面向金融大数据的信用风险度量与决策分析

Based on "Thirteen Five" development planning, national economic and social development of the major needs of the country, this project aims to theoretical study and technical research on credit risk measurement and decision analysis for financial big data. First, from the perspective of system theory and system science, this project is to carry out the theoretical study of the complexity mechanism of credit risk measurement for financial big data. Then, considering new requirements and new challenges from the complex characteristics of multi-source heterogeneous, timeliness and 5V in big data, this project, based on big data processing platform (Hadoop, MapReduce, Spark, Hbase, Hive et al.), is to research and develop new efficient credit risk measurement models of data mining. Next, there is an actual situation that the results of the mining are difficulty to be understood, this project, from the objective of comprehensibility, expressiveness, practicality and accuracy, is to carry out secondary mining and knowledge discovery, based on multi-criteria decision making methods. Finally, based on industrial upgrading theory and economic growth theory, this project is to carry out countermeasure research on transformation and upgrading of financial industry in Jiangxi province, in order to provide management consulting and decision support service for Jiangxi financial industry innovation and development in big data.

本项目立足于国家“十三五”发展规划与国民经济和社会发展的重大需求，对面向金融大数据的信用风险度量与决策分析展开理论研究和技术攻关。首先，从系统论和系统科学的角度，面向金融大数据，开展信用风险度量的复杂性机理的理论研究；接着，考虑大数据所蕴含的多源异构性、时效性、社会性、涌现性等复杂特点和5V特性对数据分析技术提出的新要求和新挑战，基于大数据处理平台(Hadoop，MapReduce，Spark，Hbase，Hive等)，研发信用风险度量的数据挖掘新模型；然后，针对用户难以理解挖掘出的结果的实际态势，从可理解性、可表达性、实用性和准确性的目标出发，结合多目标决策方法进行二次挖掘与知识发现；最后，基于产业升级理论和经济增理论，开展适合江西省金融产业转型升级的对策研究，为江西省金融产业创新、产业升级发展提供管理咨询与决策支持服务。

本项目立足于国家“十三五”发展规划与国民经济和社会发展的重大需求，对面向金融大数据的信用风险度量与决策分析展开理论研究和技术攻关。首先，从系统论和系统科学的角度，考虑决策过程的复杂性和系统本身的复杂性，以及决策专家容易受到自身经验、专业背景及领域知识的影响，项目面向金融大数据，结合大数据，数据挖掘，决策科学和群决策理论与方法，开展信用风险度量的复杂性机理的理论研究；接着，项目从指标的科学性、可获得性、综合性和代表性等原则，以及现有文献的基础上，建立适合金融行业特点的信用风险度量评估指标体系。并考虑大数据所蕴含的多源异构性、时效性、社会性、涌现性等复杂特点和5V特性对数据分析技术提出的新要求和新挑战，基于大数据处理平台，结合Sigmoid逻辑回归、人工鱼群算法、BP神经网络、聚类算法等数据挖掘和人工智能分析方法，分析其在海量数据分析中的评估性能，研究高效的信用风险度量的数据挖掘新模型，为解决现时代的信用风险问题寻求技术突破；然后，针对用户对挖掘出的结果难以理解的实际态势，从可理解性、可表达性、实用性和准确性的目标出发，研发基于多目标决策的二次挖掘与知识发现的决策分析新方法，并提出GDMCRM模型更好地解决共识融合问题。使得挖掘出的粗糙知识转化为决策者所需的智能知识，克服以往凭“直觉+经验”的精英决策模式的不足；最后，基于产业升级理论和经济增长理论，从定量化角度为研究技术创新驱动金融产业升级的路径优化方案提供决策参考。并探讨大数据在金融产业发展与管理决策的特征及运行规律，建立适合江西省金融产业转型升级和路径优化的发展对策，为江西省金融产业创新、产业升级发展提供管理咨询与决策支持服务。