此外，美元指数与A股走势“跷跷板”的效应在2012年中仍将得到延续，美元走强将使投机性的游资加速撤离中国股市、房市以及商品市场，转而购买美元资产。如果美元继续“强势不言顶”，那么A股何时企稳走强依旧未知。
欧债危机也是新的一年里悬挂在全球经济上方的“达摩克利斯之剑”。2012年欧债危机深化及蔓延，进而危及全球经济将是大概率事件。中金公司首席经济学家彭文生认为，2012年中国经济最大的风险仍在外部，欧债危机如果恶化成全球金融危机，中国出口将受到较大的冲击，同时资本流出增加，中国经济增长面临较大的下行风险。
如果中国继续购买相关危机国家的债券，还面临巨大的贬值、减值和违约风险。欧洲各国的财政紧缩长路漫漫，经济复苏前景渺茫，中国也面临着巨大考验。
18,数据挖掘
什么是数据挖掘
数据挖掘(data mining)是采用统计、数学、人工智能和神经网络等领域的科学方法，如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等技术，从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势，并用这些知识和规则建立用于决策支持的模型，提供预测性决策支持的方法、工具和过程。
数据挖掘技术是统计技术、计算机技术和人工智能技术等构成的一种新学科。数据挖掘来源于统计分析，是统计分析方法的扩展和延伸。大多数的统计分析技术都基于完善的数学理论和高超的技巧，其预测的准确程度还是令人满意的，但对于使用者的知识要求比较高。而随着计算机能力的不断发展，数据挖掘可以利用相对简单和固定程序完成同样的功能。新的计算算法的产生如神经网络、决策树使人们不需了解到其内部复杂的原理也可以通过这些方法获得良好的分析和预测效果。
统计分析所提供的诸如方差分析、假设检验、相关性分析、线性预测、时间序列分析等功能都有助于数据挖掘前期对数据进行探索，发现数据挖掘的题目、找出数据挖掘的目标、确定数据挖掘所需涉及的变量、对数据源进行抽样等等。所有这些前期工作对数据挖掘的效果产生重大影响。而数据挖掘的结果也需要统计分析的描述功能（最大值、最小值、平均值、方差、四分位、个数、概率分配）进行具体描述，使数据挖掘的结果能够被用户了解。因此，统计分析和数据挖掘是相辅相成的过程，两者的合理配合是数据挖掘成功的重要条件。二、数据挖掘的功能
数据挖掘综合了各个学科技术，有很多的功能，当前的主要功能如下：
(1)分类：按照分析对象的属性、特征，建立不同的组类来描述事物。例如：银行部门根据以前的数据将客户分成了不同的类别，现在就可以根据这些来区分新申请贷款的客户，以采取相应的贷款方案。
(2)聚类：识别出分析对内在的规则，按照这些规则把对象分成若干类。例如：将申请人分为高度风险申请者，中度风险申请者，低度风险申请者。
(3)关联规则：关联是某种事物发生时其他事物会发生的这样一种联系。例如：每天购买啤酒的人也有可能购买香烟，比重有多大，可以通过关联的支持度和可信度来描述。
(4)预测：把握分析对象发展的规律，对未来的趋势做出预见。例如：对未来经济发展的判断。
(5)偏差的检测：对分析对象的少数的、极端的特例的描述，揭示内在的原因。例如：在银行的100万笔交易中有500例的欺诈行为，银行为了稳健经营，就要发现这500例的内在因素，减小以后经营的风险。
三、数据挖掘技术在金融领域的应用
目前，在很多领域，数据挖掘(data mining)都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售（如超级市场）等商业领域。数据挖掘所能解决的典型商业问题包括：数据库营销（Database Marketing）、客户群体划分（Customer Segmentation & Classification）、背景分析（Profile Analysis）、交叉销售（Cross-selling）等市场分析行为，以及客户流失性分析(Churn Analysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等。
1.数据挖掘技术在证券行业的应用
数据挖掘在证券行业的应用方向主要有：客户分析、客户管理、财务指标分析、交易数据分析、风险分析、投资组合分析等。
从业务角度看，经纪业务是目前国内券商竞争的焦点，它仍是券商利润的主要来源。据统计从事经纪业务获得的收入占各主要券商利润来源的80%以上，而中小证券公司90%的利润主要来自证券营业部。
从营销角度看，证券经纪业务是为满足客户需要而提供的一种金融服务活动，营销战略贯穿在证券经纪业务整个活动过程中，分析型客户关系管理(ＣＲＭ)是国内券商(特别是各营业部)尤其关注的技术，而数据挖掘技术是分析型ＣＲＭ的核心技术。营业部是否真正了解自己的客户，知道他们的特征、分布和习性？谁是真正的有价值的客户，谁在为证券营业部贡献利润？谁带来了当期的利润，谁又有潜在的价值？传统的按资金量大小来区分大、中、小、散客户价值的方法是否真正反映了客户对营业利润的贡献？凡此种种问题可以通过客户价值分析来解决。它不仅让我们从投入产出角度去看待客户，而且还为营业部的经营方针提供了决策依据。
其典型应用包括有：
(1)客户分析：建立数据仓库来存放对全体客户、预定义客户群、某个客户的信息和交易数据，并通过对这些数据进行挖掘和关联分析，实现面向主题的信息抽取。对客户的需求模式和盈利价值进行分类，找出最有价值和盈利潜力的客户群，以及他们最需要的服务，更好地配置资源，改进服务，牢牢抓住最有价值的客户。通过对客户资源信息进行多角度挖掘，了解客户各项指标(如资产贡献、忠诚度、盈利率、持仓比率等)，掌握客户投诉、客户流失等信息，从而在客户离开券商之前，捕获信息，及时采取措施挽留客户。
(2)咨询服务：根据采集行情和交易数据，结合行情分析，预测未来大盘走势，并发现交易情况随着大盘变化的规律，并根据这些规律做出趋势分析，对客户针对性进行咨询。
(3)风险防范：通过对资金数据的分析，可以控制营业风险，同时可以改变公司总部原来的资金控制模式，并通过横向比较及时了解资金情况，起到风险预警的作用。
(4)经营状况分析：通过数据挖掘，可以及时了解营业状况、资金情况、利润情况、客户群分布等重要的信息，并结合大盘走势，提供不同行情条件下的最大收益经营方式。同时，通过对各营业部经营情况的横向比较，以及对本营业部历史数据的纵向比较，对营业部的经营状况作出分析，提出经营建议。
2.数据挖掘技术在银行业的应用
(1)对账户进行信用等级的评估：银行业是负债经营的产业，风险与效益并存，分析账户的信用等级对于降低风险、增加收益是非常重要的。利用数据挖掘工具进行信用评估的最终目的是：从已有的数据中分析得到信用评估的规则或标准，即得到“满足什么样条件的账户属于哪一类信用等级”，并将得到的规则或评估标准应用到对新的账户的信用评估，这是一个获取知识并应用知识的过程。
(2)金融市场分析和预测：对庞大的数据进行主成分分析，剔除无关的，甚至是错误的、相互矛盾的数据“杂质”，以更有效地进行金融市场分析和预测。
(3)分析信用卡的使用模式：通过数据挖掘，人们可以得到这样的规则：“什么样的人使用信用卡属于什么样的模式”，而且一个人在相当长的一段时间内，其使用信用卡的习惯往往是较为固定的。因此，一方面，通过判别信用卡的使用模式，可以监测到信用卡的恶性透支行为；另一方面，根据信用卡的使用模式，可以识别“合法”用户。
(4)发现隐含在数据后面的不同的财政金融指数之间的联系。
(5)探测金融政策与金融业行情的相互影响的关联关系。
3.数据挖掘技术在保险业的应用
(1)保险金的确定：对受险人员的分类有助于确定适当的保险金额度。通过数据挖掘可以得到，对不同行业的人、不同年龄段的人、处于不同社会层次的人的保险金该如何确定。
(2)险种关联分析：分析购买了某种保险的人是否同时购买另一种保险。预测什么样的顾客会购买新险种。
19,欧债危机
一、外部原因：
金融危机中政府加杠杆化使债务负担加重
金融危机使得各国政府纷纷推出刺激经济增长的宽松政策，高福利、低盈余的希腊无法通过公共财政盈余来支撑过度的举债消费。全球金融危机推动私人企业去杠杆化、政府增加杠杆。希腊政府的财政原本处于一种弱平衡的境地，由于国际宏观经济的冲击，恶化了其国家集群产业的盈利能力，公共财政现金流呈现出趋于枯竭的恶性循环，债务负担成为不能承受之重。
评级机构煽风点火，助推危机蔓延
评级机构不断调低主权债务评级，助推危机进一步蔓延。全球三大评级机构不断下调上述四国的主权评级。2011年7 月末，标普已经将希腊主权评级09 年底的A-下调到了CC级（垃圾级），意大利的评级展望也在11年5月底被调整为负面，继而在9月份和10 月初标普和穆迪又一次下调了意大利的主权债务评级。葡萄牙和西班牙也遭遇了主权评级被频繁下调的风险。评级机构对危机起到了推波助澜的作用，也可成为危机向深度发展直接性原因。
二、内部原因：
产业结构不平衡：实体经济空心化，经济发展脆弱
总体看来，PIIGS 五国属于欧元区中相对落后的国家，他们的经济更多依赖于劳动密集型制造业出口和旅游业。随着全球贸易一体化的深入，新兴市场的劳动力成本优势吸引全球制造业逐步向新兴市场转移，南欧国家的劳动力优势不复存在。而这些国家又不能及时调整产业结构，使得经济在危机冲击下显得异常脆弱。
人口结构不平衡：逐步进入老龄化
人口老龄化是社会人口结构中老年人口占总人口的比例不断上升的一种发展趋势。随着工化和城市化步伐的加快，各种生活成本越来越高，生育率不断下降，老年人口在总人口中的占比不断上升，最快进入老龄化的发达国家是日本，日本的劳动力人口占总人口的比重从上世纪90 年代初开始出现拐点，随之出现了日本经济的持续低迷和政府债务的不断上升。我们判断从二十世纪末开始，欧洲大多数国家人口结构也开始步入快速老龄化主要有三个方面：长期低出生率和生育率、平均预期寿命的延长、生育潮人口大规模步入老龄化。
刚性的社会福利制度
法德等国在救援上的分歧令危机处于胶着状态
法国坚决支持救援，德国在救援问题上的左右摇摆使得欧债危机长期处于胶着状态。是否要对身陷危机的国家施以援手主要取决于德国和法国的态度。法国是坚决支持对危机国实施救援的，因为法国银行持有相当数量的欧元区债券，如果这些国家违约的话，法国的损失将会非常惨重（从三大评级机构下调法国两大银行评级可以看出）。德国是欧元区第一大经济体，其经济发展强劲很大程度上得益于严格的成本控制。在欧元开始成为统一货币的12 年里，德国国内工资上涨速度缓慢（年均2%左右），导致国内消费不振，但是赤字控制的比较好。欧洲五国从加入欧元区之后，为了缩短与欧元区其他国家各方面的差距，工资一直在上涨，平均每年上涨10%以上。劳动力优势的存在使得南欧各国的人均GDP 水平也在不断的上涨，与法德之间的差距不断缩小，但是随着工资上涨，竞争力也不断减弱，后期各国只能靠旅游房地产等项目来拉动经济，这些经济增长的源动力异常脆弱，在受到外部冲击时显得不堪一击。 德国这些年忍受着福利削减，工资长期不上涨的痛苦，现在却要让他们去拯救那些享受高福利高工资的国家，本国民众显然会心有不甘，为了获得更多的民众支持率，德国政府在做决定时必须考虑到民众的呼声。但是如果不救的话，又会面临本国银行业出现流动性危机，甚至导致大量银行倒闭，危急到本国经济，这个局面是谁都不愿意看到的。因此目前德国正面临艰难的选择，欧债危机如何演绎一定程度上取决于德国的态度。
三、根本原因
根本原因看法不一
第一种观点：认为财政危机为表，单一货币下不同国家竞争力差异拉大才是导致欧元区“内爆”的真正原因
标普在2012年1月13日宣布降低法国信用评级。声明中杀伤力最强的并不是降级决定本身，而是其对降级理由的说明。标普认为，欧洲对债务危机成因认识片面，因此在应对思路上误入歧途，通过财政紧缩解决债务危机是“自我毁灭”的方法。由此看来，标普的降级决定并非仅仅针对个别国家，而是对欧元区的危机应对努力投了政治不信任票。