【正文】 資資金，由于自己的時間不足以去滿足投資的時間需要，于是將自己的資金以托管的形式交給基金管理公司，通過雙方的協(xié)議來履行對方的承諾，基金管理人運用資金從事商業(yè)性投資，然后基金商和投資人共同承擔風險、分享收益 [6]。 基金是這幾年剛剛發(fā)展起來的新興金融投資產(chǎn)品，可以對其進行多種分類，大致分為：股票型基金、債券基金、貨幣基金 。股票型基金相對其他兩種產(chǎn)品來說投資收益率較高，一般可以達到 8%左右，對于一年以上的投資較為適合。債券型基金一般收益率在 2%%之間浮動，收益相對穩(wěn)健，不會傷及本金，對于投資期也比較自由，但是考慮相應的費用和持有時間，對債券型基金的選擇略微靠后，而貨幣基金 是一種短期低風險的投資理財產(chǎn)品，收益率相對較低，因此有人第二章 投資策略的基本產(chǎn)品分析 8 又稱他為銀行儲蓄的“替代品”，適合短期投資，當然一定情況下也可以作為一種過 渡性投資品種。 第三章 投資策略的基本產(chǎn)品分析 9 第 三 章 數(shù)據(jù)挖掘技術的概述 數(shù)據(jù)挖掘就是在大量的數(shù)據(jù)中進行規(guī)律化的綜合性分析，從中找出對事實發(fā)展較為有用的數(shù)據(jù)和物質發(fā)展規(guī)律，整體過程需要進行數(shù)據(jù)準備、規(guī)律性分析、得出結果等步驟，所涉及的方法較多 例如相關性分析、聚類分析、異常性分析、演變分析等等它將傳統(tǒng)的分析方法與海量數(shù)據(jù)的處理相結合 數(shù)據(jù)挖掘是探查和分析大量數(shù)據(jù)以發(fā)現(xiàn)有意義的模式和規(guī)則的過程 [7]。 數(shù)據(jù)挖掘的目的是為了通過分析具體的大量數(shù)據(jù)，得出最有新穎、最不為人知、對今后 次失誤的發(fā)展會有重大影響的有價值信息，從而幫助需要此數(shù)據(jù)的部門快速提高分析效率，更好地幫助企業(yè)發(fā)展。在此期間 用戶必須借助相應的數(shù)據(jù)挖掘工具來發(fā)現(xiàn)并找出數(shù)據(jù)中隱藏的規(guī)律，為了做出決策提自動化的、供智能的輔助手段。 數(shù)據(jù)挖掘技術的起源 如果想發(fā)明一個東西，那么導致他的發(fā)明者能制造它出來的原因就是它非常的被人們所需要，即“需要是發(fā)明之母”，近些年來，由于中國經(jīng)濟快速蓬勃的發(fā)展從而帶動中國的信息產(chǎn)業(yè)一路高歌猛進茁壯成長，“數(shù)據(jù)挖掘”這個詞對于中國信息產(chǎn)業(yè)界不再是一個生僻詞，越來越多引起人們對它的關注，一個 很重要的原因就是在于 目前網(wǎng)絡中存在大量數(shù)據(jù)，并且這些數(shù)據(jù)可與廣泛的去作為有用的資源去使用，同時迫切需要將這些數(shù)據(jù)轉換成有用的信息和知識，從這些獲取的信息和知識中可以廣泛運用與各種生活應用，包括商務管理，市場綜合性分析，工程設計，可靠研發(fā)，以及生產(chǎn)控制。 數(shù)據(jù)爆炸 的形成 電子 信息技術高速發(fā)展，帶動了整體數(shù)據(jù)庫技術的發(fā)展，不再像以前一樣只是用于科學研究和探討，取而代之的使用在更多的實際現(xiàn)實生活當中，從而大量的信息數(shù)據(jù)被收納到了現(xiàn)在的數(shù)據(jù)庫中， 雖然技術在不斷成長，但是在統(tǒng)計以后的分析中的技術卻尚未成熟， 不能及時做好分析工作，這就導致了大量的數(shù)據(jù)涌入，而并不能及時處理，這樣就造成了一個現(xiàn)象：各方面數(shù)據(jù)很充分但是實用性很低，造成了“數(shù)據(jù)大爆炸但只是很匱乏”的現(xiàn)象 [13]。 第三章 投資策略的基本產(chǎn)品分析 10 數(shù)據(jù)挖掘逐漸演變的過程 和所有事物一樣，數(shù)據(jù)挖掘也是一個不斷在進化演變的過程，在 電子數(shù)據(jù)處理的初期，人們就是用各種方法去實現(xiàn)自動的決策支持，在當時人們更多地關注焦點還是放在了機器的學習，讓機器的學習顧名思義就是將一些已知的并且在過去已經(jīng)成功解決的問題作為一個標準事例輸入計算機 ，然后讓計算機去自我學習同時自己把這些事例總結成 自己的相應規(guī)則，同時這些規(guī)則之間又具有共性，使用它們可以解決某些相似的問題，后來，神經(jīng)網(wǎng)絡技術的問世 ，通過它的發(fā)展，又使人們把注意力轉到了知識工程，不同以前的是，知識工程不再需要預先輸入示例，而是直接向計算機輸入代碼（示例已被編為代碼），計算機能夠直接使用這些規(guī)則代碼去解決各種問題。所謂的專家系統(tǒng)，就是采用這樣的方法，但是它投資巨大但是效果并不理想， 到了 80 年代，人們重新總結了神經(jīng)網(wǎng)絡理論， 并在新的理論指導下，重新回到機器學習這個角度，并且人們將成果首次運用到了大型的綜合商業(yè)數(shù)據(jù)庫中，該技術由此成為了 80 年 代末的新術語，即 KDD。 KDD泛指所有從數(shù)據(jù)源中發(fā)掘的模式或聯(lián)系方法。但是最近人們開始使用某些統(tǒng)計方法來代替數(shù)據(jù)挖掘中的許多工作，并且他們認為最好的方法是將統(tǒng)計方法和數(shù)據(jù)挖掘有機的結合起來。 數(shù)據(jù)挖掘技術的概念 數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們視線不知道的、但又是潛在有用的信息和知識的過程 [8]。 數(shù)據(jù)挖掘在 商業(yè) 層面的含義 在商業(yè)層面，數(shù)據(jù)挖掘實際上就是對海量的商業(yè)數(shù)據(jù)進行更為有效和細致的分析方法，在以前來說，一般都是用于科學 領域研究工作，隨時間的發(fā)展也被更多的引用到民用商業(yè)方面研究，很多的數(shù)據(jù)其實都是偶然情況下產(chǎn)生的，并不是一種刻意的行為，分析這些目的是為了攫取更多的對商業(yè)有價值的信息，從中獲得更多的商業(yè)價值，然后是企業(yè)得以發(fā)展得到更多利潤，但是面對海量數(shù)據(jù)的處理，現(xiàn)有技術還是不能做到足夠的完善，還是有很大的發(fā)展空間，發(fā)現(xiàn)這些偶然性的商業(yè)信息就相當于礦中掘金，因此，也將其命名為數(shù)據(jù)挖掘，其商業(yè)的目的也可以描述為，更好地幫助企業(yè)快速的發(fā)展成長更有效的去優(yōu)化企業(yè)的整體。 數(shù)據(jù)挖掘的特點 數(shù)據(jù)挖掘分析方法最大的特點 在于其挖掘、發(fā)現(xiàn)關鍵的信息這個過程中并沒第三章 投資策略的基本產(chǎn)品分析 11 有明確的假設前提，并且所挖掘到的信息應具有一下三個特征即未知、有效、可使用。先前未知的信息是指該信息在之前從未預料到，并且沒有靠直覺發(fā)現(xiàn)的信息和知識，甚至是違背直覺的信息和知識，所發(fā)現(xiàn)越有價值的信息往往越是出乎意料的，常人用直覺根本不能發(fā)現(xiàn)的。最為典型的代表就是在沃爾瑪超市連鎖店中發(fā)現(xiàn)成人的啤酒和兒童的尿布之間有著驚人的聯(lián)系。 數(shù)據(jù)挖掘的常用 技術 數(shù)局挖掘算法的優(yōu)劣直接決定所發(fā)現(xiàn)的知識的價值性，以及所發(fā)現(xiàn)的知識的可實際應用程度。 數(shù)理統(tǒng)計主要應用于對數(shù)據(jù)挖掘所 挖掘出來的知識進行統(tǒng)計和評估，對于計算機來講，它的學習也是人工智能的一個分支，即歸納推理，從所發(fā)現(xiàn)的規(guī)律中找出隱含的規(guī)則。 數(shù)據(jù)挖掘技術能夠有效的處理數(shù)據(jù)庫中的海量數(shù)據(jù)，能夠更好的對數(shù)據(jù)進行分析和挖掘，從 而得出最精確的數(shù)據(jù)結果。數(shù)據(jù)挖掘中常用的方法有聚類分析、關聯(lián) 分析、回歸分析、分類分析、預測分析、偏差分析。 聚類分析 所謂聚類即指把整體的一個數(shù)據(jù)庫中的各種信息按照他們共有的特點將它們分為不同的群組。在同一組中的數(shù)據(jù)彼此相似，而不同組中的數(shù)據(jù)相差甚遠，聚類分析可以通過建立宏觀的概念，結合統(tǒng)計出 來的數(shù)據(jù)特點，得出潛在數(shù)據(jù)屬性之間的相互關系。此外，聚類分析還能夠在其他算法中充當預處理步驟 [9]。 在聚類分析的時候很有可能一次的聚類分析并不能得出真正理想的結果，這時就需要多次聚集，并且找一個對業(yè)務很專業(yè)的業(yè)內人士來確定分群的定義，這樣通過幾次的刪除或增加變量來影響分群的方式，才能最終得到真正理想的結果。 聚類方法也可以細分為統(tǒng)計方法和神經(jīng)網(wǎng)絡方法。 關聯(lián)分析 關聯(lián)分析是指在兩個或多個事物之間存在一定的聯(lián)系，通過對一個事件的預測可以得出另一個事件，進行關聯(lián)分析的目的在于挖掘出深層次不為人知的且對發(fā) 展有作用的數(shù)據(jù)。簡單的，可以將關聯(lián)分為單純性關聯(lián)、時間關聯(lián)和因果關聯(lián)，涉及到的參數(shù)可以引入興趣度、相關性等等這樣做的目的是為了是所挖掘的規(guī)則更符合實際。 關聯(lián)分析近似于序列模式分析，但側重點不同于序列模式分析，關聯(lián)分析更著眼于被分析數(shù)據(jù)前后的關聯(lián)性。 第三章 投資策略的基本產(chǎn)品分析 12 回歸分析 回歸分析在于確定某幾種變數(shù)之間相互依賴的一種定量關系，應用實際中非常廣泛，按照其自變量的不同可以大致分為一元回歸分析和多元回歸分析。考慮自變量和因變量也可以大致分為線性和非線性回歸分析兩種，一元線性回歸指在回歸分析中只存在自變量 和因變量各一個，且二者關系近似，相反則成為多元線性回歸分析 [10]。 預測分析 預測分析是指根據(jù)以往的歷史數(shù)據(jù)從中找出變化規(guī)律，運用方法建立模型，通過此模型對未來數(shù)據(jù)的種類和可能產(chǎn)生的特點進行準確預測，我們通常使用預測方差這個方法來度量其預測結果的精度和不確定性 [11]。 分類分析 找出一個具有代表這個某類數(shù)據(jù)的整體信息，并對它的類別概念進行描述，通過這種描述來構造相關的模型，通常使用決策樹或規(guī)則來表示，分類還可子啊規(guī)則描述和預測中進行更多應用。 偏差分析 數(shù)據(jù)發(fā)展現(xiàn)狀、數(shù)據(jù)本身的歷史記錄以及數(shù)據(jù)標準這三者存在顯著變化，而偏差分析就是探測這三者之間的偏離，然后通過分析得出相應的結果并應用到實際的生產(chǎn)經(jīng)營當中。第四章 多元統(tǒng)計對客戶投資的細分 13 第 四 章 多元統(tǒng)計對 客戶 投資的 細分 多元統(tǒng)計在金融投資領域中的 重要 作用 隨著現(xiàn)代高新技術的發(fā)展，計算機信息技術 已經(jīng)發(fā)生了重大轉變，從最初單純地服務于行業(yè)的業(yè)務領域，逐漸轉變?yōu)閷I(yè)務和管理的各個方面的綜合應用，在高速發(fā)展的今天，金融部門的數(shù)據(jù)量大大增加，單純的人工分析統(tǒng)計已完完全全不能滿足現(xiàn)在這個時代的一個基本要求， 伴隨著產(chǎn)生了我們現(xiàn)在的數(shù)據(jù)庫系統(tǒng)，它可以有效的實現(xiàn)對數(shù)據(jù)的統(tǒng)計，查詢以及錄入，雖然提高了我們的工作效率，但是它仍然無法實現(xiàn)根據(jù)得到數(shù)據(jù)進行分析這一重要的行為，數(shù)據(jù)庫并不能發(fā)現(xiàn)每個數(shù)據(jù)中隱含存在的關系和規(guī)則，并且它無法根據(jù)現(xiàn)有的數(shù)據(jù)區(qū)預測未來的發(fā)展走向，缺乏了這樣的手段所面臨的結果就是出現(xiàn)了“數(shù)據(jù)大爆炸但知識貧乏”的現(xiàn)象。這時候數(shù)據(jù)挖掘應運而生，作為信息技術發(fā)展的關鍵，正顯現(xiàn)其巨