摘要:随着经济和信息技术的快速发展，财务管理与信息技术相结合变得越来越重要。面对残酷的市场竞争和大量频繁披露的复杂的财务信息，传统财务预警分析方法已无法满足企业管理层的需求，传统财务预警分析方法仅适合片面的、已发生的财务数据，同时容易受内部或会计政策选择的影响，不确定性非常高。数据挖掘技术克服了传统财务预警分析方法的局限性，能够让我们深入了解大量财务数据中潜藏在深处的有用信息，帮助企业管理人员和社会投资者更好的了解企业的财务状况，做出正确的决策。
本文将传统财务预警分析的理论方法和数据挖掘技术的运用理念相结合，使用SPSS Clementine12.0构建一个适合的财务预警数据挖掘系统。首先，我们重点研究财务预警分析来说明数据挖掘在财务预警分析领域的主要应用。其次，介绍传统财务预警分析方法并说明其局限性。针对传统预警分析方法自身的不足，本文构建了由Logistic回归、GRI关联规则、C&RT决策树和神经网络联合组成的数据挖掘系统，并与核心规则CRISP-DM和数据挖掘的基本流程相结合，设计了适用于本文所选取样本的财务预警数据挖掘方案。
接下来使用Clementine软件展示数据挖掘技术应用于财务预警分析的过程，本文选取2017年钢铁行业全部上市企业为财务数据样本。然后依照设计好的挖掘方案，展现了采用四种方法进行数据挖掘的完整过程，可以从中看到数据挖掘技术克服了传统财务预警方法的局限性，我们可以通过一些指标简单快速地判断企业是否具有财务风险。
最后我们将四种方法效果进行对比分析，找出最优方案，全篇总结。
关键词 数据挖掘；SPSS Clementine；财务预警分析；神经网络
目录
摘要
Abstract
1绪论-1
1.1研究背景和意义-1
1.2国内外相关研究情况-1
1.2.1国外研究情况-1
1.2.2国内研究情况-2
2财务预警分析概述-3
2.1财务预警分析概述-3
2.1.1财务预警分析的定义-3
2.1.2传统财务预警分析的局限性-3
2.2财务预警中的传统财务预警分析方法-4
2.2.1比率分析法-4
2.2.2线性分析方法-6
2.2.3传统财务预警分析方法的局限性-7
3数据挖掘应用于财务预警分析相关理论-8
3.1数据挖掘概述-8
3.1.1数据挖掘的定义-8
3.1.2数据挖掘的相关概念-8
3.2数据挖掘在财务预警分析中的主要应用-9
3.3财务预警相关挖掘技术介绍-9
3.3.1数据挖掘统计分析类概述-10
3.3.2财务预警的知识发现类挖掘概述-11
4财务预警分析的数据挖掘系统建立-13
4.1数据挖掘工具描述-13
4.2财务预警数据挖掘方案-13
5财务预警分析的数据挖掘系统的实施-16
5.1数据准备和预处理-16
5.1.1财务预警分析的样本选取-16
5.1.2财务预警分析的指标体系-16
5.1.3样本数据的预处理-17
5.2主成分分析提取公共因子-18
5.2.1主成分分析方法-18
5.2.2公共因子提取-18
5.3数据挖掘过程-22
5.3.1 Logistic回归-22
5.3.2关联规则-23
5.3.3 C&RT决策树-25
5.3.4神经网络-28
6挖掘效果评价-31
6.1数值评价结果-31
6.2图形评价结果-32
6.3挖掘结果分析-35
结论-37
致谢-38
参考文献-39
附录-40
