基于决策树—BP神经网络的高净值客户价值评价

发布时间：2021-10-10 22:39

　　现有研究运用三维图和BP神经网络模型等方法对客户价值进行量化评价,但没有结合高净值客户的特征及客户协同创新理论来综合评价,因此,文章在构建基于协同创新商业银行高净值客户价值评价指标体系的基础上,采用基于C5.0算法的决策树方法和基于BP算法的神经网络方法构建了更精确的组合模型,对各个评价指标进行综合量化评价,使商业银行更加合理地整合自身资源,充分利用筛选出的优质高净值客户协同资源,提高协同效率,降低协同成本。 

【文章来源】：会计之友. 2014,(16)北大核心

【文章页数】：5 页

【文章目录】：
一、基于决策树—BP神经网络模型高净值客户价值评价方法
    (一)基于C5.0算法的决策树方法
        1. 误判成本矩阵与Cost-sensitive Tree
        2. Boosting技术
    (二)BP神经网络方法
二、商业银行高净值客户协同创新价值指标体系
    (一)商业银行高净值客户的基本价值指标
        1. 商业银行高净值客户当前价值指标
        2. 商业银行高净值客户潜在价值指标
    (二)商业银行高净值客户的协同创新价值指标
        1. 商业银行高净值客户的投资能力评价指标
        2. 商业银行高净值客户的创新意愿评价指标
三、基于决策树—BP神经网络模型的商业银行高净值客户价值评价
    (一)基于决策树—BP神经网络组合模型的商业银行高净值客户价值评价原理
    (二)基于决策树—BP神经网络模型的商业银行高净值客户价值评价的属性指标选取
        1.商业银行高净值客户价值评价指标属性说明
        2. 基于决策树—BP神经网络模型的属性指标选取
            (1)构建初始决策树模型
            (2)选取最佳修剪严重程度
            (3)确立最优误判成本值矩阵
            (4)确立最优Boosting算法迭代次数
            (5)选取最优决策树的建立和组合模型指标
    (三)基于决策树—BP神经网络模型的商业银行高净值客户价值评价
四、基于决策树—BP神经网络模型的高净值客户价值评价的对策和建议
    (一)收集基于决策树—BP神经网络模型的高净值客户价值评价的数据
    (二)构建基于决策树—BP神经网络模型的高净值客户价值评价模型
    (三)适时而变,加强对评价模型的调整,建立动态机制


【参考文献】：
期刊论文
[1]构建基于客户协同创新的商业银行高净值客户价值评价体系[J]. 周毓萍,黄彬,梅莹,都娟.  武汉金融. 2013(10)
[2]基于客户协同创新的私人银行和高净值客户价值体系研究[J]. 周毓萍,黄彬,韩亚文.  金融理论与实践. 2013(09)
[3]基于人工神经网络的客户价值评价体系[J]. 黄英华,马刚.  数学的实践与认识. 2012(02)
[4]面向组织客户的客户价值评价体系设计[J]. 赵宛婧,齐佳音.  价值工程. 2012(02)

硕士论文
[1]基于决策树—神经网络的个人信用评估组合模型的构建[D]. 邓舒放.湖南大学 2012



本文编号：3429284