金融風(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),因此金融風(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,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,通過與金融領(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)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)用到在金融風(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)... 

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 金融風(fēng)險(xiǎn)研究背景
    1.2 金融風(fēng)險(xiǎn)研究現(xiàn)狀
    1.3 數(shù)據(jù)挖掘研究現(xiàn)狀
    1.4 研究目的與意義
第二章 金融風(fēng)險(xiǎn)介紹
    2.1 風(fēng)險(xiǎn)綜述
        2.1.1 風(fēng)險(xiǎn)的定義
        2.1.2 金融風(fēng)險(xiǎn)的特征
    2.2 金融風(fēng)險(xiǎn)預(yù)警概述
        2.2.1 金融風(fēng)險(xiǎn)預(yù)警概念
        2.2.2 金融風(fēng)險(xiǎn)預(yù)警的目標(biāo)和原則
    2.3 金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的結(jié)構(gòu)
        2.3.1 預(yù)警系統(tǒng)的基本結(jié)構(gòu)
        2.3.2 完善金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系
第三章 數(shù)據(jù)挖掘技術(shù)在金融領(lǐng)域的分析及其特點(diǎn)
    3.1 數(shù)據(jù)挖掘的基本概念
    3.2 數(shù)據(jù)挖掘的任務(wù)
    3.3 數(shù)據(jù)挖掘常用的方法及特點(diǎn)
    3.4 數(shù)據(jù)挖掘在金融領(lǐng)域中的優(yōu)勢(shì)
        3.4.1 傳統(tǒng)金融數(shù)據(jù)分析特點(diǎn)與問題
        3.4.2 數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別
第四章 模糊聚類與神經(jīng)網(wǎng)絡(luò)
    4.1 聚類分析
        4.1.1 聚類分析的定義與劃分的方法
        4.1.2 FCM聚類算法
        4.1.3 聚類有效性指標(biāo)
    4.2 FCM算法的改進(jìn)
        4.2.1 聚類數(shù)c的確定
        4.2.2 權(quán)指數(shù)m的確定
    4.3 神經(jīng)網(wǎng)絡(luò)
        4.3.1 神經(jīng)網(wǎng)絡(luò)技術(shù)
    4.4 基于模糊聚類和神經(jīng)網(wǎng)絡(luò)的混合模型
第五章 實(shí)證分析
    5.1 數(shù)據(jù)的歸一化處理
    5.2 FCM算法聚類
    5.3 預(yù)警
第六章 總結(jié)與展望
    6.1 研究工作
    6.2 不足與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]金融風(fēng)險(xiǎn)預(yù)警:評(píng)價(jià)指標(biāo)、預(yù)警機(jī)制與實(shí)證研究[J]. 陳秋玲,薛玉春,肖璐.  上海大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2009(05)
[2]一種改進(jìn)的模糊C-均值算法[J]. 陳春明.  情報(bào)探索. 2009(07)
[3]金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)及發(fā)展[J]. 林謙,王宇.  統(tǒng)計(jì)與決策. 2007(14)
[4]基于聚類分析和神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)方法[J]. 劉峰,瞿俊.  微電子學(xué)與計(jì)算機(jī). 2006(09)
[5]中國金融風(fēng)險(xiǎn)預(yù)警研究[J]. 陳守東,楊瑩,馬輝.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2006(07)
[6]運(yùn)用信號(hào)分析法建立我國的金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)[J]. 吳海霞,邢春華,孫嬋娟.  金融論壇. 2004(06)
[7]金融危機(jī)預(yù)警系統(tǒng)的理論透析與實(shí)證分析[J]. 張?jiān)?孫剛.  國際金融研究. 2003(10)
[8]BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的改進(jìn)及其應(yīng)用[J]. 吳凌云.  信息技術(shù). 2003(07)
[9]BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用設(shè)計(jì)[J]. 尹念東.  信息技術(shù). 2003(06)
[10]論建立中國金融危機(jī)預(yù)警系統(tǒng)[J]. 唐旭,張偉.  經(jīng)濟(jì)學(xué)動(dòng)態(tài). 2002(06)

碩士論文
[1]基于數(shù)據(jù)挖掘的金融預(yù)測(cè)模型[D]. 熊騰科.廈門大學(xué) 2006
[2]我國金融危機(jī)的預(yù)警研究——基于人工神經(jīng)網(wǎng)絡(luò)模型的分析[D]. 邱隆敏.暨南大學(xué) 2004



本文編號(hào)：3675765