随着科技的不断发展,互联网信息技术已广泛应用到人们的日常生活中,“互联网金融”就是信息技术带动金融领域发展的典型案例。目前,众多互联网金融服务平台均以行情信息服务、金融交易服务等一般功能性服务为主,缺乏针对不同用户及用户群体的个性化和创新性服务。本课题是针对金融投资行为领域,运用数据挖掘技术对用户投资行为进行分析,由于用户投资行为在一定程度上反映用户投资兴趣偏好,对用户投资行为的分析结果便可用于实现针对不同用户和用户群体的个性化服务,同时,通过对用户投资行为进行有效地总结、分析和评价也有助于帮助投资者发现自身的投资特点和缺陷,实现具有一定创新性的金融知识服务。本文对以下几方面进行了研究:金融异构信息的获取与处理。任何知识服务系统都离不开信息的支撑,信息获取与处理是实现知识服务的最基本环节。本课题使用的异构信息包括证券行情数据、金融文本数据和用户投资数据等,针对不同类型的数据采用不同的方法进行获取和处理。用户投资行为分析与预测。用户投资行为分析实现对用户投资行为特点和缺陷的分析和总结,支持真实交易数据和模拟交易数据。用户投资行为预测对用户投资兴趣进行建模,分别通过线性模型、随机森林、梯度提升决策树和融合模型对用户未来可能选择的板块进行预测,精确度达到0.51,召回率达到0.69,F1值达到0.58,各个指标均明显好于随机预测。用户投资群体发现。用户投资行为除了具有个体性、独立性外,还具有群体性。本课题以用户选择过的板块作为用户兴趣标签,通过k-均值、谱聚类算法实现了用户投资群体划分,并结合降维方法和阈值法实现特征筛选和冗余消除,在此过程中,采用降维方法实现用户投资群体可视化并以散点图形式展示用户投资群体分布。金融知识服务平台的构建。通过金融异构信息获取与预处理技术、智能计算技术及分布式消息处理技术结合股票债券交易规则构建金融知识服务平台,为用户提供在线模拟交易及用户投资行为分析等金融知识服务,其中模拟交易系统特点是支持债券交易,用户投资行为分析系统支持用户上传投资数据,更具开放性。