بررسی کاربرد های داده کاوی در نسبت های مالی

در بین بسیاری از عناوین، داده کاوی را تحلیل اکتشافی داده نام گذاری کرده اند. حجم انبوهی از داده هایی که از صندوق های فروش، اسکنرها، سنسورها و ... در پایگاه داده ی سازمان جمع آوری شده اند، بررسی، تجزیه و تحلیل، خلاصه و باز استفاده می شوند. روش های کلاسیک آماری در داده کاوی مبنا بوده که در کنارآن ها روش های هوش مصنوعی اتوماتیک نیز استفاده می شود. با این وجود، جست و جوی سیستماتیک در بین روش های کلاسیک در داده کاوی بسیار پر رنگ بوده و در این میان برخی از ابزارها توسعه پیدا کرده به وسیله حوزه آنالیز آماری، توسط کنترل اتوماتیک به کار گرفته می شوند تا داده ها را بررسی کنند. انواع مدل های استاندارد که در داده کاوی معروف و شناخته شده هستند، عبارتند از رگرسیون (رگرسیون نرمال برای پیش بینی و رگرسیون لجستیک برای دسته بندی) شبکه های عصبی مصنوعی و درخت های تصمیم. البته روش های کمتر استفاده شده ای نیز برای انواع مسائل خاص وجود دارند که قوانین همبستگی، روش های داده کاوی فازی، مدل های Rough Set، ماشین های بردار پشتیبان و الگوریتم ژنتیک از این نوع می باشند. اما این ها تمام روش های مورد استفاده در داده کاوی نیستند و در واقع کار در حوزه های مختلف جهت توسعهروش های جدیدتر ادامه دارد. علت این امر، به وجود آمدن پایگاه های داده بزرگتر و شکل های پیچیده تر داده می باشد. در تحلیل همبستگی با مجموعه ای داده ای بزرگ روبرو هستیم که در آن جستجو برای تشخیص این که چه چیزهایی با هم رخ می دهند، صورت می گیرد. در این زمینه تحقیقات جهت شناسایی روابط در حجم هایبسیار زیاد داده ادامه دارد. شیوه های بیان فازی راهی برای توصیف کامل تر پدیده های غیرقطعی مرتبط با مفاهیم داده کاوی، می باشد. تئوری Rough Set راهی برای بیان این عدم قطعیت ها به شیوه ای احتمالی است. ماشین های بردار پشتیبان روش هایی برای جدا سازی داده ها به شیوه ای مطمئن تر و در شرایطی که انواع خاصی از پیچیدگی ها در مجموعه داده ها وجود دارد را ارائه می کند. الگوریتم ژنتیک نیز ما را در بررسی جواب های بهتر در داده کاوی کمک می کند.

کلیدواژه ها:

داده کاوی ، نسبت های مالی ، نسبت جاری ، موجودی