导 师: 孟小华
授予学位: 硕士
作 者: ();
机构地区: 暨南大学
摘 要: 银行业由于其经营服务内容和服务对象的不确定性,导致银行经营的不确定性因素太多,具有较高风险。银行发放贷款的优良状况取决于客户资源优良状况,金融信息化有利于对风险因素的自动监测、评估和预警,降低风险发生的危害,维护金融业正常秩序。 本文采用使用大数据挖掘、云计算等技术,结合成熟的Apriori算法数据挖掘分析方法,对银行客户风险进行数字化分析。Apriori算法是数据挖掘中最经典也是最常用的算法之一,然而由于银行客户数据属于海量规模数据,对数据挖掘算法的性能提出了更高的要求。本文将采用基于B/S的J2EE体系架构,利用Hadoop数据库对数据进行存储,在此基础上,改进了对银行客户风险关联规则中的Apriori算法。Apriori算法改进的思想是将上三角支持度矩阵与事务二进制向量相融合,从而提高了生成频繁2-项集的速度,旨在改善算法执行效率的同时,保障影响客户风险要素属性之间强关联规则的有效性。 根据业务需求,重构了传统手工模式下的银行客户风险评价流程,对每个业务流程进行详细分析。将系统分成客户信息管理、数据信息管理、数据处理、客户风险分析、客户信用预测、系统管理等六个功能模块。本文通过UML建立每个功能模块的用例图,详细阐述每个用例情况,对系统的架构体系和功能模块进行了总体设计,给出了系统功能模块的类图、数据库等详细设计,并基于Java对系统进行了实现。 在系统实现中,针对潜在的银行不良贷款及相关风险客户,采用基于Apriori算法的改进,分析风险因子及其相关性,进而总结出一定的规律和结论,建立风险预警模型,这也是本论文所得出的最主要的成果。系统测试结果表明,本文开发的基于Hadoop数据库和改进型Apriori算法的银行客户风险�