分享到:

数据挖掘在金融行业的应用

近年来,随着信息技术的飞速发展,信息技术已从单纯服务运用于业务领域,转变为综合服务运用于业务和管理的各  (本文共2页) 阅读全文>>

《福建电脑》2008年12期
福建电脑

数据挖掘技术在金融行业中的应用

随着信息化进程的快速推进,数据挖掘成为一种新兴的信息处理技术,其主要特点是对数据仓库中的大量行业数据进...  (本文共2页) 阅读全文>>

《企业导报》2014年20期
企业导报

试析计算机在金融行业中的应用

本文首先对金融行业的相关概念进行界定,进而提出了当前计算机在金融行业应用中...  (本文共2页) 阅读全文>>

《中国民商》2018年01期
中国民商

大数据、数据挖掘在金融业的应用浅析——与传统的金融研究方法对比

随着IT技术的不断进步与发展,对于"大数据"与"数据挖掘"技术的讨论逐渐升温,这两个词汇也越来越频繁的出现在其他行业领域中。以金融业为例,将大数据与数据挖掘的方法应用到金融分析与研究中的尝试层出不穷。现阶段金融分析决策的所需的数据量十分庞大,大数据与数据挖掘方法的优势得以展现,但传统的...  (本文共2页)

上海交通大学
上海交通大学

基于显著连续序列研究及其在金融行业中应用

随着互联网的发展,数据和数据库技术不断更新,各行各业都积累了数目庞大的数据,但这些数据仍然停留在数据的层面,还未上升到价值层面。人们好比守着“宝库”却无法利用它,所以越来越重视对数据的深入挖掘技术,希望能够通过对大数据的分析能够提炼出有价值的信息。金融数据中存在大量的时序数据,从中得到有效的价值信息是众多学者当前研究的主要内容,而目前通过数据挖掘显著连续序列研究的一个热点和难点,研究结论具有广阔的前景使用~([2])。发掘显著连续序列可以帮助科研人员在多次实验中发掘可疑的实验现象,也可以帮助银行、证券等行业从业人员通过显著连续序列准确的判断行业走势。本文主要研究了显著连续序列在金融行业的应用。金融行业时序数据具有高频、非平稳、伪周期性的特点,在现有的金融行业数据挖掘模型的基础上,充分了解了其优点和不足之处,在此基础上提出了将显著时间序列应用在金融行业高频数据的思想,并基于案例推理的思想,通过引入LEBS算法的概念和方法为金融时序...  (本文共74页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

基于数据挖掘的银行客户分析管理关键技术研究

如何将数据仓库及数据挖掘的相关技术应用于金融业客户关系管理,是目前金融行业迫切需要研究的领域。该领域包括对于数据仓库和数据挖掘技术的研究,CRM系统的构建,以及更加有效挖掘算法的设计等方面。本文具体探讨了金融行业的客户关系管理系统在实施过程的若干关键技术,同时对基于数据挖掘的银行客户关系管理技术进行了研究。传统的数据挖掘方法在金融行业的应用包括银行客户划分、银行客户流失预警、金融欺诈分析以及基于数据挖掘的银行信用卡分析等方面,本文对于这些传统的方法进行了总结和分析,并且结合具体案例进行了说明,给出了自己的结论。在第三章中,对于银行的客户聚类分析进行了单独论述,比较分析了决策树方法和粗糙集方法各自的特点,提出了一种基于粗糙集和决策树相结合的多变量决策的银行客户聚类算法,实验结果表明这种方法在一定程度上提高了聚类判别的效率。银行交易时序数据的挖掘分析是目前研究的热点之一。本文尝试将时序数据字符串化,引入传统的字符串模式匹配相关算法进...  (本文共144页) 本文目录 | 阅读全文>>