金融數(shù)據(jù)挖掘ppt課件-展示頁
2025-05-16 04:20本頁面
【正文】 * 盡量不采用配對抽樣 ④、 隨機(jī)構(gòu)造的訓(xùn)練樣本組與檢驗(yàn)樣本組（過度擬合現(xiàn)象） ⑤ 、本案例的數(shù)據(jù)說明（ sj0） ： * 1995年底前上市的公司； * 刪除其他原因被特別處理的公司； * 數(shù)據(jù)跨期 19962022，分別預(yù)測 19982022； * 刪除在預(yù)測年度已陷入財(cái)務(wù)困境的公司； * 共有非 ST公司數(shù)據(jù) 1008個(gè)， ST公司數(shù)據(jù) 111個(gè)； * 采用的 6個(gè)預(yù)測變量為（第一種方法）： 總負(fù)債 /總資產(chǎn) 、 主營業(yè)務(wù)收入 /總資產(chǎn) 、 總利潤 /總資產(chǎn) 、（ 貨幣資金 +短期投資凈額 ） /流動資產(chǎn) 、 留存盈余 /總資產(chǎn) 、總資產(chǎn)的自然對數(shù) 。 第二章：分類與預(yù)測 一、分類與預(yù)測的概念 分類 已知離散的、有限的幾個(gè)類，判斷或預(yù)測樣本屬于那個(gè)類。 二、不同學(xué)科對數(shù)據(jù)挖掘技術(shù)的研究與開發(fā) 理論研究 —— 各種數(shù)據(jù)挖掘技術(shù)的理論基礎(chǔ)、理論依據(jù)研究，從數(shù)學(xué)、統(tǒng)計(jì)學(xué)、人工智能、計(jì)算機(jī)圖形學(xué)等不同領(lǐng)域； 挖掘技術(shù)研究，從統(tǒng)計(jì)學(xué)、人工智能、機(jī)器學(xué)習(xí)、計(jì)算機(jī)圖形學(xué)、軟件工程等領(lǐng)域； 數(shù)據(jù)管理策略研究，從數(shù)據(jù)庫管理技術(shù)等領(lǐng)域； 數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究，其中數(shù)據(jù)挖掘技術(shù)在金融領(lǐng)域的應(yīng)用是一個(gè)重要方面。 我國對數(shù)據(jù)挖掘技術(shù)的重視（開發(fā)與應(yīng)用） 86 963項(xiàng)目； 國家及省重點(diǎn)科學(xué)領(lǐng)域； 國家統(tǒng)計(jì)局在全國組織數(shù)據(jù)挖掘培訓(xùn)（ 2022）； 企業(yè)特別是銀行對數(shù)據(jù)挖掘技術(shù)的重視； 人民大學(xué)數(shù)據(jù)挖掘研究與應(yīng)用中心。 金融市場的數(shù)據(jù)挖掘 教材： 數(shù)據(jù)采掘入門與應(yīng)用 張堯庭編 中國統(tǒng)計(jì)出版社 參考教材： 數(shù)據(jù)挖掘 —— 概念與技術(shù) jiawei Han著，范明譯 機(jī)械工業(yè)出版社 多元統(tǒng)計(jì)數(shù)據(jù)分析 —— 理論、方法、實(shí)例 任若恩著 國防工業(yè)出版社 配套應(yīng)用軟件： Intelligent miner for data SAS 第一章：概論 一、何為數(shù)據(jù)挖掘（ data mining） 現(xiàn)代信息社會的特征：信息（數(shù)據(jù)）泛濫、知識缺乏，如何從海量數(shù)據(jù)（廣義的概念）中挖掘出決策有用信息？ 數(shù)據(jù)挖掘是 結(jié)合現(xiàn)代數(shù)學(xué)、統(tǒng)計(jì)學(xué)，機(jī)器學(xué)習(xí)、人工智能、數(shù)據(jù)庫管理、計(jì)算機(jī)圖形學(xué)、軟件工程等各領(lǐng)域的技術(shù)和知識， 1990年代在西方國家出現(xiàn)的一種高新技術(shù) —— 從海量數(shù)據(jù)中挖掘出決策有用信息的技術(shù)。 1990年代末，在對 100名美國著名科學(xué)家的問卷調(diào)查中，數(shù)據(jù)挖掘被列為 21世紀(jì)對人類發(fā)展影響最大、最有前途的 10大技術(shù)的第三位。 海量數(shù)據(jù) —— 沙漠，隱含的知識 —— 金子， 數(shù)據(jù)挖掘 —— 從沙漠中挖掘金子的技術(shù)。 三、幾種相對比較成熟的數(shù)據(jù)挖掘技術(shù) 數(shù)據(jù)挖掘是一門新興的、正在不斷發(fā)展中的技術(shù)，近年來，幾類十
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1