如何在競(jìng)爭(zhēng)日益激烈的證券行業(yè)做好客戶的服務(wù)工作,同時(shí)致力于適當(dāng)性管理中的客戶分類方法創(chuàng)新,建立科學(xué)有效的分類方法和流程,并在證券公司大力推廣和應(yīng)用,以此作為我們所研究的主要目標(biāo);將客戶的交易或者自然屬性數(shù)據(jù)進(jìn)行指標(biāo)化,選擇適當(dāng)?shù)臄?shù)據(jù)挖掘平臺(tái)和數(shù)據(jù)挖掘算法,用其對(duì)證券客戶的各種行為數(shù)據(jù)進(jìn)行分析,并根據(jù)分析結(jié)果對(duì)客戶進(jìn)行分類,這不僅僅有助于幫助我們了解客戶,更有助于幫助投資者樹(shù)立科學(xué)的投資理念,證券營(yíng)業(yè)部可以根據(jù)我們的客戶分類結(jié)果合理地引導(dǎo)客戶的投資行為,為證券公司適當(dāng)性服務(wù)的深入開(kāi)展打下堅(jiān)實(shí)基礎(chǔ),同時(shí)提高服務(wù)競(jìng)爭(zhēng)力,增強(qiáng)客戶的忠誠(chéng)度。利用數(shù)據(jù)倉(cāng)庫(kù)實(shí)現(xiàn)客戶交易行為數(shù)據(jù)的存儲(chǔ)和基礎(chǔ)指標(biāo)體系的建設(shè)上,采用主成分分析理論選取指標(biāo)、K-means聚類算法對(duì)客戶偏好分類建模、分別針對(duì)證券客戶產(chǎn)品偏好和交易時(shí)機(jī)偏好進(jìn)行多角度聚類、聚類結(jié)果重新劃分等先進(jìn)技術(shù),建立客戶偏好模型。客戶偏好模型的數(shù)據(jù)選擇客戶基本信息和客戶交易的真實(shí)數(shù)據(jù)作為基礎(chǔ)指標(biāo)體系,在數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)上,通過(guò)數(shù)據(jù)挖掘技術(shù)建立包括客戶偏好分析模型。在實(shí)施方面,通過(guò)選取歷史庫(kù)中2011年初的三個(gè)月客戶行為數(shù)據(jù),包括客戶委托流水?dāng)?shù)據(jù)、客戶交易流水?dāng)?shù)... 

【文章來(lái)源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)架構(gòu)

上海交通大學(xué)工程碩士學(xué)位論文 第三章偏好分析過(guò)程是一個(gè)聚類分析的過(guò)程。在建立模型的過(guò)程中，經(jīng)過(guò)不斷的分析和嘗試，數(shù)據(jù)挖掘模型最后采用了K-means 聚類算法。

上海交通大學(xué)工程碩士學(xué)位論文 第三章?lián)c(diǎn)到原型的特定距離作為優(yōu)化的目標(biāo)函數(shù)，通過(guò)函數(shù)求極值的方法能夠得到迭代運(yùn)算的調(diào)整規(guī)則[5]。算法是采用誤差平方和準(zhǔn)則函數(shù)算作聚類準(zhǔn)則函數(shù)[25]。K-均值算法所要解決的問(wèn)題如圖 3-3 所示，這是我們通過(guò)眼睛能看到的四個(gè)點(diǎn)群，如何通過(guò)計(jì)算來(lái)找到這四個(gè)點(diǎn)群呢？

【參考文獻(xiàn)】：
期刊論文
[1]證券公司客戶綜合分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 劉斌,邱華勇.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2010(10)
[2]基于數(shù)據(jù)挖掘的證券營(yíng)業(yè)部客戶流失分析[J]. 王偉鈞.  電子科技大學(xué)學(xué)報(bào)(社科版). 2009(01)
[3]數(shù)據(jù)倉(cāng)庫(kù)在證券交易中的研究與應(yīng)用[J]. 劉明吉,張曉京,劉洪杰,王秀峰,王治寶.  計(jì)算機(jī)工程. 2000(02)



本文編號(hào)：2933588