数据挖掘在商业银行中的若干应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·数据挖掘技术在商业银行中应用现状 | 第8-9页 |
| ·论文的选题背景 | 第9页 |
| ·论文的工程背景 | 第9页 |
| ·研究内容、重点和意义 | 第9页 |
| ·本文的组织 | 第9-11页 |
| 2 数据挖掘简介 | 第11-22页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的对象—数据库 | 第11-12页 |
| ·数据挖掘的结果—知识 | 第12页 |
| ·数据挖掘的过程 | 第12-13页 |
| ·数据挖掘主要功能和技术 | 第13-22页 |
| ·关联规则 | 第13-14页 |
| ·分类与预测 | 第14-17页 |
| ·聚类分析 | 第17-19页 |
| ·孤立点分析 | 第19-20页 |
| ·时间序列分析 | 第20-22页 |
| 3 本文相关主题和技术 | 第22-28页 |
| ·商业银行经营管理 | 第22-24页 |
| ·商业银行的定义 | 第22页 |
| ·商业银行经营原则 | 第22页 |
| ·商业银行经营管理理论 | 第22-23页 |
| ·商业银行经营管理的主要内容 | 第23页 |
| ·商业银行的发展趋势 | 第23-24页 |
| ·数据仓库 | 第24-26页 |
| ·数据仓库的定义 | 第24页 |
| ·数据库系统与数据仓库的区别 | 第24页 |
| ·多维数据模型 | 第24-25页 |
| ·多维数据模型上的OLAP操作 | 第25-26页 |
| ·统计学 | 第26页 |
| ·人工神经网络 | 第26-28页 |
| 4 贷款风险管理的数据挖掘 | 第28-38页 |
| ·应用背景 | 第28-29页 |
| ·数据来源 | 第29页 |
| ·指标解释和说明 | 第29-31页 |
| ·空缺值的处理 | 第31页 |
| ·关联分析的应用 | 第31-35页 |
| ·Apriori算法过程模拟 | 第31-32页 |
| ·关联规则分析结果 | 第32-35页 |
| ·分类预测的应用 | 第35-38页 |
| ·属性判断 | 第35-36页 |
| ·分类结果 | 第36页 |
| ·实际应用中的问题 | 第36-38页 |
| 5 财务分析与业绩评价的数据挖掘 | 第38-46页 |
| ·商业银行经营业绩的聚类分析 | 第38-42页 |
| ·数据来源 | 第38-39页 |
| ·数据说明和预处理 | 第39-40页 |
| ·聚类方法和过程 | 第40-41页 |
| ·聚类结果的解析 | 第41-42页 |
| ·财务数据的人工神经网络应用 | 第42-46页 |
| ·应用背景 | 第42-43页 |
| ·神经网络模型 | 第43页 |
| ·应用过程 | 第43页 |
| ·模型分析 | 第43-45页 |
| ·实际应用中的问题 | 第45-46页 |
| 6 安全防范和日常管理的数据挖掘 | 第46-51页 |
| ·安全防范典型的应用—银行卡的异常数据分析 | 第46-47页 |
| ·其它安全防范的应用 | 第47-48页 |
| ·日常管理和监督中应用 | 第48页 |
| ·类差别的实际应用一例 | 第48-51页 |
| 7 网点与柜台业务管理的数据挖掘 | 第51-56页 |
| ·应用背景 | 第51页 |
| ·柜台业务实体模型 | 第51页 |
| ·时间序列挖掘的对象与目标 | 第51-52页 |
| ·业务交易的时间序列分析 | 第52-53页 |
| ·业务时间价值分析 | 第53-56页 |
| ·业务时间价值分析概念 | 第53页 |
| ·业务时间价值理论依据 | 第53页 |
| ·业务时间价值与柜员 | 第53-54页 |
| ·业务时间价值与客户 | 第54页 |
| ·业务时间价值与业务改进 | 第54-55页 |
| ·业务时间价值其它用途 | 第55-56页 |
| 8 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
