数据挖掘在金融风险管理中的应用_王蕾

中任意两个数据样本之间具有较高的相似度，聚类分析可作 为其他算法的数据预处理步骤，也可作为独立的分析工具来 了解数据的分布。聚类分析算法一般包含特征获取与选择、 计算相似度、分组 及 聚 类 结 果 展 示 四 个 部 分，常 用 的 聚 类 分 析算法有 k － means、k － medoids、CUＲE、ＲOCK 和 BIＲCH 等。 分类分析通过对已知类别训练集的分析来发现分类规则进 而预测新数据的类别，它是一种有监督的学习。分类分 析 主要包含两个步骤： 一是根据类标号已知的训练数据集来 训 练 并 构 建 一 个 模 型 ，用 于 描 述 预 定 的 数 据 类 集 或 概 念 集 ； 二是使用所获得的模型对将来或未知的对象进行分类。典 型 的 分 类 算 法 有 决 策 树 、贝 叶 斯 网 络 、神 经 网 络 和 遗 传 算 法 等。时间序列分析技术主要用于发现一定时间间隔内接连 发 生 的 事 件 ，这 些 事 件 构 成 一 个 序 列 ，发 现 的 序 列 应 该 具 有 普遍意义，其依 据 除 了 统 计 上 的 概 率 之 外 还 要 加 上 时 间 的 约束。
投资决策阶段位于项目定案的最前端，其决策的制定涉 及方方面面，对于 从 事 工 程 项 目 基 本 工 作 人 员 来 说，往 往 无 法参与其中或对之有影响，在此我们姑且暂不谈论。其次是 设计阶段，从以往 的 经 历 和 经 验 来 看，设 计 阶 段 的 造 价 控 制 虽然已被越来越多的项目管理者所认知，但具体的实施却往 往纸上谈兵，并没有落到实处。因此，设计阶段造价控制的
（ 三） 供应链风险评估。良好的供应链管理可通过资金 流、物流和信息流 的 优 化 为 企 业 带 来 巨 大 效 益 ，可 以 使 企 业 有效节约运营成本和缩短反应时间，进而使其服务水平和竞 争能力得到提高。供应链中任何一个环节的“断裂”都可能 引起链上企业的连锁反应，给企业带来巨大损失。根据行为 主体的不同，供应链风险可划分为供应商风险、生产商风险、 物流服务商风险、批 发 商 风 险、零 售 商 风 险 等。 供 应 商 风 险 作为供应链风险的最大起因，常被选为供应链风险评估的切
出现以下状况： 无力偿还到期债务； 巨额投资无收益； 现金流 量入不敷出； 产品销路不畅、存货大量积压； 涉及巨额诉讼赔 偿； 主营业务发生严重萎缩。财务危机预警模型的建立能够 对企业经营失败和财务管理失误现象进行预警和早期控制， 为决策者、投资者和债权人提供重要信息。数据挖掘中的主 成分分析、Logistic 回归、线性回归和神经网络等方法被国内 外学者用来建立财务危机预警模型。首先根据主成分分析 的特征向量与主成分贡献率计算出对于财务状况影响最大 的财务指标； 接着根据该分析的结果，把预测期公司的财务 状况分为两类作为预测的目标变量； 然后运用 Logistic 回归 方法和决策树方法等进行公司财务状况进行预测； 最后把每 家公司综合评分作为目标变量，运用线性回归方法和神经网 络方法进行公司财务危机预警分析。
三、数据挖掘在金融风险管理中的典型应用 （ 一） 信用风险评估。数据挖掘对信用风险的评估包括 银行信用卡风险评估和贷款信用评估等。信用风险是由于 不可抗拒因素和恶性欺诈等使得债务人无法或不愿意履行 已签的合约而给银行造成的损失。银行对个人和企业的财 务状况发生变化的过程往往不能及时了解或者说被循环信 用掩盖。而通过数据挖掘技术对客户信用的影响因素进行 挖掘，如地区差异、个人知识层次、收入高低、经济环境状况、 社会职务等，可以 快 速 建 立 起 用 户 信 用 等 级，进 而 给 予 不 同 的信用额度； 也可以透彻地揭示信用风险的蕴含关系和特 征，增强对信用违约预测的准确性。Frydmann et al （ 1985） 首 次将决策树模型运用于违约企业和非违约企业分类。之后 有不少人将决策树模型、神经网络法和遗传算法用于违约判 断以期得到更好的分类效果。目前市场上数据挖掘工具提 供了完整的展现如 Brio 公司的 Brio． Enterprise 能全方位、多 层次展现数据分析结果。 （ 二） 公司财务危机预警分析。财务危机的实质是财务 风险规模化、高强 度 化 的 集 中 爆 发，主 要 表 现 为 财 务 状 况 极 度恶化，发生支付危机甚至破产倒闭。这些公司都不同程度
【关键词】工程造价； 前期控制； 设计限额； 造价控制 【作者简介】王泽楠（ 1979． 9 ～ ） ，男，天津人； 天津泰达发展有限公司 MSD 拓展区项目项目经理，硕士
曹皓琳（ 1979． 12 ～ ） ，女，天津人； 天津阜通工程管理咨询有限公司工程项目咨询师
一、工程造价前期控制的意义与作用 项目管理有三大核心内容： 质量、工期和造价。在工程项 目实施中，这 三 大 核 心 内 容 始 终 贯 穿 于 项 目 建 设 的 全 过 程。 质量是一个工程的根本，工期意味着按计划将工程呈现以实 现项目的 既 定 价 值。而 造 价 则 是 实 现 前 面 两 点 所 付 出 的 代 价。工程造价的控制历来为各个层面管理者所认同和重视。 在项目的不同 实 施 阶 段，工 程 造 价 都 起 着 重 要 的 作 用。 纵观项目的全过程，分为不同的阶段： 最初的投资决策阶段、 项目设计阶段、具体实施阶段（ 包括各总分包项目的招投标 过程） 、竣工收尾阶段、后评估阶段等等。不同阶段的工作对 整个项目造价也有不同的影响。根据有关学术统计，投资决 策阶段对全案造价的影响能达到 75% ～ 95% ，设计阶段约 35% ～ 75% ，施工阶段只有 5% ～ 35% ； 到最后的竣工决算阶
一、金融风险管理 金融风险指任何可能导致企业或机构财物损失的风险， 是企业未来收益的不确定性与波动性。按照金融风险产生 根源可将金融风险分为静态与动态两类； 按风险涉及范围可 分为微观金融风险与宏观金融风险； 按照金融机构类别可分 为银行风险、证 券 风 险、保 险 风 险 与 信 托 风 险 等。 通 过 对 风 险的衡量与认识，采取相应措施与处置方案使得风险最低和 利润最大化。可见，金融风险管理是调节金融投资安全性与 收益性均衡的一种金融管理方法。 二、认识数据挖掘 （ 一） 数据挖掘的概念及流程。数据挖掘是从大量的、不 完全的、有噪声的、模 糊 的、随 机 的 数 据 中，提 取 隐 含 在 其 中 的、人们事先不知道的、但又潜在有用的信息和知识的过程。 它是数据库技术、高 性 能 计 算 机、统 计 学、人 工 智 能、机 器 学 习和可视化等多学科的产物。数据挖掘通过对数据库中的 大量数据的抽取、转换、分析和模型化处理，提取出辅助决策 的关键性数据，帮助决策者寻找规律，发现被忽略要素，预测 趋势，进而进行决策。CＲISP － DM 是已得到多家公司和企业 认同的、较有 影 响 力 的 数 据 挖 掘 过 程，SPSS、IBM、SGI、NCＲ 等都采用该挖掘标准。它是一个分级的过程模型，大体把数 据挖掘分成业务理解、数据理解、数据准备、建模、评估、发布 六个阶段。 （ 二） 数据挖掘分析方法。常用的数据挖掘分析方法包 括关联规则 分 析、聚 类 分 析、分 类 分 析 和 时 间 序 列 分 析 等。 关联规则分析是从海量数据中发现数据项之间的关系，包括 发现频繁项 目 集 和 生 成 关 联 规 则 两 个 子 问 题，经 典 算 法 有 Apriori 算法和 FP － growth 算法等。聚类分析是将物理或者 抽象的数据集合划分为多个类别的过程，聚类之后每个类别
Industrial & Science Tribune 2013.（12）.10
·233·
产业与科技论坛 2013 年第 12 卷第 10 期
工程造价的前期控制探索
□王泽楠 曹皓琳
【内容摘要】项目管理三大核心内容： 质量、工期和造价，其中造价的控制又是工程项目中最为受关注的一项内容。本文对工程 造价的前期控制的受制因素、目前现状、改进方面等提出了建议和见解。
【参考文献】 1． 陈守东，杨莹，马辉． 中国金融风险预警研究［J］． 数量经济 技术经济研究，2006 2． 朱佳钦． 浅谈我国目前金融风险管理的问题及对策［J］． 中 国外贸，2011 3． 周金，何文婷． 数据挖掘在金融风险管理中的运用［J］． 科 技风，2011 4． 李林． 数据挖掘在商业银行信用风险管理中的应用［D］． 电 子科技大学，2005
产业与科技论坛 2013 年第 12 卷第 10 期
数据挖掘在金融风险管理中的应用
□王 蕾 戎 杰
【内容摘要】数据挖掘在金融风险管理中扮演着重要角色，它可以提取出隐含在数据中人们事先不知道却又潜在的有用信息和 知识，为管理者提供决策参考信息。文章由金融危机的爆发引入，介绍了金融风险管理； 然后对数据挖掘的概念、 流程及分析方法进行讲解； 接着重点介绍了数据挖掘在金融风险管理中的典型应用，如信用风险评估、公司财务危 机预警分析和供应链风险评估； 最后进行了总结与展望。
段则非常有限，只有不到 5% 的影响力了。 由此可见，工程造价控制的重点应该在工程实施前的投
资决策阶段 和 设 计 阶 段，如 果 在 这 两 个 阶 段 做 好 计 划 和 控 制，对项目 全 案 的 造 价 控 制 将 会 达 到 事 半 功 倍 的 效 果。 反 之，如果在项目前 期 没 有 做 好 造 价 控 制 工 作，而 把 造 价 控 制 的目标放到具体实施或者竣工收尾时再行解决，则是杯水车 薪、无济于事了。
入点。通常做法有利用数据挖掘算法确定有效的指标评价 体系，建立模糊矩阵，进行聚类分析或 BP 神经网络等方法建 立供应链金融风险评估模型，为供应链合作伙伴的选择提供 依据，降低供应链风险。
四、结语 数据挖掘作为深层次的数据信息分析方法，具有传统评 价方法无法具备的对于各种因素之间隐藏的内在联系的全 面分析。此技术应用于金融风险管理无疑非常有益，可提供 风险预警，让管理者提前做好准备，为决策提供参考信息，因 而使企业极大地降低风险和提高竞争力，为企业的长足发展 作出贡献。
【关键词】数据挖掘； 金融风险； 风险管理； 信息应用 【作者简介】王蕾（ 1985 ～ ） ，女，河北金融学院助教，硕士； 研究方向： 数据挖掘