数据挖掘与金融工程的结合--Ariszheng

数据挖掘与金融工程的结合--Ariszheng

2009-5-7

     最近，有一位研一数学系的朋友问我，关于数据挖掘与金融工程如何结合？哪些书是比较不错的入门教程?  等等初学者常问的问题，当然我也是初学者，呵呵。

      在我的理念中，数据挖掘与金融工程的结合是一个复合性工作，数据挖掘是金融工程中的一个可以利用的方法工具。金融工程中的金融产品设计、金融产品定价、交易策略设计、金融风险管理等都会涉及到大量的历史行情数据、财务数据、宏观数据等等。数据挖掘的主要目标是挖掘数据中隐含的潜在规律。在金融市场中，很多金融分析员，或者金融工程师使用数据挖掘的方法分析市场，企图发现市场的运行规律，并使用这种规律获得低风险的收益。

     数据挖掘与金融工程的结合目前有很多结合点：

      (1)股票市场走势与宏观数据之间的关系，长期的短期的；

     （2）市场走势与基金仓位直接的关系；

     （3）股票价格走势与财务数据间的关系等等

如果你能找到市场中的潜在规律（假设潜在规律是存在的），你便可以利用此规律盈利，数据挖掘便是发现这种规律的工具。

      数据挖掘与金融工程的结合需要广阔的视野，深厚的知识累积。关于这个方向如何入门，或许当你对数据挖掘、金融工程、金融市场有了较深入的理解后便会发现其结合方法。

哪些书是比较不错的入门教程? 数据挖掘、金融工程、金融市场相关的经典教材都是不错的入门数。复合的意思有多种有A+B，AA+B，……，AAA+BBB，哪中才是最好的，复合型人才付出的努力也是复合的，呵呵。

附录：

 

数据挖掘(Data Mining)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘的广义观点：数据挖掘就是从存放在数据库，数据仓库或其他信息库中的大量的数据中“挖掘”有趣知识的过程。数据挖掘，又称为数据库中知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程以下步骤组成：（1）数据清理，（2）数据集成，（3）数据选择，（4）数据变换，（5）数据挖掘，（6）模式评估，（7）知识表示。数据挖掘可以与用户或知识库交互。

　　并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。

 

金融工程的定义有多种说法，美国金融学家约翰·芬尼迪(John Finnerty)提出的定义最好：金融工程包括创新型金融工具与金融手段的设计、开发与实施，以及对金融问题给予创造性的解决。

　　金融工程的概念有狭义和广义两种。狭义的金融工程主要是指利用先进的数学及通讯工具，在各种现有基本金融产品的基础上，进行不同形式的组合分解，以设计出符合客户需要并具有特定Ｐ／L性的新的金融产品。而广义的金融工程则是指一切利用工程化手段来解决金融问题的技术开发，它不仅包括金融产品设计，还包括金融产品定价、交易策略设计、金融风险管理等各个方面。