期货公司客户分类和风险管理--基于数据挖掘方法的实证研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-18页 |
| 第一节 研究背景及意义 | 第9-12页 |
| 一、研究背景 | 第9-11页 |
| 二、研究意义 | 第11-12页 |
| 第二节 国内外研究现状 | 第12-15页 |
| 一、国外研究现状 | 第12-14页 |
| 二、国内研究现状 | 第14-15页 |
| 第三节 目前研究的特点 | 第15-16页 |
| 第四节 本文的主要研究内容 | 第16-18页 |
| 第二章 期货客户分类和风险管理现状 | 第18-26页 |
| 第一节 期货交易概述 | 第18-20页 |
| 第二节 期货客户分类 | 第20-22页 |
| 第三节 期货公司风险管理 | 第22-26页 |
| 第三章 数据挖掘方法概述 | 第26-40页 |
| 第一节 数据挖掘的定义 | 第26页 |
| 第二节 数据挖掘的起源与发展 | 第26-27页 |
| 第三节 数据挖掘的过程 | 第27-29页 |
| 第四节 数据挖掘的分类方法 | 第29-38页 |
| 一、决策树方法 | 第29-32页 |
| （一） ID3 算法 | 第30-31页 |
| （二） C4.5 算法 | 第31-32页 |
| （三） 决策树的剪枝 | 第32页 |
| 二、贝叶斯方法 | 第32-34页 |
| （一） 朴素贝叶斯网络 | 第32-34页 |
| （二） TAN 贝叶斯网络 | 第34页 |
| 三、神经网络方法 | 第34-38页 |
| 第五节 数据挖掘的应用 | 第38-40页 |
| 一、数据挖掘在客户关系管理中的应用 | 第38-40页 |
| 第四章 基于数据挖掘的期货客户分类和风险管理 | 第40-65页 |
| 第一节 期货客户数据基本统计分析 | 第40-46页 |
| 一、期货客户数据的选取及指标分析 | 第40-42页 |
| 二、期货客户交易数据统计分析 | 第42-46页 |
| （一） 因子分析 | 第42-43页 |
| （二） 聚类分析 | 第43-44页 |
| （三） 结果分析 | 第44-46页 |
| 第二节 基于综合得分的客户分类和风险管理 | 第46-50页 |
| 一、基于综合得分的客户分类 | 第46-49页 |
| 二、客户风险管理建议 | 第49-50页 |
| 第三节 基于决策树算法的客户分类和风险管理 | 第50-53页 |
| 一、基于决策树算法的客户分类 | 第50-52页 |
| 二、客户风险管理建议 | 第52-53页 |
| 第四节 基于贝叶斯网络算法的客户分类和风险管理 | 第53-57页 |
| 一、基于贝叶斯网络算法的客户分类 | 第53-56页 |
| 二、客户风险管理建议 | 第56-57页 |
| 第五节 基于神经网络算法的客户分类和风险管理 | 第57-62页 |
| 一、基于神经网络算法的客户分类 | 第57-62页 |
| 二、客户风险管理建议 | 第62页 |
| 第六节 四种方法分类结果的比较 | 第62-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 第一节 总结 | 第65-67页 |
| 第二节 未来研究的展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-77页 |
| 致谢 | 第77-78页 |
| 本人在学期间发表论文及科研成果 | 第78页 |
