：F832 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號：1673-291X（2021）15-0057-03

引言

在當(dāng)今信息化高速發(fā)展的時(shí)代，銀行、證券、保險(xiǎn)等金融行業(yè)每天都會產(chǎn)生大量繁雜冗余的數(shù)據(jù)，目前的技術(shù)只能解決數(shù)據(jù)的錄入、查詢以及統(tǒng)計(jì)等功能，但有很多十分有價(jià)值的信息由于其隨機(jī)性的特征而隱藏在其中，并沒有被人們發(fā)現(xiàn)。而如今金融市場行業(yè)迫切需要解決的問題就是，如何發(fā)現(xiàn)海量的數(shù)據(jù)中存在的關(guān)聯(lián)關(guān)系，如何從現(xiàn)有的數(shù)據(jù)中充分發(fā)揮金融數(shù)據(jù)的商業(yè)價(jià)值，預(yù)測金融業(yè)未來的發(fā)展趨勢。而解決該問題的有效手段就是數(shù)據(jù)挖掘技術(shù)，它作為一個(gè)新興的研究領(lǐng)域，已經(jīng)廣泛地應(yīng)用到了眾多的領(lǐng)域。它可以從海量的數(shù)據(jù)中提取出潛在的有用且有價(jià)值的信息數(shù)據(jù)，以此幫助人們進(jìn)行科學(xué)決策。

一、數(shù)據(jù)挖掘的相關(guān)理論

（一）數(shù)據(jù)挖掘的定義

數(shù)據(jù)挖掘就是對數(shù)據(jù)庫中的龐大數(shù)據(jù)進(jìn)行相應(yīng)的處理，即提取和分類，從海量的、不完全的、模糊的以及隨機(jī)的各種數(shù)據(jù)中能夠提取出未知的、潛在的、預(yù)測能夠?qū)θ藗冇杏玫男畔?。并且這些信息，能夠?yàn)槿藗冊诮鹑陬I(lǐng)域的籌劃、分析、決策和預(yù)測等方面提供參考依據(jù)。

（二）數(shù)據(jù)挖掘的主要方法

數(shù)據(jù)挖掘技術(shù)綜合性強(qiáng)，并跨越各大學(xué)科和行業(yè)，不僅在IT行業(yè)有應(yīng)用，在醫(yī)學(xué)、數(shù)學(xué)、信息管理、金融、等多個(gè)行業(yè)領(lǐng)域都有較為廣泛的前景。針對數(shù)據(jù)分析，數(shù)據(jù)挖掘的方法主要有分類、回歸分析、聚類、關(guān)聯(lián)規(guī)則、Web挖掘等，運(yùn)用這些方法可以從不同的角度對海量數(shù)據(jù)進(jìn)行挖掘。目前，運(yùn)用到金融領(lǐng)域的數(shù)據(jù)挖掘相關(guān)技術(shù)主要包括：關(guān)聯(lián)分析、聚類、分類、異常檢測、估值和預(yù)測。

1.關(guān)聯(lián)分析。該方法主要是研究數(shù)據(jù)庫中各種數(shù)據(jù)項(xiàng)之間的關(guān)系，找出這些關(guān)系的某種規(guī)律性，即找出數(shù)據(jù)中可以隱藏的數(shù)據(jù)項(xiàng)之間的相關(guān)性。目前該方法已經(jīng)廣泛運(yùn)用于多個(gè)領(lǐng)域，在金融行業(yè)可以成功預(yù)測銀行客戶需求，在新聞行業(yè)可以進(jìn)行基于興趣的實(shí)時(shí)新聞推薦，在交通行業(yè)可以進(jìn)行交通事故成因分析。在金融領(lǐng)域，在進(jìn)行股票投資選擇組合時(shí)，可以根據(jù)相關(guān)度進(jìn)行決策以達(dá)到在維持基本收益的基礎(chǔ)上降低資產(chǎn)組合的風(fēng)險(xiǎn)系數(shù)，獲得最佳投資組合。

2.聚類。該方法是將所要分析的數(shù)據(jù)信息按照相似性和差異性進(jìn)行分類，使得屬于同一類別的數(shù)據(jù)之間的距離較小，即相似性盡可能大;或使不同類別的數(shù)據(jù)之間的距離較大，即相似性盡可能小，形成不同的聚集，綜合分析不同類型的聚集，得出企業(yè)需要的結(jié)果。該方法主要運(yùn)用于對客戶群體進(jìn)行分類，分析客戶的背景、分析預(yù)測客戶的購買商品趨勢、進(jìn)一步細(xì)致地劃分市場等。

3.分類。該方法是描述離散型變量的輸出，并且類別是確定數(shù)目的，是從數(shù)據(jù)庫海量離散的信息數(shù)據(jù)中篩選整理出多個(gè)信息數(shù)據(jù)訓(xùn)練集，然后按照分類模式通過數(shù)據(jù)挖掘技術(shù)對訓(xùn)練集進(jìn)行數(shù)據(jù)分類，創(chuàng)建分類模型，對于那些沒有分類的數(shù)據(jù)進(jìn)行重新分類，并且這些數(shù)據(jù)類的類型和個(gè)數(shù)都是事先定義好的，只需要按照不同類的特性進(jìn)行數(shù)據(jù)分類。比如，在金融領(lǐng)域可以將客戶群體劃分為普通、中級、高級等，該方法可以對客戶群體進(jìn)行分類，分析客戶的屬性和特點(diǎn)、分析客戶的滿意度以及對客戶的選購傾向進(jìn)行預(yù)測。

4.異常檢測。該方法也被稱為偏差檢測和例外挖掘。異常數(shù)據(jù)主要來源于分類中的反常實(shí)例，自然變異，數(shù)據(jù)測量或收集誤差，模式的例外，觀察結(jié)果對于模型預(yù)測的偏差，以及量值因時(shí)間的變化等等。該方法在金融領(lǐng)域，可以識別出異常數(shù)據(jù)，可以查找出股市中股票的操縱和信用卡詐騙以及貸款欺詐等金融違規(guī)違法行為，可以有效地凈化金融市場。

5.估值。該方法是用來處理連續(xù)值的輸出，通過對所輸入的數(shù)據(jù)進(jìn)行估計(jì)，輸出一些連續(xù)變量的值，然后根據(jù)預(yù)先設(shè)計(jì)好的閾值進(jìn)行分類。比如銀行信用卡就是運(yùn)用估值得到的閾值，針對不同的客戶進(jìn)行差別設(shè)計(jì)額度。

6.預(yù)測。該方法是根據(jù)數(shù)據(jù)估值和數(shù)據(jù)分類，綜合分析數(shù)據(jù)模型，利用數(shù)據(jù)模型來預(yù)測未知變量。然后根據(jù)數(shù)據(jù)的關(guān)聯(lián)規(guī)則以及相關(guān)性分析，決定哪些數(shù)據(jù)集合會導(dǎo)致另外一組數(shù)據(jù)的出現(xiàn)，即合理分析事物出現(xiàn)的可能性。預(yù)測的目的就是通過分析變量預(yù)測未來變量，并且這種預(yù)測在一段時(shí)間后是可以得到驗(yàn)證的。

（三）數(shù)據(jù)挖掘的主要步驟

1.定義問題。要弄清楚目前需要解決什么樣的問題，是屬于分類問題或者回歸問題，這個(gè)步驟決定了后續(xù)的分析方法和方向。相關(guān)人員需要根據(jù)相關(guān)部門的需求，切實(shí)了解和掌握好有關(guān)數(shù)據(jù)和業(yè)務(wù)的情況，能夠清晰、準(zhǔn)確地定義目標(biāo)數(shù)據(jù)和業(yè)務(wù)，使得該目標(biāo)具有可行性、可操作性和可評價(jià)性。例如，在銀行投資理財(cái)業(yè)務(wù)中，儲蓄用戶的投資比例是在某個(gè)地區(qū)進(jìn)行變動(dòng)還是全部進(jìn)行變動(dòng)、提升多少比例等情況，需要進(jìn)行清晰明確的定義，才能建立模型。

2.數(shù)據(jù)收集。該步驟是開展數(shù)據(jù)挖掘與分析的基礎(chǔ)，根據(jù)確定的業(yè)務(wù)對象，搜索所有與之相關(guān)的內(nèi)外部數(shù)據(jù)信息，抽象出數(shù)據(jù)挖掘所需要的特征信息，然后選擇合適的信息收集方式，將其存入數(shù)據(jù)庫。在研究分析金融風(fēng)險(xiǎn)時(shí)，數(shù)據(jù)可以來源于上市公司的財(cái)務(wù)報(bào)表，也可以是證券交易所每天對外公告的數(shù)據(jù)。

3.數(shù)據(jù)預(yù)處理。收集到的數(shù)據(jù)并不是完全的，有些缺失屬性值，有些包含錯(cuò)誤的屬性值，有些是重復(fù)樣本，有些是明顯偏離樣本數(shù)據(jù)的，因此需要進(jìn)行數(shù)據(jù)的清洗處理，合并多張互相關(guān)聯(lián)的表格為一張，去除特征間的量綱差異，通過離散化、啞變量處理等技術(shù)，得到完整準(zhǔn)確的數(shù)據(jù)。從金融視角出發(fā)，需要確定影響金融風(fēng)險(xiǎn)的有關(guān)變量，確定金融風(fēng)險(xiǎn)發(fā)生的幾率和程度以及要計(jì)量的損失額。

4.數(shù)據(jù)挖掘。采用回歸分析、交叉分析等分析方法，以及聚類、分類、關(guān)聯(lián)規(guī)則等方法進(jìn)行建模，并進(jìn)行不斷的訓(xùn)練和測試，最終獲得準(zhǔn)確的數(shù)據(jù)模型。

5.模型評估和優(yōu)化。數(shù)據(jù)挖掘的結(jié)果可能有很多情況，因此需要根據(jù)經(jīng)驗(yàn)進(jìn)行分析評估，或者用實(shí)際數(shù)據(jù)驗(yàn)證模型的可行性。對建立好的數(shù)據(jù)模型進(jìn)行分析評價(jià)，評估風(fēng)險(xiǎn)的性質(zhì)和程度，比較風(fēng)險(xiǎn)與風(fēng)險(xiǎn)評價(jià)標(biāo)準(zhǔn)。

二、數(shù)據(jù)挖掘在金融行業(yè)的應(yīng)用

在當(dāng)今的大數(shù)據(jù)時(shí)代，數(shù)據(jù)挖掘技術(shù)由于其極佳的數(shù)據(jù)信息提取能力，使得很多行業(yè)都有了較大的轉(zhuǎn)型和改變，推動(dòng)了各行業(yè)各市場經(jīng)濟(jì)體系的快速發(fā)展，并且朝著新的領(lǐng)域繼續(xù)開拓新的業(yè)務(wù)。數(shù)據(jù)挖掘技術(shù)在金融領(lǐng)域得到了較為廣泛的應(yīng)用，從宏觀經(jīng)濟(jì)到微觀經(jīng)濟(jì)，從整體發(fā)展到局部發(fā)展，從現(xiàn)時(shí)分析到未來預(yù)測，數(shù)據(jù)挖掘技術(shù)在金融行業(yè)的具體應(yīng)用都得到了很好的效果。

目前，數(shù)據(jù)挖掘技術(shù)在金融行業(yè)的應(yīng)用主要表現(xiàn)為以下幾個(gè)方面。

第一，風(fēng)險(xiǎn)控制。金融行業(yè)，在計(jì)算貸款償還效能和客戶信用等級時(shí)，受到不同因素的影響會產(chǎn)生不同的結(jié)果。數(shù)據(jù)挖掘的方法，比如特征選取和屬性相關(guān)性計(jì)算，有助于識別相關(guān)因素和非相關(guān)因素。例如，與貸款償還風(fēng)險(xiǎn)相關(guān)的因素有很多，但是其中主導(dǎo)因素是償還與收入比率，銀行可以因此調(diào)整貸款發(fā)放政策。同時(shí)通過分析相關(guān)資金數(shù)據(jù)，可以控制營業(yè)風(fēng)險(xiǎn)，以此改變公司總部原來的資金控制模式，并通過橫向比較及時(shí)了解資金情況，達(dá)到風(fēng)險(xiǎn)預(yù)警的效果。

第二，業(yè)務(wù)關(guān)聯(lián)分析。利用數(shù)據(jù)挖掘技術(shù)分析企業(yè)的大量交易數(shù)據(jù)信息，構(gòu)建相關(guān)的數(shù)學(xué)模型，從中可以發(fā)現(xiàn)許多交易信息背后的市場走勢、客戶需求變化等趨勢信息。企業(yè)可以利用這些信息，洞察金融行業(yè)的相關(guān)變化，及時(shí)調(diào)整企業(yè)經(jīng)營戰(zhàn)略，以此幫助企業(yè)做出正確的判斷和決策。比如，銀行存儲了眾多的客戶交易信息，通過關(guān)聯(lián)分析可以找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)，可以挖掘分析客戶平時(shí)的收入水平、購物水平、消費(fèi)習(xí)慣等指標(biāo)，發(fā)現(xiàn)客戶的潛在需求。同時(shí)銀行可以交叉分析各理財(cái)產(chǎn)品，尋找出關(guān)聯(lián)性較強(qiáng)的產(chǎn)品，可對客戶有針對性地進(jìn)行營銷。

第三，客戶關(guān)系管理。它是指企業(yè)利用數(shù)據(jù)挖掘技術(shù)對客戶進(jìn)行整合營銷，是以客戶為核心對企業(yè)營銷進(jìn)行技術(shù)實(shí)現(xiàn)和管理實(shí)現(xiàn)，主要是為了吸引和留住有用的人才?？蛻絷P(guān)系管理主要分為四個(gè)方面，分別是客戶獲取、客戶細(xì)分、客戶盈利能力分析以及客戶的保持。數(shù)據(jù)挖掘技術(shù)通過收集客戶與金融企業(yè)互動(dòng)過程中產(chǎn)生的常規(guī)信息，分析客戶行為，以此來探索發(fā)現(xiàn)客戶的行為規(guī)律，比如整體行為表現(xiàn)和群體行為模式，有關(guān)部門可以根據(jù)所發(fā)現(xiàn)的規(guī)律制定相應(yīng)的個(gè)性化服務(wù)策略和特定的服務(wù)產(chǎn)品;企業(yè)可以通過這些信息找出客戶的關(guān)注點(diǎn)及消費(fèi)傾向，以此提高產(chǎn)品的市場占有率和企業(yè)的競爭力。企業(yè)可以通過自動(dòng)探測聚類和購物籃分析，尋找數(shù)據(jù)庫中客戶的特征，將客戶自然分群，通過對客戶的相關(guān)特征進(jìn)行分析預(yù)測，找到新的潛在目標(biāo)客戶，潛在目標(biāo)客戶能夠給企業(yè)帶來豐厚利潤，對企業(yè)的進(jìn)一步發(fā)展來說也至關(guān)重要。同時(shí)，企業(yè)通過挖掘流失客戶的特征，能及時(shí)采取更多的措施來保留潛在流失客戶。

第四，打擊和預(yù)防金融欺詐、洗錢等經(jīng)濟(jì)犯罪。金融行業(yè)的業(yè)務(wù)一般都需要大量的貨幣流通，導(dǎo)致了很多金融欺詐、洗錢等經(jīng)濟(jì)犯罪的產(chǎn)生，包括盜卡盜取賬戶密碼、惡意透支、偽造信用卡以及洗黑錢等。金融犯罪是如今業(yè)內(nèi)面臨的棘手問題之一，這就需要金融行業(yè)重點(diǎn)監(jiān)管防范金融風(fēng)險(xiǎn)和識別金融詐騙。要偵破金融犯罪，最關(guān)鍵的就是要結(jié)合大量相關(guān)的數(shù)據(jù)，包括行業(yè)發(fā)展、個(gè)人信用等風(fēng)險(xiǎn)信息，然后通過多種不同的數(shù)據(jù)挖掘技術(shù)和工具尋找異常情形，包括在短時(shí)間內(nèi)少數(shù)人員之間的頻繁的巨額資金流動(dòng)周轉(zhuǎn)，預(yù)測其風(fēng)險(xiǎn)等級，為決策者防范規(guī)避風(fēng)險(xiǎn)提供可供參考的信息。同時(shí)，數(shù)據(jù)挖掘技術(shù)可以通過分析一些詐騙行為模式，挖掘出其中所隱藏的共性，能夠及時(shí)給企業(yè)發(fā)出預(yù)警，提醒企業(yè)加強(qiáng)監(jiān)管。

第五，增強(qiáng)企業(yè)核心競爭力。金融企業(yè)的實(shí)力，主要表現(xiàn)為其自身擁有的資本實(shí)力和企業(yè)整體員工的知識水平和素質(zhì)，同時(shí)后者是金融行業(yè)的核心競爭力，數(shù)據(jù)挖掘技術(shù)可以幫助企業(yè)挖掘出員工的知識需求，包括其對企業(yè)績效產(chǎn)生影響的隱性知識組合，可以幫助企業(yè)及時(shí)選擇相應(yīng)的招聘策略和培訓(xùn)方向。同時(shí)，企業(yè)可以通過數(shù)據(jù)挖掘技術(shù)分析研究企業(yè)的外部潛在影響因素，包括市場情形、潛在用戶、供應(yīng)商信息以及競爭對手的相關(guān)情況，這些外部市場信息對于企業(yè)的經(jīng)營具有極其重要的意義，充分的市場知識能夠幫助企業(yè)更容易地制定正確的戰(zhàn)略決策。數(shù)據(jù)挖掘技術(shù)可以通過收集分析企業(yè)外部知識，得出對企業(yè)發(fā)展有潛在重大影響或者重大影響的外部信息，輔助制定合理的企業(yè)發(fā)展步驟，能夠使企業(yè)抓住市場的機(jī)遇，調(diào)整經(jīng)營策略，能夠有效地增強(qiáng)金融企業(yè)的核心競爭力，最終實(shí)現(xiàn)企業(yè)的長遠(yuǎn)發(fā)展。

第六，數(shù)據(jù)倉庫的構(gòu)造。數(shù)據(jù)倉庫是在數(shù)據(jù)模型的指導(dǎo)下，通過收集系統(tǒng)在內(nèi)部和外部的數(shù)據(jù)信息，保證數(shù)據(jù)的一致性、準(zhǔn)確性和時(shí)效性，以此實(shí)現(xiàn)數(shù)據(jù)共享和分析利用。在為金融數(shù)據(jù)構(gòu)造數(shù)據(jù)倉庫時(shí)，需要采用多維數(shù)據(jù)分析方法來分析數(shù)據(jù)的所有屬性，企業(yè)可以按照部門、地區(qū)、月份以及其他一些因素，查看相關(guān)的負(fù)債以及收入的變化情況，同時(shí)補(bǔ)充完善總和、最大、最小、平均值等相關(guān)統(tǒng)計(jì)信息。數(shù)據(jù)倉庫的設(shè)計(jì)和構(gòu)造將會為數(shù)據(jù)挖掘以及金融數(shù)據(jù)的分析提供很大的作用。

結(jié)語

數(shù)據(jù)挖掘技術(shù)雖然出現(xiàn)的時(shí)間不長，但其已經(jīng)在我國的金融業(yè)信息化建設(shè)中占據(jù)了舉足輕重的地位，正不斷地推動(dòng)著金融行業(yè)的發(fā)展，并且在多領(lǐng)域被廣泛應(yīng)用，包括金融、電子商務(wù)、電子政務(wù)、證券、保險(xiǎn)等等，能夠快速幫助企業(yè)在激烈的市場競爭中取得優(yōu)勢地位，不斷推進(jìn)金融行業(yè)的發(fā)展，并且擁有很廣闊的前景和未來。在日益開放的金融市場中，數(shù)據(jù)挖掘技術(shù)將成為分析客戶數(shù)據(jù)的基礎(chǔ)，在很大程度上為金融行業(yè)各級領(lǐng)導(dǎo)部門在相關(guān)運(yùn)營決策方面提供切實(shí)可行的參考，以優(yōu)化金融資源、提高金融質(zhì)量，能夠更加廣泛地作用于金融產(chǎn)品的研發(fā)和變革，成為金融領(lǐng)域發(fā)展不可或缺的因素之一。最終，數(shù)據(jù)挖掘技術(shù)將為金融行業(yè)的未來發(fā)展發(fā)揮重要的作用，同時(shí)將創(chuàng)造一個(gè)更為廣闊的平臺，為金融行業(yè)的跨越式發(fā)展起到科學(xué)導(dǎo)向作用。

參考文獻(xiàn)：

[1] ?于晶.大數(shù)據(jù)時(shí)代的數(shù)據(jù)挖掘及應(yīng)用探究[J].科技與創(chuàng)新，2018，（24）：160-161.

[2] ?李浩光.數(shù)據(jù)挖掘在防范金融風(fēng)險(xiǎn)中的研究及應(yīng)用[J].計(jì)算機(jī)安全，2014，（2）：48-51.

[3] ?赫然，黃今慧.大數(shù)據(jù)背景下數(shù)據(jù)挖掘技術(shù)的算法[J].電子技術(shù)與軟件工程，2019，（20）：141-142.

[4] ?楊玉珠.數(shù)據(jù)挖掘技術(shù)綜述與應(yīng)用[J].河南科技，2014，（10）.

[5] ?管剛.數(shù)據(jù)挖掘技術(shù)在金融領(lǐng)域的應(yīng)用[D].武漢：湖北軍事經(jīng)濟(jì)學(xué)院，2013.

收稿日期：2020-09-07

作者簡介：楊婷婷（1997-），女，江蘇南通人，碩士研究生，從事金融數(shù)據(jù)分析研究。