28.txt

This complete matlab for neural network

发信人: zrs (tita), 信区: DataMining
标  题: 金融行业数据挖掘技术应用论坛 zz
发信站: 南京大学小百合站 (Sat Jan  4 14:59:54 2003)

具体可见
http://www.dmgroup.org.cn/meet/finance.htm
里面有一些比较实用且有价值的东西，不错

金融行业数据挖掘技术应用论坛 

数据挖掘讨论组 朱建秋 [e-mail]
 

 

一、             简介

“金融行业数据挖掘技术应用论坛”由中国电子信息产业发展研究院(CCID)和其旗下赛迪
集团战略数据资源管理中心主办，北京赛迪数据有限公司负责具体承办，2002年11月25日
在北京新世纪饭店召开。
 

二、             会议纪要

1． 会议内容

 

1)        数据挖掘技术与金融分析

 
  

内容

n         数据仓库结构与技术

n         数据挖掘技术

n         评分系统在金融决策中的应用

n         数据挖掘用于评分系统
 
主要观点：

（1）       数据仓库是适合知识发现的过程的结构。数据仓库的处理过程是从“数据清
理/整合——>数据仓库——>数据选择——>数据挖掘——>模式评价——>知识”不断循环
的过程（注：类似Fayyad 96年提出的数据挖掘过程模型）。

（2）       将数据仓库和挖掘的结构划分为四个层次：第一层是数据层，第二层是多维
数据库层MDDB，第三层是OLAP和OLAM，第四层是用户界面。（注：类似Han Jiawei的OLAM
体系结构）

（3）       数据挖掘过程包括：数据选择，数据转换，数据挖掘，数据解释。

（4）       数据挖掘的方法：联想，划分，聚类，预测，顺序模式，相似时间序列。


（5）       数据挖掘的科学方法数学工具：统计学，决策树，神经网络，模糊逻辑，线
性规划。

（6）       个人信用评分系统是将个人信用的历史（六个月以上）经过45至65个因素的
刻划后表述的决策模型。通常个人信用评分为350至850之间。每人从850分起，有坏帐记录
，即扣去不同比例的分数。经过评分模型的分析，最后得到决策评分。（850为最好）

（7）       评分因素：过去的付帐历史、信用欠帐量、信用卡使用时间、新信用卡的申
请、信用卡的类、信用卡交易情况、现金提取情况

（8）       应用前景：银行各类信贷风险分析，企业和个人信用风险分析

 
 

 

 



2)        如何利用数据挖掘工具协助进行市场营销

 
  

内容

n         数据挖掘的定义

n         IBM数据挖掘的解决方案

n         在金融行业的应用
 
主要观点：

（1）       强调了数据挖掘过程，首先必须明确需要解决的商业问题。

（2）       IBM有从数据库到最上层的挖掘工具的一整套商业智能解决方案。

（3）       在银行应用的层次：信用评分，购物篮分析，区隔分析，交叉营销/向上营销
，客户流失，客户价值。

（4）       讲解了Lift Chart图的含义
 

 

3)        数据挖掘在金融行业的应用趋势分析

 
  
 内容

n         数据管理技术的挑战

n         结构化数据挖掘应用

n         非结构化数据挖掘应用

n         金融行业数据挖掘应用趋势
 
 
 主要观点：

（1）       八十年代初，银行自动化建设，九十年代初银行网络化建设阶段，九五末期
，数据大集中。

（2）       2002年上半年金融行业IT应用特点：数据大集中平稳进行，“银联”改善信
用卡环境，电视会议扩大应用，个人理财系统成为新焦点，农信社信息化市场升温，无线
局域网开始应用。

（3）       结构化挖掘原理：从现有业务系统中抽取数据（业务数据、客户数据），建
立深层次的分析体系（数据仓库、数据集市、业务分析模型），以信息驱动业务的管理、
新一代电子商务企业（市场触觉敏感、以客户为中心、以信息驱动）。

（4）       一个比喻：数据仓库和数据挖掘好比一个大的厨师烧菜，开始需要选择原料
，然后，将各种原料加工完毕（洗、切、剁等等），分门别类的放在厨房，这时候厨房就
象数据仓库。厨师根据这些原料做出菜肴，就象数据挖掘得出有意义的知识。

（5）       结构化数据挖掘内容：

（6）       人事、财务
 
生产、销售
 
客户资料
 
数据仓库
 
抽取
 
过滤
 
转换
 
市场需求
 
客户忠诚度
 
客户等级
 
客户销售
 
模型分析
 

非结构化数据挖掘的意义：企业战略规划的制定和战术方案的实施离不开对于海量非结构
化数据的挖掘和现有知识的管理！

（7）       非结构化数据挖掘在企业竞争情报系统的应用，企业竞争情报系统将成为下
一个数据挖掘应用的热点。

（8）       金融行业数据挖掘应用趋势，在数据集中的平台上，结合结构化和非结构化
数据挖掘技术，部署企业的商业智能、客户关系管理、市场销售分析、竞争对手分析、市
场需求动向等。

 
 
4)        用友金融行业财务管理解决方案

黄伟先生一上来演示了一个FLASH游戏，在多张不同花色的牌中，让观众记住一张牌，说明
他能够知道所有人记住的是什么牌。然后，他抽去一张牌，再打开其他的牌，观众所记住
的牌已经都不在了。原因很简单，他换去了所有牌的花色，造成一种错觉。黄伟先生用这
个游戏说明，错觉往往带来错误的决策，引申开来，数据挖掘需要有正确的数据，才能进
行深入的挖掘。

介绍了用友集中式的财务管理解决方案，说明必须先收集这些重要的财务数据，才能进行
更深入的挖掘。

5)        CA数据管理技术行业应用解决方案

讲解了CA公司的情况，以及CA的商业智能解决方案，特出了CA自己研制的一种预测技术。


6)        透过数据挖掘改善客户服务中心的管理

讲解了一些数据挖掘概念性的东西，并举出了那个经典的“啤酒-尿布”的案例。
 
   

 



7)        金融信用决策的技术突破——数据挖掘的应用

 
  

n         引言

n         信用周期一般介绍

n         信用决策的简化流程

n         信用决策技术解析

n         信用决策技术的几个例子

n         信用决策技术带来的利益

n         中国运用信用技术的可行方案
 
 
 
 

主要观点：

（1）       抵押贷款有很多缺点，信用贷款都能弥补，所以信用贷款是好的，是趋势。




（2）       信用周期（Credit Life Cycle）：

招商

Account Acquisition
 
立户

Account Origination
 
 

信用决策管理

CRM
 
信用风险，市场管理（Risk & Marketing）

付帐管理（Billing & Remittance）

信用量管理（Line Increase & Line Decrease）

超支管理（Over limit）

离走管理（Attrition）

促销管理（Promotions）

定价管理（Pricing）

再授信（Reissue）

… …
 
资信金融

Securitization
 
收帐

Collection & Recoverary
 

（3）       信用决策简化流程

外部
 
内部
 
数据管理

Data MGMT
 
 

 

决策

制定中心
 
执行系统Strategy Execution
 
顾客或潜在顾客
 
作用于Action