基于数据挖掘的某商业银行客户分类模型研究

发布时间：2020-12-16 15:33

　　进入电子信息时代,面对海量的数据及信息,如何能不被其淹没,并从中发现有利用价值、有效的资讯,提高信息利用率?为了解决这个问题,数据挖掘技术应运而生,并显示出该技术强大的能力及生命力。而商业银行在处理自身及客户的金融事务中需要搜集及处理海量的数据,其在金融领域的地位、业务特点、工作性质、残酷的市场竞争也决定了它迫切的需要对信息的电子化,解决信息储蓄、信息整理及信息处理的问题。利用数据挖掘技术,商业银行客户的行为数据分析,可以帮助银行产品开发部门描述客户往期的需求趋势,并对未来的行为进行预测。本文通过对商业银行的业务特点、工作性质和市场竞争的需求进行分析,结合某商业银行的客户数据,使用K-Means算法和决策树算法将客户按照各家商业银行的需要及标准进行分类。分类标准基于客户日均存款、贷款、购买理财历史、违约率等等关键指标。文中使用的K-means的算法无监督聚类任务中有着非常广泛的应用,它将相似的样本聚到一起,最后求出每个聚类簇的中心点来达到聚类的目的。输入每个客户的各种个人属性,通过该算法,输出客户的分类值。另一个算法使用的是决策树,决策树是一种典型的分类算法,在很多地方有着重要的应用。... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－１客户关系及风险管理体系建立流程??２．２．１客户价值相关理论??

２．３．２数臟掘的过程??数据挖掘过程可粗略地分为：问题定义、数据预处理、数据挖掘，以及结果??的解释和评估。其过程主要有如图２－２所示：??ｆ?｜数据集－???Ｊ?１?１??［?数据－???｜数娜卜??［ｇ标数据－???？数裾预处理一???？?｜?????与处理数据＾???？?．数据挖掘一??”?■?＊??数据挖掘结果????．?结果解释与评估一??知识获得一??图２－２数据挖掘过程??２．３．３数据挖掘的任务??数据挖掘任务通常可以分为以下三大类，如图２－３所示：??（１）

Ｔ?７??提高腑客／峨??图２－５商业银行数据挖掘系统??如图２－５所示，商业银行数据挖掘系统，包含挖掘目标客户、满足客户金副ｆ??需求、提高银行客户管理的准确性性和提高客户忠诚度这几个方面［１６］：??（１）

【参考文献】：
期刊论文
[1]金融高频数据挖掘研究评述与展望[J]. 朱建平,魏瑾,谢邦昌.  经济学动态. 2011(06)
[2]决策树技术在银行CRM中的实证研究[J]. 郑楼英.  浙江金融. 2008(07)
[3]商业银行客户细分模型的建立与应用[J]. 李欣.  统计与决策. 2008(09)
[4]基于数据挖掘的银行客户管理信息系统的应用[J]. 武魏巍,王如燕,丁日佳.  金融理论与实践. 2006(10)
[5]基于K-means聚类算法的分析及应用[J]. 石云平,辛大欣.  西安工业大学学报. 2006(01)
[6]基于数据挖掘的银行客户贡献度分析系统框架[J]. 孙波.  机械管理开发. 2005(02)
[7]数据挖掘及其在商业银行中的应用[J]. 杨辉.  中国金融电脑. 1998(11)

硕士论文
[1]数据挖掘技术在银行客户关系管理中的研究与应用[D]. 陈烨.湖南大学 2015
[2]k-means聚类算法的改进研究及其应用[D]. 王康.大连理工大学 2014
[3]基于客户综合价值的商业银行个人客户分类管理研究[D]. 徐敏.浙江大学 2014
[4]改进的C4.5决策树算法研究及在高考成绩预测分析中的应用[D]. 周琦.广西大学 2012
[5]K-均值聚类算法初始中心选取相关问题的研究[D]. 吴晓蓉.湖南大学 2008
[6]基于决策树的银行个人客户分类研究[D]. 张翠娥.华北电力大学（河北） 2007



本文编号：2920390