【摘要】隨著外匯業(yè)務(wù)信息系統(tǒng)與數(shù)據(jù)采集的全面覆蓋，調(diào)研、分析、核查與檢查等工作基本依賴于系統(tǒng)數(shù)據(jù)。而面向日趨龐大且結(jié)構(gòu)更為復(fù)雜的外匯業(yè)務(wù)數(shù)據(jù)，如何使用數(shù)據(jù)挖掘技術(shù)從中高效獲取潛在規(guī)律的方法研究勢在必行。本文使用數(shù)據(jù)挖掘中的聚類分析技術(shù)，按安徽省轄內(nèi)銀行與地區(qū)交易額匯總數(shù)據(jù)進(jìn)行聚類實(shí)驗(yàn)，并對聚類結(jié)果進(jìn)行分析，認(rèn)為將數(shù)據(jù)挖掘技術(shù)應(yīng)用在外匯業(yè)務(wù)數(shù)據(jù)是值得進(jìn)一步研究與探索的。

【關(guān)鍵詞】數(shù)據(jù)挖掘 聚類分析 k-means

一、引言

隨著外匯管理數(shù)據(jù)采集和信息系統(tǒng)不斷發(fā)展與完善，其數(shù)據(jù)組織趨向豐富與合理，同時數(shù)據(jù)量也日趨龐大。大數(shù)據(jù)時代的到來，亟須數(shù)據(jù)挖掘的方法獲取潛在但未知的規(guī)律（模式），為外匯業(yè)務(wù)監(jiān)管提供新的技術(shù)手段與數(shù)據(jù)支撐。本文通過數(shù)據(jù)挖掘中經(jīng)典的聚類分析算法在外匯統(tǒng)計(jì)數(shù)據(jù)中的實(shí)踐應(yīng)用，提出劃分分類管理主體對象的一種計(jì)算方法。

二、聚類分析簡介

聚類分析（cluster analysis）簡稱聚類（cluster），是指將給定記錄的集合劃分為若干個“聚簇”，這種劃分要使同簇內(nèi)記錄相似度較大而不同簇之間的差異較大。與分類或回歸等有監(jiān)督學(xué)習(xí)方式不同，聚類的輸入對象并沒有相關(guān)聯(lián)的目標(biāo)。不同聚類算法對不同數(shù)據(jù)集合以及目標(biāo)的適用性也不同，對某應(yīng)用而言相對“最優(yōu)”的聚類是需要多種聚類算法去嘗試的，然后根據(jù)實(shí)際需要去確定最合適的算法。

三、k-means（k-均值）算法

k-means算法是一種基于圖形中心的算法。設(shè)輸入對象數(shù)據(jù)集D={xi|i=1，2，...，N}，xi表示第i個記錄或?qū)ο?。該算法將D劃分為k個聚簇，把每個xi都?xì)w類到唯一的簇中，聚簇標(biāo)識相同的xi屬于同一個簇。關(guān)于k值即簇的數(shù)量是依據(jù)某些先驗(yàn)知識或者經(jīng)多次嘗試確定，應(yīng)是以聚類結(jié)果的實(shí)用性與有效性為依據(jù)的。聚類算法是以對象間的相似度或緊密度為出發(fā)點(diǎn)進(jìn)行聚合的，k-means默認(rèn)的緊密度衡量標(biāo)準(zhǔn)為歐幾里德距離?，F(xiàn)以集合C={cj|j=1，2，...，k}來標(biāo)識每個聚簇的數(shù)據(jù)中心，那么該算法的本質(zhì)就是要最小化如下函數(shù)[1]：

由公式可以看出，目標(biāo)函數(shù)要使每個xi與距離其最近的簇中心cj之間歐氏距離的平方和最小，算法簡略描述如下[2]：從數(shù)據(jù)集D中隨機(jī)選取k個數(shù)據(jù)點(diǎn)作為初始集合C；將D中每個xi重新劃分到與其最近的ci代表簇中，更新其聚簇標(biāo)識mi（m為聚簇標(biāo)識向量）；更新聚簇均值向量C；直到目標(biāo)函數(shù)Cost值收斂，否則轉(zhuǎn)向第二步。

四、實(shí)驗(yàn)結(jié)果與分析

分別以2014年6月安徽省跨境收支按銀行和地區(qū)匯總結(jié)果為實(shí)驗(yàn)數(shù)據(jù)對象，使用聚類分析工具為spss clementine。將EXCEL數(shù)據(jù)導(dǎo)入至clementine，k取值為3。聚類結(jié)果如表1和表2所示，其中“距離”列標(biāo)識該記錄數(shù)據(jù)點(diǎn)距該簇最終均值位置的歐幾里得距離。

從聚類結(jié)果可以看出表1中，A獨(dú)立為1簇，另5家業(yè)務(wù)量較大分行為1簇，其余18家銀行為1簇；表2中，A市為1簇，B市、G市外匯業(yè)務(wù)量較大為1簇，其余13個地市為一簇。所得結(jié)論與按業(yè)務(wù)量經(jīng)驗(yàn)劃分結(jié)果基本相符（實(shí)驗(yàn)數(shù)據(jù)來源為真實(shí)交易業(yè)務(wù)發(fā)生數(shù)據(jù)，統(tǒng)計(jì)表格隱去真實(shí)銀行名稱、地市名稱和交易額數(shù)字）。

表1 按銀行收支聚類結(jié)果

表2 按地區(qū)收支聚類結(jié)果

當(dāng)決策者或外匯業(yè)務(wù)相關(guān)主管部門需要根據(jù)各地區(qū)或各金融機(jī)構(gòu)的外匯業(yè)務(wù)規(guī)模、特性或其他屬性為其制定執(zhí)行不同的政策，首先要做的就是將這些機(jī)構(gòu)或地區(qū)進(jìn)行分類。傳統(tǒng)做法是根據(jù)須納入考量的因子加權(quán)后進(jìn)行排序，然后依據(jù)直觀結(jié)果或主觀經(jīng)驗(yàn)判斷各類型的邊界。此種方式存在三個主要問題，一是如果需要考量的屬性或因子太多，無法通過線性計(jì)算簡單表達(dá)，難以確定歸類“順序”。事實(shí)上，多維空間問題用簡單的線性方法解決本身也是不科學(xué)的。二是類與類之間的邊界難以劃定，如果邊界對象與相鄰兩類較為接近，那么究竟將其劃入哪一類呢？三是分類的個數(shù)如何確定。如計(jì)劃執(zhí)行階梯型政策時，如何科學(xué)的確定階梯層級數(shù)量？聚類分析可以較好的解決以上問題：從前文算法可知聚類中記錄xi之間的相似性或距離計(jì)算本身就是基于多維空間的；其計(jì)算結(jié)果是能夠精確表達(dá)多維空間的數(shù)據(jù)點(diǎn)之間距離遠(yuǎn)或近的；可以通過不同k值的嘗試獲得較“理想”的聚簇，即要使得簇內(nèi)相似度高而簇間差異大。由此可見聚類分析能夠較好的解決以上三個問題。

五、總結(jié)

隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)挖掘技術(shù)日益受到社會各行業(yè)的重視并逐漸得到廣泛應(yīng)用。經(jīng)濟(jì)的連續(xù)高速發(fā)展和國家開放度的提升，使外匯業(yè)務(wù)數(shù)據(jù)飛速增長。在外匯核查、檢查、分析和調(diào)研等工作中，傳統(tǒng)的工作與研究方法對大數(shù)據(jù)潛在的規(guī)律和線索的發(fā)現(xiàn)尚無更新的手段可用。加強(qiáng)數(shù)據(jù)挖掘技術(shù)在外匯管理業(yè)務(wù)數(shù)據(jù)中的研究、探索與應(yīng)用，將會豐富形勢分析和外匯監(jiān)管手段，發(fā)掘外匯業(yè)務(wù)數(shù)據(jù)的潛在價值，為外匯管理政策的制定與執(zhí)行提供科學(xué)的數(shù)據(jù)支持依據(jù)[3]。

參考文獻(xiàn)

[1]（美）吳信東（Xindong Wu），（美）庫馬爾（Vipin Kumar）編著，李文波，吳素研譯.《數(shù)據(jù)挖掘十大算法》[m].清華大學(xué)出版社，2013.5，19-20.

[2]（美）韓家煒（Han，J.）等著，范明等譯著.《數(shù)據(jù)挖掘：概念與技術(shù)》[m].機(jī)械工業(yè)出版社，2012.7，293.

[3]邢江澤，陸秉煒，劉可，李興勇.數(shù)據(jù)挖掘在外匯管理中的應(yīng)用——基于聚類和關(guān)聯(lián)分析的實(shí)踐[J].中國外匯蘇皖?？?2009，14-15.