基于數(shù)據(jù)挖掘技術(shù)的金融風(fēng)險(xiǎn)分類預(yù)警研究.pdf

1、會(huì)融風(fēng)險(xiǎn)預(yù)警是金融數(shù)據(jù)挖掘中的一個(gè)重要研究方向，由于金融數(shù)據(jù)具有類型多樣、關(guān)系復(fù)雜、數(shù)據(jù)動(dòng)態(tài)性、數(shù)據(jù)量大等一般特征，此外還有高噪音、非正態(tài)等特征。因此，金融風(fēng)險(xiǎn)預(yù)警更有挑戰(zhàn)性。運(yùn)用數(shù)據(jù)挖掘技術(shù)能夠從海量的金融數(shù)據(jù)中發(fā)現(xiàn)隱藏在其背后的規(guī)律，有效地降低金融機(jī)構(gòu)的運(yùn)營風(fēng)險(xiǎn)，因此會(huì)融風(fēng)險(xiǎn)預(yù)警有著廣闊的應(yīng)用價(jià)值和市場前景。
　　 本文的研究工作共分為六個(gè)部分，其具體的結(jié)構(gòu)安排如下：
　　 第一章首先介紹本課題研究的歷史背景及意義，

2、同時(shí)回顧了關(guān)于金融風(fēng)險(xiǎn)預(yù)警和數(shù)據(jù)挖掘技術(shù)的國內(nèi)外研究現(xiàn)狀，并在此基礎(chǔ)上提出了本文的研究目的與意義。
　　 第二章在主要介紹了關(guān)于金融風(fēng)險(xiǎn)基本概念及其風(fēng)險(xiǎn)預(yù)警的一般步驟。
　　 第三章系統(tǒng)的分析了數(shù)據(jù)挖掘的方法及其特點(diǎn)，并對(duì)其在金融領(lǐng)域中的應(yīng)用進(jìn)行了分析，通過與會(huì)融領(lǐng)域中傳統(tǒng)方法的對(duì)比，證明了數(shù)據(jù)挖掘技術(shù)是可行的。
　　 第四章重點(diǎn)研究了模糊聚類模型，在傳統(tǒng)的模型上添加了聚類數(shù)c和權(quán)指數(shù)m的改進(jìn)方法?？紤]到BP神經(jīng)

3、網(wǎng)絡(luò)模型的收斂速度慢，目標(biāo)函數(shù)存在局部極小點(diǎn)，隱含層數(shù)和隱節(jié)點(diǎn)數(shù)難以確定等缺點(diǎn)，本文采用增加動(dòng)量項(xiàng)的改進(jìn)BP模型。將兩種模型組合而成的混合模型應(yīng)用到在會(huì)融風(fēng)險(xiǎn)預(yù)警領(lǐng)域。
　　 第五章根據(jù)第四章建立的混合模型進(jìn)行了實(shí)證分析，并與BP算法分析的結(jié)果進(jìn)行了誤差對(duì)比，結(jié)果表明了混合模型的優(yōu)越性。
　　 第六章是本文的最后一章，在這一章中，我們首先對(duì)本文的所有工作進(jìn)行了總結(jié)。同時(shí)，我們也指出了仍然有待解決的幾個(gè)問題以及本課題今后的