数据挖掘算法在银行理财产品营销中的应用研究

摘要

如何将数据仓库及数据挖掘的相关技术运用到银行金融产品的规划与销售中，是目前我国金融行业较为迫切需要研究的领域。该领域研究的内容包括数据挖掘技术的研究、更加有效的挖掘算法设计、客户关系管理系统的重新构建等方面。本文具体探讨了银行理财产品销售分析系统在实施过程中的若干关键技术，同时提出了一种有效挖掘负关联规则的方法。
　　 银行客户的众多行为中，存在着正、负关联规则。传统的关联规则算法仅反应了正项之间的关联关系，无法解决负关联的问题。本文提出了一种有效的算法(GA_PNAR)，用以解决银行客户行为负关联的问题。GAPNAR算法首先利用Apriori算法生成频繁项集，之后利用基于相关系数的NRGA算法生成含有所有负项的关联规则，在所有规则生成后，利用遗传算法优选生成的规则。GA_PNAR算法是一款非常有前途的发现规则的方法。
　　 当前针对银行营销的方法主要考虑的是客户的基本属性，没有全面考虑客户的价值属性以及行为属性。营销方案的设计也主要是对客户进行细分，通过对客户的基本属性如投资期限、风险性偏好等进行聚类分析。根据聚类分析的结果，将客户的聚类特征与理财产品的特征结合，为客户提供理财方案。在这种方案中客户的投资期限、风险性偏好等属性往往通过测试获得，存在很大的不准确性和失真。本文将GAPNAR方法应用于银行客户-产品之间关联规则的发现，该过程选取的客户数据主要是客户行为属性。相比常规的聚类分析，客户-理财产品关联规则分析，能够为银行客尸提供更加精确、专业化的理财产品指导。另外，在该模型的数据预处理阶段采用了云模型的方法对数值型属性进行了概念化分层，该方法可以有效地解决数值分层的模糊性问题。最后，本文提出了一个银行理财产品营销系统的设计方案。
　　 论文对于国内金融行业实施结构化数据挖掘技术、部署企业级数据仓库、完善客户分类、加强客户关系管理、市场销售分析、金融产品规划、市场需求动态分析等各个方面均有一定的借鉴和现实指导意义。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 论文的主要内容

1．4 论文的组织结构

2 相关挖掘技术研究综述

2．1 引言

2．2 数据挖掘技术

2．3 关联规则挖掘技术

2．4 Apriori算法介绍

2．5 负关联规则介绍

2．6 遗传算法介绍

2．7 本章小结

3 基于遗传算法的正、负关联规则优选算法

3．1 引言

3．2 遗传算法的定义

3．3 遗传算法的染色体结构——数据集属性表示法

3．4 构造适应度函数

3．5 遗传算法的算子确定

3．6 GA_PNAR算法的结构与方法

3．7 GA_PNAR算法的实证分析

3．8 本章小结

4 客户-理财产品关联模型的数据预处理

4．1 引言

4．2 属性选择

4．3 数据获取

4．4 数据清理

4．5 数据集成

4．6 数据转换

4．7 数据归约

4．8 本章小结

5 银行理财产品营销系统设计

5．1 需求背景

5．2 系统设计思路

5．3 系统建设目标及原则

5．4 体系结构

5．5 数据获取及综合

5．6 客户-理财产品关联模型设计

5．7 数据库设计

5．8 客户端软件设计

5．9 本章小结

6 总结和展望

6．1 总结

6．2 展望

参考文献

致谢

个人简历、发表的论文及参加科研的情况