数据挖掘技术在证券客户偏好分析中的应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章. 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.1.1. 市场背景 | 第11页 |
| 1.1.2. 政策背景 | 第11-12页 |
| 1.2 数据挖掘的概念和意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1. 国外研究现状 | 第13页 |
| 1.3.2. 国内研究现状 | 第13-14页 |
| 1.4 论文的组织结构及其章节编排 | 第14-16页 |
| 第二章. 证券客户偏好分类问题 | 第16-20页 |
| 2.1 证券客户偏好分类 | 第16-17页 |
| 2.2 导致证券客户偏好分类不准确的原因分析 | 第17-18页 |
| 2.3 证券客户偏好分类的意义 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章. 数据仓库及数据挖掘算法 | 第20-28页 |
| 3.1 数据仓库技术 | 第20-22页 |
| 3.1.1 数据仓库的涵义 | 第20页 |
| 3.1.2 数据仓库系统架构 | 第20-21页 |
| 3.1.3 数据仓库基础指标体系 | 第21-22页 |
| 3.2 数据挖掘算法 | 第22-24页 |
| 3.2.1 数据挖掘的基本流程 | 第22-23页 |
| 3.2.2 数据挖掘算法的选择 | 第23-24页 |
| 3.3 K-均值算法简介 | 第24-26页 |
| 3.4 主成分分析理论 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章. 数据挖掘模型建立 | 第28-46页 |
| 4.1 系统总体架构 | 第28-29页 |
| 4.2 数据预处理 | 第29-31页 |
| 4.2.1 概要 | 第29-30页 |
| 4.2.2 数据选取及样本选择 | 第30页 |
| 4.2.3 数据分割和过程采样 | 第30-31页 |
| 4.3 客户产品偏好模型建立 | 第31-40页 |
| 4.3.1 基础指标 | 第31-32页 |
| 4.3.2 变量设计与转换 | 第32-33页 |
| 4.3.3 主成分构成 | 第33-36页 |
| 4.3.4 模型训练及模型结果 | 第36-39页 |
| 4.3.5 客户产品偏好模型结果及其类别 | 第39-40页 |
| 4.4 客户交易时机偏好建模 | 第40-44页 |
| 4.4.1 基础指标 | 第40-41页 |
| 4.4.2 主成分构成 | 第41-42页 |
| 4.4.3 模型训练 | 第42页 |
| 4.4.4 模型结果 | 第42-44页 |
| 4.5 模型分类结果 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章. 模型评估与应用价值分析 | 第46-53页 |
| 5.1 证券客户产品偏好模型评估 | 第46-47页 |
| 5.2 客户交易时机偏好稳定性评估 | 第47-48页 |
| 5.3 模型应用价值分析 | 第48-49页 |
| 5.4 客户偏好分类的应用 | 第49-52页 |
| 5.4.1 销售应用 | 第49-51页 |
| 5.4.2 客户日常维护应用 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章. 总结与展望 | 第53-56页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 成果和意义 | 第54页 |
| 6.3 工作展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60页 |
