【摘要】：隨著國(guó)內(nèi)金融體制改革的不斷深入，各種新的金融服務(wù)不斷出現(xiàn)，銀行業(yè)正經(jīng)歷著前所未有的深刻變革，如何提高銀行的市場(chǎng)競(jìng)爭(zhēng)能力，迅速做出更好的決策，是各家銀行迫切需要解決的問(wèn)題。與此同時(shí)，銀行近幾年的信息化建設(shè)使其具有了數(shù)量大、涉及面寬的數(shù)據(jù)。那么如何處理這些數(shù)據(jù)從而可以為經(jīng)營(yíng)決策提供有益的信息，銀行界進(jìn)行了廣泛的探索，于是數(shù)據(jù)挖掘技術(shù)在銀行界得到了廣泛的認(rèn)同。 數(shù)據(jù)挖掘技術(shù)在銀行領(lǐng)域可應(yīng)用的范圍非常廣泛，如客戶關(guān)系管理、風(fēng)險(xiǎn)分析與控制、資金匹配、金融產(chǎn)品的贏利分析等等。本文選擇以全成本分析作為突破口，可以將銀行經(jīng)營(yíng)決策的著眼點(diǎn)從財(cái)務(wù)會(huì)計(jì)上升到管理會(huì)計(jì)層面，為銀行運(yùn)營(yíng)成本的控制以及綜合盈利能力的提升提供科學(xué)的依據(jù)。本文旨在利用數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的最新研究成果，探尋與之結(jié)合的銀行經(jīng)營(yíng)管理具體領(lǐng)域，嘗試銀行決策知識(shí)的自動(dòng)獲取。 本文總結(jié)了與銀行全成本分析相關(guān)的研究和算法，重點(diǎn)研究了基于關(guān)聯(lián)規(guī)則的分類算法(CBA, Classification Based on Association)�；陉P(guān)聯(lián)規(guī)則的分類算法是原新加坡國(guó)立大學(xué)Bing Liu教授首創(chuàng)的工作[12]，它的基本思想是：利用任意關(guān)聯(lián)規(guī)則算法(如：FP-growth)，只挖掘條件屬性與決策屬性之間的關(guān)聯(lián)，作為分類規(guī)則；以規(guī)則的support和confidence度量規(guī)則的重要性，按重要性由高到低的順序排列所有規(guī)則，并用訓(xùn)練樣本對(duì)排序后的規(guī)則集進(jìn)行修剪，最終獲得分類器。 為了驗(yàn)證分析的正確性，本文嘗試了幾種類型的分類算法對(duì)銀行全成本數(shù)據(jù)進(jìn)行訓(xùn)練。根據(jù)訓(xùn)練結(jié)果，提出了基于關(guān)聯(lián)規(guī)則的分類算法更適合銀行全成本分析系統(tǒng)；最后根據(jù)基于關(guān)聯(lián)規(guī)則的分類算法建立了銀行產(chǎn)品盈利等級(jí)的預(yù)測(cè)模型，以銀行產(chǎn)品的屬性描述和成本信息為輸入，預(yù)測(cè)該產(chǎn)品的盈利情況，，并輸出了一些具有實(shí)際應(yīng)用價(jià)值的規(guī)則，為銀行經(jīng)營(yíng)提供可靠的決策支持。 由于與全成本分析系統(tǒng)相關(guān)的各業(yè)務(wù)系統(tǒng)非常繁多，業(yè)務(wù)接口不是很規(guī)范；且銀行全成本的分析指標(biāo)會(huì)因?yàn)椴煌臉I(yè)務(wù)要求而不同，這就要求分析模型的數(shù)據(jù)獲取方式要相對(duì)靈活，本文提出了采用BPEL4WS在銀行各業(yè)務(wù)子系統(tǒng)間采集數(shù)據(jù)，為知識(shí)發(fā)現(xiàn)做數(shù)據(jù)準(zhǔn)備。
【圖文】：

圖.32粗糙集概念示意圖核定義為一個(gè)關(guān)系系統(tǒng)犬二(，UR)有限對(duì)象集合，稱為論域，R是U上等價(jià)關(guān)系的系的一個(gè)族集，且R任R，若扒。以)=扒舊(R，伍})，(dipesnsbal)e，否則就是不可省的。若族集R中的R是獨(dú)立的(independent)，否則就是依賴的或非獨(dú)的，并且例厭Q)=1擬D(p)，則稱Q是關(guān)系族集P關(guān)系的集合稱為P的核o(c)er，以CoRE(P)來(lái)表一個(gè)分類相對(duì)于另一個(gè)分類的關(guān)系十分重要，因

摹于數(shù)據(jù)挖掘的銀行全成本分析系統(tǒng)的研究模型訓(xùn)練過(guò)程前面的算法分析比較，我們認(rèn)為基于關(guān)聯(lián)規(guī)則的分類算法更適用于本析的正確性，我們決定嘗試歸納學(xué)習(xí)算法形pper、決策樹算法C4.5、算法以及CBA算法，并記錄算法參數(shù)和驗(yàn)證結(jié)果。根據(jù)驗(yàn)證結(jié)果的準(zhǔn)法:并根據(jù)最優(yōu)算法，得出結(jié)論。能獲得的銀行產(chǎn)品的歷史數(shù)據(jù)有限(由于法律等因素，獲取困難)，個(gè)月銀行產(chǎn)品的統(tǒng)計(jì)信息進(jìn)行訓(xùn)練和測(cè)試;我們以第一個(gè)月數(shù)據(jù)為訓(xùn)數(shù)據(jù)為測(cè)試集。算法、C.45算法、CBA算法運(yùn)行時(shí)界面分別如圖5.5，.56，5.7所示
【學(xué)位授予單位】：中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2006
【分類號(hào)】：TP319

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 王曉,王芳,邱玉輝;經(jīng)典數(shù)據(jù)挖掘方法在客戶建模中的應(yīng)用分析[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

本文編號(hào)：2598155