网格是近年来得到迅速发展的一种基础设施,具有分布性、动态性、异构性、协作性以及服务质量高要求性等特点,目的是进行资源整合与协同解决问题。随着网格技术的不断发展与成熟,网格已经在许多不同的领域得到广泛应用,也为解决金融领域和金融信息化面临的许多问题提供了有力工具。　　 在经济全球化和金融市场完全开放的形势下,我国经济和金融监管面临诸多难题,加强防范和化解金融风险,保障金融安全,是金融领域的一项重要任务。根据我国银行业发展的形势,金融机构监管信息系统比较薄弱,缺乏有效的风险控制分析预警工具,难以实现对被监管对象进行全面、持续、有效、准确、实时的监管。金融信息不对称,金融资源不能有效利用和充分共享,出现了多个信息资源孤岛,严重影响了银行监管职能的发挥和监管效率的进一步提高。本文根据国际上对银行业金融机构的监管要求,结合我国银行业金融机构监管信息系统的现状,研究了采用网格技术建设我国银行业金融机构监管信息系统的若干关键技术问题。　　 实现金融监管风险控制信息系统的关键技术,包括数据集中技术、数据仓库技术和数据挖掘技术。通过数据集中技术,把商业银行各分支机构的数据经抽取、转换和加载统一集中起来统一管理。通过数据仓库技术,把集中起来的数据统一清洗、分类、过滤、存储。数据挖掘技术可以从海量数据中挖掘数据特征,通过建立风险模型,挖掘出能预测未来风险的有用信息。而网格技术在异构的、标准不一的各金融机构硬、软件、网络之间建立起“共同语言”,提供统一平台,把金融信息孤岛连成整体,实现充分的资源共享。　　 针对银行业金融机构历史数据积累多、数据量大、实时性强的特点,采用实时或准实时的数据仓库技术,优化数据源连接,并通过操作型数据存储系统进行全局联机事务处理,使数据仓库中的数据实时刷新,保持数据的一致性,形成格式统一、易于管理且保证质量的数据结构。从银行数据仓库系统中数据的抽取、转换和加载的总体设计出发,针对金融监管信息系统客户风险预警平台中出现的问题,提出了一个ETL优化框架,并对ETL过程的逻辑优化进行了研究,给出了较为完整的银行业金融机构客户风险预警数据仓库系统的ETL方案。　　 金融监管信息系统中的风险预警系统所面临的实际情况是数据周期短、数据样本不稳定、数据范围不全面、风险模式带有中国特有的信用文化和经济转型等的特征,套用经典的现代计量模型在我国环境下难以取得切实有效的结果。本文对常见的聚类分析方法进行了分析研究,运用改进后的聚类分析方法对国内客户信息进行分析和挖掘,并研究了通过决策树算法C4.5和CRAT进一步处理后的结果,通过对比选取风险特征。通过研究,发现了适应我国经济形势发展的金融机构风险特征和行为模式的风险计量模型,并通过实际数据验证,取得了良好的应用效果。　　 针对客户风险预警系统中数据采集量越来越大,分析预警处理越来越复杂,对集中后的数据库压力非常大,造成系统性能逐步下降、迫切需要共享资源的情况,提出了面向风险控制的金融网格系统架构。在原有金融监管信息系的基础上,建立虚拟数据中心和虚拟计算中心,同时使数据的存储备份、故障冗余及数据中心的灾备恢复能力也可得到提升。并通过金融业信息系统资源的共享,加快联网业务处理速度,减少等待时间。对实现和部署问题进行了讨论。　　 以上研究工作,对建立以网格技术为基础平台的新一代金融监管信息系统、推进金融监管信息系统的深入应用,进行了有益的探索。部分研究成果己在实际应用中得到验证,有助于实现我国银行业金融机构运行的智能化监管,及时防范、化解金融风险,保障我国金融体系安全、稳健、高效运行。