外文文獻(xiàn)翻譯（中文）--財(cái)務(wù)早期預(yù)警系統(tǒng)和對風(fēng)險(xiǎn)預(yù)測的數(shù)據(jù)發(fā)掘的應(yīng)用程序研究（節(jié)選）

1、<p><b>　　中文5900字</b></p><p>　　本科畢業(yè)設(shè)計(jì)外文翻譯</p><p><b>　?。?013屆）</b></p><p>　　論文題目 財(cái)務(wù)早期預(yù)警系統(tǒng)和對風(fēng)險(xiǎn)預(yù)測的數(shù)據(jù)發(fā)掘的應(yīng)用方法研究</p><p>　　作者姓名

2、 </p><p>　　指導(dǎo)教師 </p><p><b>　　學(xué)科(專業(yè))</b></p><p>　　所在學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 </p><p>　　提交日期 2013年5月 　 </p>

3、<p>　　財(cái)務(wù)早期預(yù)警系統(tǒng)和對風(fēng)險(xiǎn)預(yù)測的數(shù)據(jù)發(fā)掘的應(yīng)用程序研究</p><p>　　Ali Serhan Koyuncugila，Nermin Ozgulbasb</p><p>　　出處：Expert Systems with Applications Volume 39, Issue 6, May 2012, Pages 6238–6253</p><

4、p>　　摘要：中小企業(yè)（SME)面臨的最大的問題之一是他們的財(cái)務(wù)困難，因?yàn)樗麄儾怀渥愕呢?cái)務(wù)背景。在這次研究中，提出了一個(gè)早期財(cái)務(wù)預(yù)警系統(tǒng)（EWS）模型，它是基于對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測的數(shù)據(jù)發(fā)掘。CHAID算法已經(jīng)被應(yīng)用到這個(gè)系統(tǒng)的開發(fā)中。成熟的早期財(cái)務(wù)預(yù)警系統(tǒng)工作就像一個(gè)裁縫來做財(cái)務(wù)顧問，他會(huì)根據(jù)情況不同使用不同的方法自動(dòng)處理財(cái)務(wù)狀況不佳的工廠的財(cái)務(wù)。另外，根據(jù)土耳其中心銀行（TCB）2007年的數(shù)據(jù)顯示，這個(gè)模型的應(yīng)用程序已經(jīng)在7853

5、家中小型企業(yè)中使用。通過使用這個(gè)早期財(cái)務(wù)預(yù)警系統(tǒng)（EWS)，31種風(fēng)險(xiǎn)概述，15種風(fēng)險(xiǎn)標(biāo)示信息，2個(gè)早期預(yù)警信號和4個(gè)金融路線圖已經(jīng)被認(rèn)為可以使用來降低財(cái)務(wù)風(fēng)險(xiǎn)。</p><p>　　關(guān)鍵詞：CHAID ，數(shù)據(jù)發(fā)掘，早期預(yù)警系統(tǒng)，財(cái)務(wù)風(fēng)險(xiǎn)，財(cái)務(wù)困難，中小企業(yè)</p><p><b>　　引言</b></p><p>　　所有的企業(yè)尤其是中小型企

6、業(yè)（SME)現(xiàn)在需要比以前更早的考慮他們的總體業(yè)務(wù)規(guī)模。尤其是在發(fā)展中國家，除了管理不當(dāng)、競爭、經(jīng)濟(jì)狀況和中小型企業(yè)（SME)在全球化中所面臨的永遠(yuǎn)也不會(huì)消失的危險(xiǎn)之外，財(cái)務(wù)危機(jī)也會(huì)導(dǎo)致公司陷入困境和影響公司的業(yè)績。</p><p>　　中小型企業(yè)（SME）在非盈利經(jīng)濟(jì)機(jī)構(gòu)NACE（歐盟中的經(jīng)濟(jì)活動(dòng)統(tǒng)計(jì)分類的機(jī)構(gòu)）中被定義為雇傭少于250人的企業(yè)。另外對中小型企業(yè)（SME)的補(bǔ)充，定義雇傭超過250人的企業(yè)為大型

7、企業(yè)（LSEs），在中小型企業(yè)（SME)的分類中，下面是一個(gè)很著名的企業(yè)大小等級分類</p><p>　　微型企業(yè)，雇傭少于10個(gè)人。</p><p>　　小型企業(yè)，雇傭至少10個(gè)但不多于50個(gè)人。</p><p>　　中型企業(yè)，雇傭人數(shù)在50到250個(gè)之間。</p><p>　　這個(gè)定義是基于統(tǒng)計(jì)學(xué)的原因定義的。在歐洲，關(guān)于中小型企業(yè)（SM

8、E)的定義還有兩個(gè)額外的標(biāo)準(zhǔn)，年度營業(yè)額少于5千萬歐元和余額流動(dòng)少于4千3百萬歐元。</p><p>　　在整個(gè)經(jīng)濟(jì)體系中，中小型企業(yè)（SME)扮演著一個(gè)很重要的角色，它是雇傭和收入的重要?jiǎng)恿?，是?chuàng)新和經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)器?；I措資金是中小型企業(yè)（SME)創(chuàng)新、生存和發(fā)展所面臨的最大挑戰(zhàn)，而且對創(chuàng)新尤其重要。財(cái)務(wù)和經(jīng)濟(jì)危機(jī)正在使這個(gè)問題快速惡化，中小型企業(yè)正在面臨著雙重打擊：商品和服務(wù)需求的劇烈下降，緊縮的信用關(guān)系，這

9、嚴(yán)重影響了中小型企業(yè)（SME)的現(xiàn)金流動(dòng)。總之，所有這些因素導(dǎo)致中小型企業(yè)陷入了財(cái)務(wù)危機(jī)。</p><p>　　一個(gè)交易的失敗會(huì)給所有的參與者如債權(quán)人、投資者、審計(jì)員、金融機(jī)構(gòu)、股東、雇員和顧客造成大量的損失，而且這還會(huì)毫無疑問的會(huì)影響國家的經(jīng)濟(jì)狀況。當(dāng)一個(gè)有金融問題的交易出現(xiàn)債主不能付得起他的債務(wù)時(shí)，這個(gè)交易就會(huì)陷入這樣一種情形，成為一個(gè)沒有履行的貸款交易，最終，如果這個(gè)問題不能被解決，這個(gè)交易就會(huì)破產(chǎn)和被強(qiáng)制

10、停止。這些失敗的交易不可避免的會(huì)影響整個(gè)商業(yè)活動(dòng)。直接或間接的交易破產(chǎn)損失會(huì)招致清算債務(wù)的開支增加或試圖整頓公司的計(jì)算花費(fèi)、法律花費(fèi)和其他專業(yè)花費(fèi)開支的增加。而且這還會(huì)對公司的其他業(yè)務(wù)造成災(zāi)難性的擴(kuò)展，最終國家經(jīng)濟(jì)也會(huì)受到影響。</p><p>　　意識到使一個(gè)交易成功的因素也很重要，它同樣適用于所有相關(guān)的部分，以此來有一個(gè)對財(cái)務(wù)績效和破產(chǎn)有更好的理解。對一個(gè)成功公司的財(cái)務(wù)管理人員來說，當(dāng)他們的客戶或供應(yīng)商破產(chǎn)時(shí)

11、，知道如何應(yīng)對也是很重要的。類似的，公司應(yīng)該意識到自己的狀況，不管何時(shí)何地他們都必須立刻而不是等事情發(fā)展到超出控制和達(dá)到危險(xiǎn)時(shí)，才采取必要的行動(dòng)來為他們的財(cái)務(wù)問題負(fù)責(zé)。</p><p>　　所以，把產(chǎn)生財(cái)務(wù)困境的因素轉(zhuǎn)換成早期預(yù)警信號對中小型企業(yè)（SME）甚至所有企業(yè)來說有至關(guān)重要的價(jià)值。能把企業(yè)的財(cái)務(wù)危機(jī)全部阻止的方法并不存在，最重要的事情就是考慮好引起這種情況的因素，在一定相當(dāng)長的時(shí)間能能采取正確的措施，然后

12、為未來可能的財(cái)務(wù)危機(jī)準(zhǔn)備好靈活的應(yīng)急計(jì)劃。</p><p>　　本片文章的主要目的是提出一個(gè)基于數(shù)據(jù)發(fā)掘的早期財(cái)務(wù)預(yù)警系統(tǒng)（EWS)模型。早期財(cái)務(wù)預(yù)警系統(tǒng)（EWS)模型是為中小型企業(yè)開發(fā)的用來獲得偵測風(fēng)險(xiǎn)范圍，風(fēng)險(xiǎn)指數(shù)和早期預(yù)警信號。齊-斯夸自動(dòng)相互作用探測器（CHAID）決策樹算法在本研究中被作為一種數(shù)據(jù)發(fā)掘方法。記住這篇論文安排如下：第二部分顯示了早期財(cái)務(wù)預(yù)警系統(tǒng)的定義；第三部分是包含了對風(fēng)險(xiǎn)探測和早期預(yù)警系

13、統(tǒng)的數(shù)據(jù)發(fā)掘；對風(fēng)險(xiǎn)探測和早期預(yù)警信號的數(shù)據(jù)算法的實(shí)現(xiàn)被提出來則是在第四部分中；最后是標(biāo)記和策略建議寫在第五部分中。</p><p><b>　　財(cái)務(wù)早期預(yù)警系統(tǒng)</b></p><p>　　早期預(yù)警系統(tǒng)（EWS)是一個(gè)為了預(yù)測成功的幾率和可能的異常情況的系統(tǒng)，也能降低交易，處理事務(wù)，系統(tǒng)、現(xiàn)象、公司和個(gè)人遭受的危險(xiǎn)的風(fēng)險(xiǎn)。此外，他們的當(dāng)前情況和可能的風(fēng)險(xiǎn)都能以數(shù)字的

14、形式的表現(xiàn)出來。財(cái)務(wù)EWS是一個(gè)警告和報(bào)告的系統(tǒng)，能在可能的問題、風(fēng)險(xiǎn)和機(jī)會(huì)影響公司的財(cái)務(wù)狀況之前發(fā)出警告。EWS是用來預(yù)測財(cái)務(wù)績效，財(cái)務(wù)風(fēng)險(xiǎn)和可能的破產(chǎn)危機(jī)。EWS給管理者一個(gè)機(jī)會(huì)來避免或減緩潛藏的問題所造成的危害。幾乎所有的財(cái)務(wù)EWS都是基于財(cái)務(wù)狀況的，收支平衡表就是為了早期預(yù)警系統(tǒng)而影響到財(cái)務(wù)真實(shí)性的數(shù)據(jù)源。本質(zhì)上來說，EWS是一項(xiàng)財(cái)務(wù)分析技術(shù)，它能在財(cái)務(wù)比例的幫助下獲得的完整的企業(yè)分析，而這些應(yīng)該歸功與它的工業(yè)基礎(chǔ)。</p

15、><p>　　這些為了使企業(yè)脫離困境而做出的努力，都起始于Beave（1966）于1968年發(fā)表在期刊AltMan上的基于比例使用的分析。其它的使用多樣性統(tǒng)計(jì)方法研究的重要例子有Deakin（1972），Altman，Haldeman，和Narayanan（1977），Taffler，Tisshaw（1977）給出的使用多樣性統(tǒng)計(jì)的使用模型；Zmijewski (1984), Zavgren (1985), Jone

16、s (1987), Pantlone and Platt (1987)給出的使用分對數(shù)和波比特模型;還有Meyer and Pifer (1970) 給出的使用多元回歸模型。除了這些關(guān)于商業(yè)困境的研究，研究者還把注意力集中到了監(jiān)控企業(yè)正在運(yùn)作的情形來探測企業(yè)可能會(huì)遭受突然的變故或者不期望的風(fēng)險(xiǎn)因素。這些研究對早期預(yù)警系統(tǒng)做了很大的貢獻(xiàn)。其中的一下研究成果被使用在中小型企業(yè)、銀行、保險(xiǎn)公司、IT公司中，而且研究方法被證明是比較低效的。&

17、lt;/p><p>　　Brockett and Cooper (1990)通過一種神經(jīng)網(wǎng)絡(luò)方法發(fā)明了一種早期預(yù)警系統(tǒng)（EWS)。這個(gè)模型使用了24個(gè)新的變量，之后又降低到了8個(gè)。這些變量是資產(chǎn)凈值、資產(chǎn)總值的比例、回報(bào)資產(chǎn)、營業(yè)資產(chǎn)、可回收的資產(chǎn)凈值、損失的改變、相對于現(xiàn)有資產(chǎn)的債務(wù)。</p><p>　　Lee and Urrutia (1996)開發(fā)一個(gè)早期預(yù)警系統(tǒng)，此系統(tǒng)是通過比較了l

18、ogit模型 、harzard模型 、神經(jīng)網(wǎng)絡(luò)模型和discriminant模型而開發(fā)的。對于不同的模型來說，他們發(fā)現(xiàn)了不同的顯示和跡象。所以他們認(rèn)為所有的模型預(yù)測能力是一樣的。他們開發(fā)了一種早期預(yù)警系統(tǒng)模型，這是基于“符號邏輯的復(fù)原”，這種理論是他們通過評估Trieschmannand Pinches(1973),Ambroseand Seward (1998),and Barnivand McDonald (1992)在對保險(xiǎn)公司的

19、研究而得來的。</p><p>　　Laitinen and Chong(1999)提出了一個(gè)使用早期預(yù)警信號預(yù)測小型公司危機(jī)的模型。他們的研究總結(jié)了兩個(gè)分別實(shí)施在芬蘭（72%回應(yīng)）和英國（26%）的研究成果，在芬蘭的研究是基于對團(tuán)體協(xié)作分析的處理步驟，在英國的研究是基于銀行經(jīng)理對中小型企業(yè)失敗的預(yù)測。這兩種研究都由8個(gè)主要因素和超過40個(gè)次要導(dǎo)致失敗的因素組成。這兩份研究的結(jié)果都有重要的相似點(diǎn)。管理不當(dāng)都被認(rèn)為

20、是最重要的因素，在會(huì)計(jì)系統(tǒng)中的缺陷和對顧客的態(tài)度是第二重要的。然而，低的會(huì)計(jì)職員的士氣在芬蘭也被認(rèn)為是一個(gè)重要因素，但在英國不是。</p><p>　　楊，玲，海和京為了預(yù)測銀行的金融風(fēng)險(xiǎn)而開發(fā)了一個(gè)人工神經(jīng)網(wǎng)絡(luò)（ANN)的方法來作為早期預(yù)警和測試方法。</p><p>　　Salas and Saurina (2002)對比了在1985-1997年期間西班牙的商業(yè)和儲(chǔ)蓄銀行的貸款問題的決

21、定因素，并同時(shí)考慮了宏觀經(jīng)濟(jì)和個(gè)人銀行級別的變量。GDP增長率,公司和家庭負(fù)債、快速降低的信用或分支擴(kuò)張,效率低下,投資組合成分、大小、凈息差,資本比率和市場權(quán)力就是解釋信用風(fēng)險(xiǎn)的變量。這個(gè)發(fā)現(xiàn)提出重要的銀行監(jiān)管政策問題:使用銀行水平變量作為預(yù)警指標(biāo),銀行并購的優(yōu)勢在不同地區(qū)有不同作用,以及銀行競爭和所有權(quán)在確定信用風(fēng)險(xiǎn)中所占的角色。</p><p>　　Edison（2003）開發(fā)了一個(gè)操作早期預(yù)警系統(tǒng)(EWS

22、),可以檢測金融危機(jī)。系統(tǒng)監(jiān)控的幾個(gè)指標(biāo)往往在危機(jī)之前的一段時(shí)間內(nèi)有不同尋常的表現(xiàn)。當(dāng)一個(gè)指標(biāo)超過(或低于)一個(gè)閾值,那么這就是說發(fā)出“信號”,貨幣危機(jī)可能會(huì)發(fā)生在一個(gè)給定的時(shí)期內(nèi)。該模型經(jīng)過了1997/1998年危機(jī)的考驗(yàn),但還有一些缺點(diǎn)被鑒定出來。本文也評估一下這個(gè)系統(tǒng)應(yīng)該怎么被應(yīng)用到一個(gè)單獨(dú)的國家中。結(jié)果表明,早期預(yù)警系統(tǒng)應(yīng)該被認(rèn)為是一個(gè)有用的診斷工具。 </p><p>　　Jacobs and Kupe

23、r (2004)提出了一種對針對亞洲六個(gè)國家的早期預(yù)警系統(tǒng)（EWS)。金融危機(jī)最著名的表現(xiàn)有三種類型：貨幣危機(jī)、銀行危機(jī)、債務(wù)危機(jī)。指標(biāo)組的重要性在一個(gè)多元logit模型中測試過，這個(gè)模型是建立在1970-2001年期間的對六個(gè)亞洲國家的測試上。作者發(fā)現(xiàn)，使用早期預(yù)警系統(tǒng)（EWS）的一些貨幣危機(jī)預(yù)測結(jié)果比其他的做的更好。</p><p>　　Berg, Borensztein, and Pattillo (200

24、4), 開發(fā)了貨幣危機(jī)的早期預(yù)警系統(tǒng)來應(yīng)對墨西哥和亞洲的危機(jī)。自從1999年初以來，國際貨幣基金組織（IMF）工作人員已經(jīng)系統(tǒng)的跟蹤一個(gè)正在建設(shè)中的基礎(chǔ)模塊，以作為其更廣泛的前瞻性的漏洞評估，這個(gè)基礎(chǔ)模塊是各種由內(nèi)部和私人機(jī)構(gòu)開發(fā)的內(nèi)部模塊組成的，。本研究詳細(xì)研究這些模型在實(shí)際應(yīng)用中的性能，這些內(nèi)部模型的預(yù)測是實(shí)際危機(jī)在統(tǒng)計(jì)和經(jīng)濟(jì)上重要預(yù)測因子?？偟膩碚f，小范圍內(nèi)的私人部門的模型被檢查的樣品表現(xiàn)不佳，盡管它們是樣本中的主要部分。<

25、/p><p>　　Brockett, Golden, Jang, and Yang (2006)檢查了統(tǒng)計(jì)模型和神經(jīng)網(wǎng)絡(luò)的方法對檢測陷入財(cái)務(wù)困境的保險(xiǎn)公司的影響。他們考慮了兩種神經(jīng)網(wǎng)絡(luò)方法：反向傳播（BP)和學(xué)習(xí)矢量量化（LVQ)，兩種統(tǒng)計(jì)方法：多重判別分析、邏輯回歸分析。結(jié)果表明，BP和LQV超越傳統(tǒng)的統(tǒng)計(jì)方法。</p><p>　　Abumustafa(2006)的研究發(fā)現(xiàn)了預(yù)警信號，并預(yù)

26、測貨幣危機(jī)會(huì)出現(xiàn)在埃及、約旦和土耳其。這項(xiàng)研究提出了實(shí)際匯率，出口，進(jìn)口，貿(mào)易平衡/國內(nèi)生產(chǎn)總值（GDP），外國負(fù)債/外國資產(chǎn)，國內(nèi)真正的利率，世界石油價(jià)格，和政府消費(fèi)/GDP作為指標(biāo)來預(yù)測匯率風(fēng)險(xiǎn)。結(jié)果表明，危機(jī)是可以預(yù)見的，而且EWS應(yīng)該被用來預(yù)測危機(jī)。</p><p>　　Kyong, Tae, Chiho, and Suk (2006)提出了施工過程中的日常財(cái)務(wù)狀況指標(biāo)（DFCI），它可以用作一個(gè)早期預(yù)警

27、信號使用在神經(jīng)網(wǎng)絡(luò)和非線性規(guī)劃中。DFCI建設(shè)的過程的完成是通過整合三個(gè)小的日常財(cái)務(wù)狀況指標(biāo)，基于每個(gè)金融變量，得到最后的DFCI。這項(xiàng)研究，在隨后檢測的金融危機(jī)的預(yù)測報(bào)警的區(qū)域是在韓國。</p><p>　　Katz (2006)提出一起使用EWS和早期預(yù)警信號。研究列出了通常一般的警告信號和最好用的方法來解決這些問題。他們是：工資稅、銷售稅和其他的信托業(yè)務(wù)；與高層管理人員和公司領(lǐng)導(dǎo)人的溝通；應(yīng)收賬款；客戶和

28、產(chǎn)品的盈利能力；應(yīng)付賬款；庫存，管理；資本密集型或制造業(yè)務(wù)；檢查作為一個(gè)指示器的問題。</p><p>　　Koyuncugil and Ozgulbas (2007a)為了使用數(shù)據(jù)發(fā)掘技術(shù)為在土耳其伊斯坦布爾證交所（ISE)上市的中小型企業(yè)（SME)開發(fā)一個(gè)財(cái)務(wù)早期預(yù)警模型，他們進(jìn)行了另一項(xiàng)研究（2007b）和為財(cái)務(wù)風(fēng)險(xiǎn)尋找早期預(yù)警信號。一個(gè)數(shù)據(jù)挖掘方法、卡方自動(dòng)交互檢測器（CHAID)決策樹算法被應(yīng)用到該研究

29、中來對財(cái)務(wù)分析和檢測信號。這項(xiàng)研究在2000-2005年間涵蓋了697個(gè)在土耳其伊斯坦布爾證交所（ISE)上市的中小型企業(yè)。由于這項(xiàng)研究，所有在土耳其伊斯坦布爾證交所（ISE)上市的中小型企業(yè)被分成了19種財(cái)務(wù)狀況，而且已經(jīng)確定其中的430家企業(yè)窘迫的財(cái)務(wù)狀況，換句話說就是有61.69%之多。根據(jù)陷入財(cái)務(wù)困境的SME的檔案，對在ISE上市的SME來說股本回報(bào)率（ROE）將可以作為一個(gè)金融預(yù)警信號。</p><p>

30、;　　Koyuncugil and Ozgulbas (2009a)開發(fā)了一個(gè)金融早期預(yù)警模型來檢測運(yùn)營風(fēng)險(xiǎn)因素對沖金融風(fēng)險(xiǎn)。為了這個(gè)目的研究使用了CHAID（卡方電器自動(dòng)方式交互檢測器）決策樹。這項(xiàng)研究在2008年涵蓋了6185個(gè)在安哥拉工業(yè)區(qū)的公司。這項(xiàng)研究發(fā)現(xiàn)公司應(yīng)該看重管理者的教育背景，管理者的地位，年?duì)I業(yè)額，公司的運(yùn)營時(shí)間長度，制造商的財(cái)務(wù)策略，能源的支出，巴塞爾協(xié)議的知識，質(zhì)量標(biāo)準(zhǔn)，和為了對沖操作風(fēng)險(xiǎn)和提高財(cái)務(wù)業(yè)績來作為運(yùn)營

31、風(fēng)險(xiǎn)因素的信貸的使用。</p><p>　　Koyuncugil and Ozgulbas (2009b)在土耳其通過數(shù)據(jù)發(fā)掘技術(shù)為中小型企業(yè)（SME）開發(fā)了一種基于運(yùn)營和金融風(fēng)險(xiǎn)因素的智能財(cái)務(wù)早期預(yù)警系統(tǒng)模型。這個(gè)模型的目的不僅僅是停留在理論結(jié)構(gòu)上對中小型企業(yè)（SME)是可行的，而且可以被中小型企業(yè)（SME)的管理者實(shí)際利用。根據(jù)這個(gè)模型，土耳其中小型企業(yè)（SME)的金融數(shù)據(jù)被通過對資產(chǎn)負(fù)債表和從土耳其中央銀行

32、得到的損益表的金融分析獲得。運(yùn)營數(shù)據(jù)是不能得到損益表，損益表是通過中小型企業(yè)(SME)實(shí)地研究收集的。模型的下一步是通過數(shù)據(jù)發(fā)掘和檢測早期警告標(biāo)志來分析財(cái)務(wù)和運(yùn)營數(shù)據(jù)。</p><p>　　Davis and Karim (2008a)在1970-2003年間成功預(yù)測了在新興市場和發(fā)達(dá)國家的大多數(shù)的銀行危機(jī)。Karim也建議說邏輯回歸對全球的早期預(yù)警系統(tǒng)（EWS）和國家的特殊情況下的早期預(yù)警系統(tǒng)（EWS)信號提取

33、是最合適的方法。</p><p>　　Davis and Karim (2008b)通過調(diào)查評估，基于邏輯回歸和二項(xiàng)式樹方法的早期預(yù)警系統(tǒng)在美國和英國是否能幫助警示危機(jī)。這項(xiàng)研究建議擴(kuò)寬宏觀審慎分析的處理適合早期預(yù)警。</p><p>　　從上面給出的資料可以看出面向早期預(yù)警系統(tǒng)的風(fēng)險(xiǎn)檢測有一片非常大的實(shí)現(xiàn)域，此外，上一代的商業(yè)智能數(shù)據(jù)發(fā)掘方法促進(jìn)了這些系統(tǒng)的準(zhǔn)確性。早期預(yù)警系統(tǒng)的運(yùn)營邏輯

34、是基于在職務(wù)范圍內(nèi)發(fā)現(xiàn)意想不到的和特別的行為。另一方面，數(shù)據(jù)發(fā)掘就是從大量的數(shù)據(jù)中通過復(fù)雜的進(jìn)化算法，經(jīng)典的技術(shù)，比如統(tǒng)計(jì)、模式識別、人工智能、機(jī)器學(xué)習(xí)等，發(fā)現(xiàn)之前未知的、有用的和有價(jià)值的知識、模式和關(guān)系。早期預(yù)警系統(tǒng)(EWS)的定義和本文提出的數(shù)據(jù)發(fā)掘有一個(gè)很有趣的相似點(diǎn)。</p><p>　　開發(fā)的早期預(yù)警系統(tǒng)（EWS)必須根據(jù)中小型企業(yè)管理者的需求來設(shè)計(jì)。所以系統(tǒng)必須易于理解和使用，還必須根據(jù)金融和運(yùn)營風(fēng)險(xiǎn)

35、因素（如銀行和巴塞爾協(xié)議的需求）來設(shè)計(jì)，必須在使用更新數(shù)據(jù)上智能化。</p><p>　　風(fēng)險(xiǎn)檢測和早期預(yù)警系統(tǒng)的數(shù)據(jù)發(fā)掘模型</p><p>　　通過澄清變量之間的關(guān)系，風(fēng)險(xiǎn)因素的識別定義了數(shù)據(jù)的發(fā)掘。面向自動(dòng)化和評估信息發(fā)現(xiàn)過程符合數(shù)據(jù)發(fā)掘的定義。數(shù)據(jù)發(fā)掘是一個(gè)整理大量數(shù)據(jù)和找出相關(guān)信息的過程。 Frawley, Piatetsky-Shapiro and Matheus (1992)

36、曾描述數(shù)據(jù)發(fā)掘?yàn)椤胺瞧椒驳膹臄?shù)據(jù)中提取出隱式的、以前未知的、潛在有用的信息”。還有 Hand, Mannila and Smyth (2001)也描述數(shù)據(jù)發(fā)掘?yàn)椤皬拇罅繑?shù)據(jù)集或數(shù)據(jù)庫里科學(xué)提取有用的信息”。數(shù)據(jù)發(fā)掘，從大型數(shù)據(jù)庫中對隱藏信息的提取，是一個(gè)功能強(qiáng)大的新技術(shù),有巨大的潛力去幫助企業(yè)在他們的數(shù)據(jù)倉庫中專注于最重要的信息。數(shù)據(jù)挖掘工具預(yù)測未來趨勢和行為,允許企業(yè)做出有前瞻性的、知識驅(qū)動(dòng)的決策。數(shù)據(jù)發(fā)掘提供的自動(dòng)化、有前瞻性的分析

37、超越了由舊有的經(jīng)典決策支持系統(tǒng)提供的工具進(jìn)行的對過去事件的分析。數(shù)據(jù)發(fā)掘工具可以快速回答業(yè)務(wù)問題，傳統(tǒng)上這些問題解決太耗費(fèi)時(shí)間。他們搜索數(shù)據(jù)庫隱藏模式，找到專家可能會(huì)錯(cuò)過的預(yù)測信息，因?yàn)檫@些信息超出了專家的期望范圍（Thearing，2004）。</p><p>　　Koyuncugil and Ozgulbas (2010)描述數(shù)據(jù)發(fā)掘?yàn)椤把葑兞说慕y(tǒng)計(jì)分析的集合，機(jī)器通過使用自動(dòng)發(fā)現(xiàn)和提取隱藏的預(yù)測信息、模式、

38、關(guān)系、相似或相異的（巨大的）數(shù)據(jù)過程的智能算法的學(xué)習(xí)和模式識別方法”。</p><p>　　數(shù)據(jù)發(fā)掘是被商業(yè)情報(bào)組織和金融分析師用來從大型數(shù)據(jù)集合中獲得信息。涉及到企業(yè)資源規(guī)劃的數(shù)據(jù)發(fā)掘是對大量交易數(shù)據(jù)集的統(tǒng)計(jì)和邏輯分析，以尋找能輔助決策（Monk & Wagner, 2006）的模式。今天，不同種類的綜合測量的數(shù)據(jù)發(fā)掘技術(shù)正在集中注意到測量和對沖風(fēng)險(xiǎn)。數(shù)據(jù)發(fā)掘技術(shù)已經(jīng)被Tam and Kiang (1

39、992), Lee, Han, and Kwon (1996), Kumar, Krovi, and Rajagopalan (1997)成功應(yīng)用到欺詐檢測和破產(chǎn)預(yù)測，被Nazem and Shin (1999)應(yīng)用到戰(zhàn)略決策中，被Eklund, Back, Vanharanta, and Visa (2003), Hoppszallern(2003), Derby(2003), Chang, Chang, Lin, and Kao (