下载此文档

数据挖掘技术在财务风险分析中的应用.doc


文档分类:IT计算机 | 页数:约7页 举报非法文档有奖
1/7
下载提示
  • 1.该资料是网友上传的,本站提供全文预览,预览什么样,下载就什么样。
  • 2.下载该文档所得收入归上传者、原创者。
  • 3.下载的文档,不会出现我们的网址水印。
1/7 下载此文档
文档列表 文档介绍
数据挖掘技术在财务风险分析中的应用
王 晗 提要随着信息技术的发展,企业如何在大量的信息中挖掘出有用的信息,对企业财务风险进行有效的分析和防范,成为企业迫切需要解决的问题。将数据挖掘运用到财务风险的分析中,就能在数据量庞大的财务数据中,对数据进行筛选,提取出有价值的数据,使企业提高财务活动的自觉性,减少盲目性。

一、数据挖掘

(一)数据挖掘的概念。数据挖掘(DM)是近年来随着人工智能和数据库发展而出现的一门新兴技术,它综合了统计学、模式识别、人工神经网络、遗传算法等先进技术。数据挖掘是数据库中知识发现(KDD)中的核心部分,KDD一词首次出现在1989年8月举行的第11届国际联合工人智能学术会上,从1989年至今,KDD的定义随着人们研究的不断深入也在不断完善。目前,比较公认的定义是Fayyad等给出的:KDD是从数据集中识别出有效的、新颖的、潜在的、有用的以及最终可理解模式的高级处理过程。KDD的过程一般包括数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估、知识表示等。其中数据挖掘,指从数据库储存的大量数据中,提取隐含在其中的、以前未知的、具有潜在应用价值的模型或规则等有用知识的复杂过程,是一类深层次的数据分析方法。提取的知识表示为概念、规则、规律、模式等形式。也可以说,数据挖掘是一类深层次的数据分析,是实现数据上升到知识的必然过程。但在通常的应用中,并不区分KDD和DM的概念。
数据挖掘包含了一系列旨在从数据集中发现有用而尚未发现的模式的技术。数据挖掘的目的是为决策建模,即根据对过去活动的分析预测将来的行为。这也是数据挖掘最吸引人的地方,即它能建立预测型而不是回顾型的模型。
(二)数据挖掘的主要方法。数据挖掘是一种综合性技术,其所涉及的学科领域主要包括数学、计算机科学、管理科学和信息科学等,主要方法有:
1、决策树方法。决策树方法是数据挖掘中经常使用的方法,它可以用来进行数据分析,也可以用来做预测。决策树是一个类似流程图的树型结构,其中每个内部节点表示在一个属性上的测试,每个分枝代表一个测试输出,而每个树叶点代表类或类分布,树的最顶层节点是根节点。决策树建立的过程,即树的生长过程是不断地把数据进行切分的过程,每次切分对应一个问题,也对应着一个节点。对每个切分都要求分成的组之间的“差异”最大。
2、神经网络法。神经网络最早由心理学家和神经生物学家提出,旨在寻求开发和测试神经的计算模拟。由于神经网络在解决复杂问题时能够提供一种相对简单的方法,因此近年来越来越受到人们的关注。典型的神经网络模型主要分三大类:(1)以感知机、BP反向传播模型、函数型网络为代表的,用于分类、预测和模式识别的前馈式神经网络模型;(2)以Hopfield的离散模型和连续模型为代表的,分别用于联想记忆和优化计算的反馈式神经网络模型;(3)以ART模型、Kohonen模型为代表的,用于聚类的自组织映射方法。
3、模糊数学法。客观事物往往具有某种不确定性。系统的复杂性越高,则其精确性越低,也就意味着模型性越强。在数据挖掘过程中,利用模糊数学方法对实际问题进行模糊评判、模糊决策、模糊识别和模糊聚类,往往能够取得更好的效果。
(三)数据挖掘流程
1、数据挖掘环境。数据挖

数据挖掘技术在财务风险分析中的应用 来自淘豆网www.taodocs.com转载请标明出处.

相关文档 更多>>
非法内容举报中心
文档信息
  • 页数7
  • 收藏数0 收藏
  • 顶次数0
  • 上传人黛玉文档
  • 文件大小16 KB
  • 时间2022-05-18