基于决策树的模糊聚类评价算法及其在证券领域的应用

发布时间：2017-05-15 01:05

  本文关键词：基于决策树的模糊聚类评价算法及其在证券领域的应用，，由笔耕文化传播整理发布。

【摘要】： 随着证券市场的日益规范,佣金的浮动制使得券商经纪业务的竞争愈发激烈,提高客户服务质量变得重要。随着信息时代的来临,企业逐渐由过去的产品为中心转变为以客户为中心,企业也认识到良好客户关系的提升已成为制胜关键。为了进行有效的竞争,企业必须进行客户细分,选择最有利的目标客户群体,集中企业资源,制定有效的竞争策略,来增强自己的竞争优势,同时企业也必须强调和重视客户忠诚度的管理,针对不同忠诚度的客户进行相应管理,完成被动营销模式向主动营销模式的转变,使个性化证券营销更具有方向性。 本文主要基于客户忠诚度理论及数据挖掘技术,充分结合国内证券行业特点进行深入研究。研究内容包括基于决策树的模糊聚类评价算法和模型的建立,以及模型在客户细分以及客户分类预测,客户忠诚度分类和客户忠诚度预测上的应用,数据挖掘技术的主要方法及操作流程。研究重点在于分析国内证券业客户自然属性和交易行为特性,探讨证券业客户分类模型和忠诚度评价指标体系,提出适合国内证券业客户分类和忠诚度评价的数据挖掘方法及流程。 在理论研究基础上,结合某证券公司客户忠诚度识别案例,本文详细分析证券公司客户分类及忠诚度识别的数据挖掘过程,并且根据数据挖掘结果对不同分类和忠诚度等级客户提出相应个性化营销建议,从而为优化证券公司的营销策略提出建议。 文章最后对课题的研究进行总结,并且对基于数据挖掘的我国证券业客户分类及忠诚度研究的前景做出展望。
【关键词】：客户细分 忠诚度 模糊聚类评价算法 证券业个性化营销
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F830.91;C934
【目录】：

• 摘要5-6
• ABSTRACT6-7
• 致谢7-12
• 第一章 绪论12-19
• 1.1 论文综述12-13
• 1.1.1 问题的提出12-13
• 1.1.2 研究意义13
• 1.2 国内外相关研究现状13-18
• 1.2.1 客户关系管理（CRM）13-14
• 1.2.2 客户细分14-15
• 1.2.3 数据挖掘的方法与工具15-17
• 1.2.4 客户忠诚度17-18
• 1.3 本文组织及章节安排18-19
• 第二章 聚类与分类算法分析19-32
• 2.1 聚类的基本概念19-20
• 2.2 聚类的常见方法20-26
• 2.2.1 划分聚类方法21-24
• 2.2.2 层次聚类方法24
• 2.2.3 基于密度的方法24-25
• 2.2.4 基于网格的方法25
• 2.2.5 基于模型的方法25-26
• 2.3 分类方法的基本概念26-27
• 2.4 分类的几种方法27-31
• 2.4.1 贝叶斯分类27-28
• 2.4.2 神经网络28-29
• 2.4.3 决策树算法29-31
• 2.5 本章小结31-32
• 第三章 基于决策树的模糊聚类评价算法32-38
• 3.1 基于决策树的模糊聚类评价算法理论基础32-35
• 3.1.1 相关算法的理论基础32-33
• 3.1.2 决策树算法与模糊聚类评价算法联系33-35
• 3.2 基于决策树的模糊聚类评价算法的建立35-37
• 3.2.1 所用算法选择35
• 3.2.2 算法流程及伪代码35-37
• 3.2.3 算法检验37
• 3.3 本章小结37-38
• 第四章 模糊聚类评价算法在证券业的应用38-52
• 4.1 证券市场客户细分现状38-39
• 4.2 CRM 细分模块系统设计39-45
• 4.2.1 CRM 系统细分模块整体设计39-42
• 4.2.2 数据准备42
• 4.2.3 数据挖掘的过程42-43
• 4.2.4 数据挖掘的结果及分析43-45
• 4.3 证券市场客户忠诚度分类背景45-46
• 4.4 忠诚度分类模块设计46-51
• 4.4.1 模块业务目标46-48
• 4.4.2 数据准备过程48
• 4.4.3 数据挖掘结果及解释48-49
• 4.4.4 客户忠诚度管理措施49-51
• 4.5 本章小结51-52
• 第五章 总结与展望52-54
• 5.1 工作总结52-53
• 5.2 工作展望53-54
• 参考文献54-58
• 附录一58-60
• 攻读硕士学位期间的成果60-61

【引证文献】

中国期刊全文数据库 前1条

1 王园;;客户风险评级管理研究与应用——基于证券CRM管理[J];哈尔滨商业大学学报(社会科学版);2012年02期

  本文关键词：基于决策树的模糊聚类评价算法及其在证券领域的应用，由笔耕文化传播整理发布。

本文编号：366572