随着金融机构管理信息系统的普及,在金融机构的日常运营中积累了大量的数据。但是这些海量数据还没有得到有效的应用,金融的管理者在日常的管理中只是通过简单的统计与排序筛选等潜在的方法获得表面的一些信息。这些金融数据都是来自日常工作与管理的实践和历史积累,其中隐藏着大量有用的金融知识,如何对这些表面的数据再次进行深层次的挖掘,发现其中隐含的金融风险行为(如:金融欺诈行为、信用行风险、流动性风险等)从而能够预防与控制风险的发生,是一个需要深入研究的问题。基于此,本文提出了一个基于数据挖掘的金融数据分析系统,研究主要包括以下内容。1)金融数据分析系统模型设计。模型包括数据采集、规则训练,规则存储、分析推理及应用表示5个功能模块。2)金融数据仓库的构建。金融数据来源于两个方面:金融系统内部的运营数据和金融系统外部环境的相关数据,系统构建了相关的金融数据仓库体系结构。3)基于多随机决策树的金融数据挖掘方法。该部分研究将多随机决策树引入到金融数据分析中,并以实验验证了算法的有效性。4)对传统金融案例推理方法进行有效改进。对传统的基于距离匹配的方法进行改进,将聚类的方法引入案例匹配的过程以提高案例推理的效率和准确性。5)基于文中提出的模型和方法,结合邯郸地区某银行设计并部分实现了金融数据分析系统。