基于决策树模型商业银行基金客户分类研究.docVIP

基于决策树模型商业银行基金客户分类研究 　　 摘要：文章论述了基金客户分类对商业银行基金营销的重要性。通过对商业银行已有的基金客户数据进行预处理和分析，运用决策树技术对商业银行基金客户构建起分类模型，找出高端（低端）客户特征进而在银行的储蓄客户中挖掘出潜在的基金交易客户，提高商业银行业绩。 　　 关键词：决策树；客户细分；基金理财客户 　　 　　一、 引言 　　 我国的证券基金业经过20世纪90年代的高速发展,现在正处于缓慢增长期，客户数量动态增长，然而在银行基金客户业务中尚缺乏准确有效的客户分类模型，这成为银行代销基金业务发展的一个瓶颈。因此准确的对银行基金客户进行分类对银行吸引潜在客户交易、增加现有客户满意度、减少客户流失几率、提高客户交易水平、提高基金交易业绩具有非常重要的现实意义。 　　 二、 相关文献和方法回顾 　　 1. 文献回顾。数据挖掘是从大量原始数据中挖掘出有用的、隐含的、尚未发现的知识和信息，国外的许多学者认识到数据挖掘应用于银行客户关系管理中的重要意义，并对应用数据挖掘进行客户分类进行了大量的研究和应用。Tillett L Scott（2000）认为数据挖掘优化了CRM的服务功能，可以为客户服务提供准确的参考信息，提高对客户事务处理的能力。AdamRombel（2001）认为客户关系管理为客户与银行之间创建了一个沟通渠道，而数据挖掘技术则进一步优化了银行内部的业务流程，使这一渠道变得更加高效与快捷，并且银行能够通过分析客户的交易行为，更好的了解客户和保留客户，挖掘客户的爱好和兴趣，从而以最快的速度响应客户的需求，为客户提供最优质的服务，极大地提高客户的忠诚度。Groth R（1999）认为集成有数据挖掘技术的营销辅助工具可以提供高精确度的模式识别和预测功能，使商业人员有效地策划和开展营销活动。Koh Hian Chye、Chan Kin Leong Gerry（2002）阐述了数据挖掘技术在银行CRM中的重要应用，数据挖掘可以应用于客户关系管理中的多个方面，比如客户价值分析和客户贷款预测、洗黑钱以及其他金融犯罪的侦破。另外，国外许多银行和研究机构也对数据挖掘技术进行了理论研究和产品开发，并且广泛应用于银行业的客户关系管理：Mellon银行通过应用IBM公司开发的Intelligent Miner软件，大大提高了定价和销售金融产品的精确度；美国HNC公司开发了功能强大的数据挖掘产品Marksman，美国Firstart银行能够根据该软件产品对客户的信息数据和消费偏好的研究从而对客户的行为进行预测，以确定何时对客户采取何种市场活动。 　　 综述所述，国外有关数据挖掘和客户关系管理的研究为下面进行实证研究奠定了坚实的理论基础，也提供了颇具价值的研究经验和理论基础。但由于银行体制结构的差异，国外的研究方法尚无法直接套用在国内的研究上。 　　 我国银行业对于数据挖掘在银行客户关系管理方面的研究和应用还处于起步阶段；聂晶、孙捷（2005）进行了基于数据挖掘的商业银行客户关系管理系统的体系的架构。张颖、杜斌、钟永红（2005）提出了一种基于数据挖掘技术的银行客户关系管理系统的设计方案，希望能够用来解决我国现行银行信息系统中在银行客户关系管理中所存在的问题。他们在分析了现有银行客户信息系统的现状后，讨论了数据仓库、OLAP和数据挖掘在银行CRM中的应用，并将XML以及多维数据模式设计的思想结合在一起，并在此基础上构造了一个新的银行客户关系管理系统。张忠磊、孙玉娟（2006）介绍了一种基于数据挖掘技术的银行客户关系管理系统的设计方案。在分析了现有银行客户信息系统的现状后，讨论了数据仓库、OLAP和数据挖掘在银行CRM中的应用，并结合XML和多维数据模式设计的思想，构造了一个银行客户关系管理系统的架构。赵宝华（2009）阐述了基于银行细分的数据仓库设计，并将数据挖掘技术中的聚类算法应用于用户市场的细分，从而有助于银行的业务发展和市场定位。常雪琦、刘伟（2009）研究了在银行客户关系管理中如何应用数据挖掘技术，并在此基础上构建了以数据挖掘为核心的银行客户关系的管理系统；鲁江、何晓玲（2009）将数据挖掘技术与银行信用风险度量系统结合在一起，此技术能够辅助银行的决策者进行信用方面的风险管理；邹少军（2009）利用决策树分析了在银行的客户关系管理的应用模式，并阐述了它的实现过程以及决策树构造算法。 　　 由以上相关文献检索可知，我国银行业对数据挖掘方面的应用较少，且国内的相关研究的成果主要集中在客户关系管理，证券客户分类等方面，缺乏对银行基金客户分类的研究。对数据挖掘技术在客户关系管理中的应用多是采用因子分析和回归分析，还较少有人对数据挖掘技术在商业银行客户关系管理中进行定量、系统地进行过研究。因此本文在继承