数据挖掘技术在证券客户偏好分析中的应用

发布时间：2020-12-23 10:49

　　如何在竞争日益激烈的证券行业做好客户的服务工作,同时致力于适当性管理中的客户分类方法创新,建立科学有效的分类方法和流程,并在证券公司大力推广和应用,以此作为我们所研究的主要目标;将客户的交易或者自然属性数据进行指标化,选择适当的数据挖掘平台和数据挖掘算法,用其对证券客户的各种行为数据进行分析,并根据分析结果对客户进行分类,这不仅仅有助于帮助我们了解客户,更有助于帮助投资者树立科学的投资理念,证券营业部可以根据我们的客户分类结果合理地引导客户的投资行为,为证券公司适当性服务的深入开展打下坚实基础,同时提高服务竞争力,增强客户的忠诚度。利用数据仓库实现客户交易行为数据的存储和基础指标体系的建设上,采用主成分分析理论选取指标、K-means聚类算法对客户偏好分类建模、分别针对证券客户产品偏好和交易时机偏好进行多角度聚类、聚类结果重新划分等先进技术,建立客户偏好模型。客户偏好模型的数据选择客户基本信息和客户交易的真实数据作为基础指标体系,在数据仓库基础上,通过数据挖掘技术建立包括客户偏好分析模型。在实施方面,通过选取历史库中2011年初的三个月客户行为数据,包括客户委托流水数据、客户交易流水数... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

数据仓库系统架构

上海交通大学工程硕士学位论文 第三章偏好分析过程是一个聚类分析的过程。在建立模型的过程中，经过不断的分析和尝试，数据挖掘模型最后采用了K-means 聚类算法。

上海交通大学工程硕士学位论文 第三章据点到原型的特定距离作为优化的目标函数，通过函数求极值的方法能够得到迭代运算的调整规则[5]。算法是采用误差平方和准则函数算作聚类准则函数[25]。K-均值算法所要解决的问题如图 3-3 所示，这是我们通过眼睛能看到的四个点群，如何通过计算来找到这四个点群呢？

【参考文献】：
期刊论文
[1]证券公司客户综合分析系统的设计与实现[J]. 刘斌,邱华勇.  计算机系统应用. 2010(10)
[2]基于数据挖掘的证券营业部客户流失分析[J]. 王伟钧.  电子科技大学学报(社科版). 2009(01)
[3]数据仓库在证券交易中的研究与应用[J]. 刘明吉,张晓京,刘洪杰,王秀峰,王治宝.  计算机工程. 2000(02)



本文编号：2933588