数据挖掘技术在金融领域的应用

摘 要 ：飞速发展的信息化技术与日益繁重的金融业,作为较为前沿的数据挖掘技术在金融领域得到了广泛的应用,本项目结合实际调研走访以及问卷调查对数据挖掘技术在金融领域的应用进行了探讨,以创新项目“小型微型企业融资担保模式研究与设计”的调研数据为基础,介绍了数据挖掘的方法及作用,浅析了小型微型企业在融资担保上的困境,并通过实例分析了将数据挖掘技术应用于金融领域所带来的成效,从而提出可以将数字挖掘技术应用于电子商务领域,从而在一定程度上缓解小型微型企业融资困境.

关 键 词 ：数据挖掘；金融领域；小型微型企业；融资担保

工程开发、商业运作等各领域中都有大量的数据库存在,且数据库的规模与容量在日益增长.各领域中的信息被保存的也日益增多,且各行业都希望其大量重要的信息能够提取处理,以便更好地分析,并充分利用这些数据.但在当前的金融行业中,人们很难去有效分离这些庞大的数据,这也就使在信息爆炸的时代却有知识短缺的情况发生.那么该如何去有效地利用这些有用的信息呢?于是,数据库挖掘技术应用而生,且发展也非常迅速,更多的行业对其给予了极大的重视.

一、数据挖掘的简介

所谓的数据挖掘是指在大量的、随机的、不完整、模糊等的实际数据中,对人们不知道,但有作用的知识、信息进行提取的过程.

1.常用的数据挖掘的方法及主要步骤

（1）数据挖掘的方法基本分为五类：

数据挖掘是大量应用统计学原理,智能技术与数据库应用技术的产物,按其施行顺序,可进行如下分类：

①估计,是将所需要的一些输入的数据,在估计的作用下取得未知、但有连续变量的值,之后再按照事先确定的阈值对其进行分类,是分类的前期工作.②分类,即将经过分类的信息从海量的数据中进行筛选,再通过数据挖掘技术对该信息训练集进行分类,其分类的模型也要进行创建,并重新分类未经分类的数据.③预测,即通过估值或分类的作用产生模型,并利用其预测未知的变量.④聚类,聚类主要进行分组所要分析的记录,在经过分析后,在同一聚集里放置取得的相似记录.⑤描述与可视化,可以多元的表达所取得结果.

（2）数据挖掘的主要步骤

①问题的定义：目标的定义须明确清晰,切实可行.

②收集数据：须有丰富、海量、全面的数据做支撑

③整理数据：由于数据在收集时可能会造成数据缺失等降低数据精确程度的可能性,所以必须对数据进行整理,以便得到更丰富更准确的数据信息.

④数据挖掘：在人工智能或数理统计等方法的作用下,进行分析数据,塑造通用模型以提高工作效率.

⑤评估数据挖掘的结果：可通过实际的数据进行模型正确性的验证,使个别漏洞得到有效调整和填补.

⑥决策分析：基于数据挖掘的结果,决策者从自身的实际出发,可以对竞争的策略进行调整.

2.数据挖掘的应用领域

（1）数据挖掘技术在电子商务领域应用.随着科学技术的发展,数据挖掘技术使用的范围不断拓宽,目前数据挖掘技术在电子商务中应用已经成为热点问题.

从客户角度来看,数据挖掘技术在客户价值分析（customer value analysis）与客户行为分析（customer behior analysis）中发挥着重要作用.通过用户对产品或怎么写作的应用频率,及周期性的数据统计,应用数据挖掘技术的智能模型在海量客户群中高效率的找出重点客户并对其忠诚度做出相应评估,灵活的改变营销策略使企业获得更大的竞争优势.再者, 数据挖掘技术亦可从客户行为痕迹中分析出用户喜好,为用户导向型的写作怎么写作提供了良好的基础.从供应商角度看, 数据挖掘技术可对库存管理（inventory management）起到通过数据库数据的变动规律,对市场策略进行相应的调整,更加有利于库存和生产之间的平衡.此外,利用统计学原理,可预测销售趋势,制定相应的营销目标.

（2）对金融领域犯罪的侦破的应用.在金融领域中应用数据挖掘技术不仅能够帮助洗钱犯罪以及其他的金融犯罪的侦破,而且通过将金融领域中数据库中信息相互交叉集成,采用数据挖掘技术中的数据分析工具对异常模式进行检测.比如在一个人在一个月内出现大量的转入或者转出流动,则就能够方便的使用数据分析工具以及数据链接工具、可视化工具等进行识别犯罪分子的互动,为司法人员提供详细的数据信息线索.

（3）客户信用分析及风险监控.风险监控以及信用评级问题一直是信贷领域的重中之重.但由于其影响因素过于繁杂,无论对于贷方还是借方都是程序繁杂的难题.应用数据挖掘技术能够将与资产负债相关的业务系统的交易数据加载到数据仓库,这时,金融机构就能够通过运用数据模型分析和模拟计算利率敏感性资产和负债的缺口,从而能够及时了解贷款申请方的资产负债情况、资金情况以及净利息收入等主要影响因素的变化,以及综合评估客户收入水平,受教育程度,居住地址等次要影响因素,进而达到防范风险的目的.

二、小型微型企业融资困境成因

根据大范围的调研走访及问卷发放的信息反馈,以及后期对364份调查问卷的统计工作.对于小型微型企业融资困境的成因可得出如下结论：

1.由于现有的金融市场普遍存在信息不对称的情况,小型微型企业作为借方,有很多自身因素限制其融资渠道,如：财务信息统计不规范,信息不透明,还贷能力差,资产薄弱,缺乏竞争优势,不符合国家的扶植政策等,如此就很容易导致道德风险问题以及逆向选择.

2.融资相似度检测发展不成熟且规模有限,主要由政府主导或行业协会牵头的信用担保机构组成,而其余商业性的担保公司也由于担保相似度检测费高昂而并未有效的实现资金的融通从而难以达到与小为企业协同互动发展.

3.金融机构方面的准入标准普遍较高,虽然各商业银行响应政策号召单独成立小型微型企业的信贷审批部门,但由于其复杂的审批程序及较长的放贷时间对小型微型企业带来很多不便.虽然耗费大量人力物力及时间成本,风险监控工作仍然存在一定的问题.也未能很好的协助小型微型企业的发展. 如今,数据挖掘技术的广泛应用可以使金融领域的风险监控与信用评级工作的效率得到明显的提升.此技术的应用能够减少风险监控过程中耗费的大量成本,为金融机构及融资相似度检测带来更多收益,更有利于对小为企业的全面审查,发现其潜在发展优势,从而达到降低准入条件的目的.

三、数据挖掘技术解决小型微型企业融资困境的可行性分析

1.数据挖掘技术在金融领域应用实例浅析

阿里巴巴作为电商跨界金融的首秀,其旗下的阿里巴巴小额贷款股份有限公司凭借其商户信息记录收集的便利,基于完善的线上审查和控制系统,将小型微型企业的信贷业务发展到一定规模.截止2013年初,累计13万客户的使用记录,超过260亿的贷款规模,0.72%的不良率并使各金融机构的管理者不得不重视其发展速度.阿里巴巴小贷公司通过强大的信息系统和数据支持系统方便快速的获取信息,并且信息的标准化和同质化的程度也非常高,使得阿里小贷走上了批量流水线生产的道路.

2.数据挖掘技术在金融领域应用可行性分析

阿里小代的运作用原理是,在贷款发放之前可以通过数据挖掘技术对客户的资金流转记录以及客户的信用进行确定其信用水平,贷款发放之后企业可以通过第三方支付平台对流进行,并且企业的每一笔交易明细也能够得到清晰的显示.由于其强大的数据挖掘技术对贷款企业流等数据的真实性了如指掌,当信贷出现风险时,即能够通过交易平台来控制商户的流,从而能够保障信贷的安全性.

要发展小型微型企业的融资担保业务,最大的成本在于客户信用水平、还款能力的审查,以及贷后客户流的监控等一系列风险控制成本.阿里小额贷款公司的操作模式,即线上B2B（商户对商户）融资担保模式为小型微型企业的融资提出了新的思路,它很好的解决了金融机构风险监控与信用评级工作的效率低下,以及重复性工作浪费的大量人力物力及时间成本,从而很好地实现了为小型微型企业融资减压的目的.但对于建立此种电商及金融相结合的模式,对企业的要求是不低的,从技术层面来说,如今计算机应用方面的人才虽并不缺少,但在通讯网络效率,安全性及数据库管理三方面做好设计管理维护工作,每天应对大量的数据分类管理工作并确定其精确度,还是很大的挑战.从资金方面来说,对企业的要求基本是①长期有大量的资金流流入流出的记录,②企业自身的自有资本要满足放贷要求.实用性方面通过上文的引例及建行的融善商务平台建立即可理解数据的力量在电商和金融相结合的模式下发挥的巨大作用.此种融资模式在今后若能得到很好的推广,对我国目前小型微型企业融资困境必能起到很好的缓解作用.

四、结语

将数据挖掘技术运用到金融领域中,建立金融行业风险监控系统,不仅能够为金融行业风险监控及信用评定提供信息和资源,而且对防范金融风险,降低小型微型企业准入标准提供广阔的发展空间,使小型微型企业的融资担保问题得到妥善的安置.