基于數據挖掘技術的金融數據分析系統設計與實現

鞏陽光

摘 要 隨著社會經濟的發展，科技在各行各業中的應用越來越廣泛，金融行業迎來了一輪又一輪的技術更新，基于數據挖掘技術的金融數據分析系統逐漸投入使用。本文作者希望能通過立足于數據挖掘技術，從幾個方面系統闡述該技術對于金融數據分析系統的主要功能模塊的設計與應用。

關鍵詞 數據挖掘 金融數據分析 設計與實現

中圖分類號：TP311.13 文獻標識碼：A

金融數據挖掘分析系統的完善，需要不斷獲取并分析特定金融網站的數據信息使金融數據更加結構化、脈絡化，整合完成后，這些數據都應該被及時存儲在目標服務器的數據庫中，并及時提供給用戶使用。當前，隨著互聯網技術的不斷發展，金融數據分析系統更加具有技術性，信息系統的創新與納入使得金融機構可以在日常運作中處理大量的數據信息，進行更好的財務管理。在金融業務的過程中，準確的財務數據信息為用戶提供了未來的財務決策的基礎，對日后金融事業的走向指明了方向，在金融業的發展中具有重要位置。因此，提高金融數據挖掘技術的效率，使其操作更加簡便，對于金融數據分析系統的完善具有重要作用。

1系統主要功能模塊設計

1.1任務管理模塊

任務管理模塊是金融數據分析系統的基礎，它在這中間主要發揮新建任務、執行任務和驗收任務的作用。系統用戶在系統中發出新建任務的請求，就是新建任務的全部過程。在任務新建完成后，這一請求會受到系統管理員的分析與評估，并匹配執行人員。評估中獲取的數據信息是分配執行人員所依靠的重要數據。任務的執行過程在這其中具有重要意義。在任務執行的過程中，應始終堅持具體問題具體分析的原則，確保結果的嚴謹性，向用戶提供結果時時間應略有后延。如果用戶任務再次改變，分析師應再次修改結果，同時，根據任務的完成情況，用戶有權申請更換分析師。在任務的執行過程中，金融機構的用戶也會對任務執行的有效性進行評估。

1.2數據分析模塊

作為整個金融數據分析系統的核心，數據分析模塊在這個系統中具有重要地位，數據分析模塊主要分為個體分析以及區域分析，其中，個體分析是對按個金融機構的數據以及運營環境進行分析，以做到及時規避風險。區域分析是指對于特定區域的操作數據和外部環境進行分析，評估是否具有潛在的財務風險。特定地區金融機構運營數據分析應與個人分析進行有效結合，才是完整的財務風險評估過程。

1.3系統數據管理模塊

數據管理模塊在金融數據分析系統中的主要設置目的是在系統操作的過程中保護系統數據，以做到使涉及的系統數據盡可能的被全面收集。在這個模塊中涉及的數據應被及時維護與檢閱，防止因數據異常而造成金融系統的風險。除此之外，備份和恢復工作也應及時做到位。

2系統設計中的關鍵技術問題

2.1案例推理過程

在金融數據分析系統中，由于數據挖掘技術在系統設計中的應用，作為人工智能領域中新方法的案例推理技術在這個過程中發揮著重要作用。在解決實際問題的過程中，案例推理技術可以使用前面的方法解決類似的問題，也可以對這樣的在再次使用前進行修改。在財務分析領域中可以得出大量的金融業務的共同點，許多金融業務之間的相似性十分明顯。因此，案例推理技術就是根據以前的金融業務處理方法來處理新出現的業務。例如，在案例推理技術應用之前，貸款業務流程的風險分析多是根據以往業務的經驗，但基于案例的推理方法可以為這個推理過程提供更多的理論支持以及相應的包括完整過程的財務案例，具體內容包括以下幾個方面。

案例收集在這一技術中占據基礎地位。全面地收集案例并制定案例集是案例推理過程的基礎。案例收集過程不要求人們對案例進行分類，規范性的要求也不高，因此這樣的案例也無法進入應用。案例提取是整個過程的第二步，在案例形成集合的情況下，規范的提取過程使后續操作更加標準。為了保證采集的異質性，在提取過程中要對存在顯著差異的案例進行單獨提取。案例推理是整個過程的核心環節。在案例推理過程中，需要將輸入案例與案例庫中的現有案例進行比較并進行匹配。

2.2屬性權值計算

數據挖掘技術有不同的挖掘目標，財務數據倉庫中的屬性在不同的挖掘目標下會呈現出不同的重點。決策指令下達之前，各類屬性的重要程度都會經歷一個科學的評判過程，該過程主要以分辨矩陣和信息熵的結果為標準。一般來說分辨矩陣在這個過程中是更加常用的方法。金融業務的開展過程是一個專業性很強的過程，數據的屬性在這其中要求是絕對真實的，因此，人工權值是最重要的，適當的調整加權差別矩陣是很有必要的，這也可以提高屬性權重的計算精度。

3結語

可以看出，隨著數據挖掘技術的不斷應用，金融數據分析系統已經具有越來越強的技術性。在金融業務處理的過程中，數據挖掘技術要考許多系統的不斷完善來支撐，金融數據分析系統與數據挖掘技術呈現一種互惠互利的關系。在設計金融數據分析系統的過程中，對于系統主要功能模塊以及財務數據倉庫的設計都彌足重要。相信基于數據挖掘技術的金融數據分析系統一定會向更好的方向發展。

參考文獻

[1] 石佳銳.基于B/S模式數據監視技術的研究與實現[D].北京：北京化工大學，2008.

[2] 鄭宇泉.時間序列挖掘方法及在投資組合中的應用[D].廈門：廈門大學，2007.

[3] 孫興富.基于Web的數據挖掘技術及應用問題探討[J].中國新技術新產品，2009（03）.