Resumen

Este artículo tiene como objetivo estudiar la Gestión de Riesgos Financieros (FRM) empresariales a través de la Minería de Datos (BDM) y explorar soluciones efectivas de FRM mediante la introducción de la tecnología de fusión de información. Específicamente, se emplean tecnología de big data, Máquina de Vectores de Soporte (SVM), regresión logística y enfoques de fusión de información para estudiar los riesgos financieros empresariales en profundidad. Entre ellos, la selección de índices de riesgo financiero tiene un gran impacto en los resultados de monitoreo del modelo de FRM basado en SVM; el modelo de FRM basado en regresión logística puede clasificar eficientemente los riesgos financieros; el modelo de FRM basado en fusión de información utiliza un algoritmo de fusión para combinar diferentes fuentes de información. Los resultados muestran que los modelos de FRM basados en SVM y en regresión logística pueden gestionar y clasificar eficazmente los riesgos financieros empresariales en la práctica, con una precis

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Estudio; Gestión del riesgo financiero empresarial; Minería de datos masivos; Tecnología de fusión de información; SVM; Regresión logística
• Keywords:Study; Enterprise financial risk management; Big data mining; Information fusion technology; SVM; Logistic regression