数据挖掘技术在金融领域的应用

刘 涛

(1.同济大学 上海 200092；2.交通银行天津分行 天津 300202)

1 信息技术在金融领域的传统应用

自信息技术在金融领域应用以来，其无可比拟的海量数据计算能力、数据存储能力、数据管理能力和数据传输能力极大地促进了金融领域的发展，使金融业比以往拥有了更加快速、准确、安全的查询数据、更新数据和管理数据的能力。

信息技术早期在金融领域的应用方式主要是通过数据库技术存储和客户数据管理，为客户提供一些简单的存储、查询和修改功能。随着个人电脑的普及和网络的发展，客户足不出户就能实现一些查询、支付、转账等业务，一些炒股软件更是为广大股民提供了极大的便利。而智能手机的出现则为客户提供了一个可以随时随地享用金融服务的工具。

这些信息技术在金融领域的应用仅仅涵盖了传统方面，而数据挖掘技术在金融领域的应用才是颠覆性的，它的应用对金融领域产生了巨大而又深远的影响。

2 数据挖掘技术简介

2.1 含义

数据挖掘技术是指经过提取和分类，从海量的、随机的、不完全的、模糊的、有噪声的数据中总结出潜藏的规律，发现数据之间的关系，挖掘潜在的有用信息以帮助人们进行决策的技术。通过将计算机科学与统计学等多学科的知识相结合，从多角度形成了多种数据挖掘方法，包括：神经网络、可视化技术、分类方法、聚类方法、决策树方法等。

2.2 分析方法

数据挖掘的常用方法包括聚类、分类、估值、预测、描述以及可视化5种。①聚类指对数据进行分组记录，把相似记录看作同一个聚集。通常，聚类是数据挖掘分析的第一步。如金融企业在进行行业分析时，需要将某行业的数据进行汇总，然后分组分析。②分类是指将海量离散数据进行筛选，形成信息训练集，并且创建分类模型，数据的分类是预先定义的。例如：在金融领域，将客户分为高级、中级、普通等。③估值是处理连续值的输出，通过输入数据，经过估计操作，输出一些连续变量的值，然后根据预先设计好的一些阈值进行分类。如信用卡针对不同客户设计额度就是运用估值得到的阈值，将额度进行差别设计。估值的量是不确定而连续的，而分类的类别是数目确定而离散的。④预测是通过估值或者分类得出模型，对未知变量进行预测。通过数据的关联规则和相关性分析，决定哪些数据的集合会导致另外一组数据的出现。⑤描述以及可视化是指数据挖掘在得出计算结果后如何进行表达。

3 数据挖掘技术在金融领域的应用

数据挖掘技术可以通过专门的数据库，利用特殊的软件技术，依靠专业的分析人员，从金融企业日常业务中产生的大量数据中提取和发现一些有价值的规律，并将其应用到市场分析和预测、风险管理、客户管理以及信用评估等领域，并能帮助企业形成核心竞争力，提升企业综合实力。

3.1 客户关系管理

数据挖掘技术可以通过收集客户在与金融企业互动过程中产生的常规信息对客户行为进行分析，从中寻找某一类客户的行为规律，根据这些规律可能带来的商机，由市场部门针对这一部分客户制定相应的个性化服务策略和特定的服务产品。数据挖掘技术还可以帮助金融企业根据不同层次客户群制定不同的发展战略，根据数据分析客户价值，锁定不同层次的客户群，挖掘潜在客户。此外，数据挖掘技术还可以甄别企业的大客户和潜在的大客户及他们的习惯和喜好，帮助企业为这些客户提供更适合的服务，从而与这些客户建立长期合作关系。

3.2 企业风险管理

金融领域的业务往往伴随大量的货币流通行为，金融风险防范、金融诈骗识别是金融企业需要重点管理的方面。利用数据挖掘技术可以从大量信息中发现涉及行业发展、个人信用等的风险信息，预测风险等级，为决策者规避风险提供可参考的数据。如，将数据挖掘技术应用在银行信用卡管理上，可以分析客户信用卡的使用模式，了解客户用卡习惯，动态监测信用卡的使用情况，一旦出现用卡异常，发卡行可及时采用防范措施，减少损失。数据挖掘技术还可以通过对一些诈骗行为模式的分析，发掘其中的共性，为金融企业发出预警，提醒企业加强监管，防患于未然。

3.3 市场预测

利用数据挖掘技术分析金融公司大量的交易信息数据，构建数学模型，可以发现一些交易信息背后的趋势信息，如市场走势、客户需求的变化趋势等。金融公司可以利用这些信息，洞察金融市场的细微变化，及时调整公司经营策略，帮助企业管理者做出正确的判断和决策。

3.4 客户信用分析

顾客信用分析的准确度和贷款偿还能力的预测对金融行业有着非常重要的意义。顾客信用等级的评价和贷款偿还能力的评定受许多因素影响，难以做到精确，从而影响金融企业为客户提供服务的等级。运用数据挖掘技术产生的分析方法，如数据属性选择和相关性评价，能够帮助金融企业剔除不相关的干扰因素、识别出主要影响因素。例如，在分析客户还贷能力时，与贷款偿还风险相关的因素数据包含客户的资产负债率、收入水平、信用情况、偿还收入比、贷款期限、受教育水平、居住地区等方面。通过数据挖掘技术，综合分析得出：偿还收入比是影响客户还贷能力的主要影响因素；资产负债率、受教育水平和居住地区等方面影响较小，不是主要因素。通过数据挖掘技术的分析，金融企业就能够以此作为依据，制定有针对性的金融服务策略，为顾客提供最适合的金融服务，同时保障企业拥有良好的风险控制能力。

3.5 企业核心竞争力

金融企业的实力，除了表现在其自身拥有的资本实力外，企业员工的整体知识水平也是金融行业的核心竞争力，金融行业的核心竞争力是员工知识和素质的竞争力。数据挖掘技术可以帮助金融企业发掘员工的知识需求，尤其是能挖掘出对企业绩效产生影响的隐性知识组合。通过挖掘，使企业及时采取对应的招聘策略和培训方向，有效增强金融企业核心竞争力。

企业内部知识结构包括企业的生产方式、组织架构、企业战略、企业人力资源管理和人际关系等方面，企业内部知识构成对于协调企业的经营活动有很大影响。通过数据挖掘技术，可以将金融企业内部包含的各种离散知识、运营信息进行采样、分析和管理，金融企业管理者便可基于数据挖掘技术分析的结果判断企业经营过程中可能存在的问题，这样就能够及早调查，采取应对措施，降低企业经营风险。

企业外部知识结构通常指市场知识，主要包含潜在的市场、现实的市场、客户的信息、供应商信息、竞争对手的情况等，这些外部因素都可能对企业的营销造成影响。对市场有充分的认识可以使企业制定正确的战略目标，帮助企业找准市场定位。数据挖掘技术可以帮助企业进行市场信息收集、分析，通过数学模型，得出对企业发展有影响的外部环境信息，并可以按照信息的重要性进行筛选和分类，使金融企业能制定相应的经营策略，保证企业的可持续发展。

4 结 语

信息技术与金融行业有着密不可分的关系，基于信息技术产生的数据挖掘技术等新的计算机技术在金融行业中有着举足轻重的作用。随着数据挖掘技术的不断发展，其对金融行业的影响会越来越大，将为金融行业的产品设计、风险控制和服务创新提供新的视角。同时金融行业也将通过海量数据分析，进一步发掘潜在高端客户、维持客户稳定性。通过数据挖掘技术，金融企业还能为更多的人提供适合的金融产品。总之，数据挖掘技术将为金融行业创造一个更广阔的平台。■

［1］李浩光.数据挖掘在防范金融风险中的研究及应用[J].计算机安全，2014(2)：48-51.

［2］管刚.数据挖掘技术在金融领域的应用[D].武汉：湖北军事经济学院，2013.

［3］张娴.数据挖掘技术及其在金融领域的应用[D].大连：大连理工大学，2011.