資料探勘在財務領域運用案例(doc 56頁)

資料探勘在財務領域運用案例目錄：
一、 組員簡介
二、 研究目的
三、 研究架構
四、 研究方法與實證研究-BPN與MARS
五、 研究結論

資料探勘在財務領域運用案例內容提要：
研究目的
將數據探勘工具運用於財務領域
應用數據采勘工具：
倒傳遞類神經網絡(BPN)
多元適應性雲形回歸(MARS)
　分析債券型基金經理人的擇時能力　
探討兩DATAMINING工具在分類問題的精確度
資料探勘（DataMining）：
從數據庫或大量數據儲存體中，挖掘有用信息的過程。
過程包含以下步驟：
數據選取（DataSelection）
資料整理（Cleaning）
數據擴充（Enrichment）
數據編碼（Coding）
資料探勘（DataMining）
探勘報告（Reporting）
資料探勘
應用模式
分類問題（Classification）：依數據特定屬性判別其歸類
趨勢分析（TrendAnalysis）：利用現有數值預測一個連續變量的未來值
分群模式（Clustering）：依資料特性的相關性予以分組
關聯分析（Associations）：找出在群組中同時出現的事件
順序型樣（SequentialAnalysis）：找出事件「先後」發生的順序
分類問題的應用工具
傳統統計方法：如羅吉斯回歸、鑒別分析
人工智能：如類神經網絡
無母數統計：如多元適應性雲形回歸

..............................