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�

关 键 词： 银行业 客户管理 风险预测 软件开发 功能模块 算法

领　　域： [] []