數(shù)據(jù)挖掘算法在銀行理財(cái)產(chǎn)品營(yíng)銷中的應(yīng)用研究.pdf

1、如何將數(shù)據(jù)倉(cāng)庫(kù)及數(shù)據(jù)挖掘的相關(guān)技術(shù)運(yùn)用到銀行金融產(chǎn)品的規(guī)劃與銷售中，是目前我國(guó)金融行業(yè)較為迫切需要研究的領(lǐng)域。該領(lǐng)域研究的內(nèi)容包括數(shù)據(jù)挖掘技術(shù)的研究、更加有效的挖掘算法設(shè)計(jì)、客戶關(guān)系管理系統(tǒng)的重新構(gòu)建等方面。本文具體探討了銀行理財(cái)產(chǎn)品銷售分析系統(tǒng)在實(shí)施過(guò)程中的若干關(guān)鍵技術(shù)，同時(shí)提出了一種有效挖掘負(fù)關(guān)聯(lián)規(guī)則的方法。
　　 銀行客戶的眾多行為中，存在著正、負(fù)關(guān)聯(lián)規(guī)則。傳統(tǒng)的關(guān)聯(lián)規(guī)則算法僅反應(yīng)了正項(xiàng)之間的關(guān)聯(lián)關(guān)系，無(wú)法解決負(fù)關(guān)聯(lián)的問(wèn)題

2、。本文提出了一種有效的算法(GA_PNAR)，用以解決銀行客戶行為負(fù)關(guān)聯(lián)的問(wèn)題。GAPNAR算法首先利用Apriori算法生成頻繁項(xiàng)集，之后利用基于相關(guān)系數(shù)的NRGA算法生成含有所有負(fù)項(xiàng)的關(guān)聯(lián)規(guī)則，在所有規(guī)則生成后，利用遺傳算法優(yōu)選生成的規(guī)則。GA_PNAR算法是一款非常有前途的發(fā)現(xiàn)規(guī)則的方法。
　　 當(dāng)前針對(duì)銀行營(yíng)銷的方法主要考慮的是客戶的基本屬性，沒(méi)有全面考慮客戶的價(jià)值屬性以及行為屬性。營(yíng)銷方案的設(shè)計(jì)也主要是對(duì)客戶進(jìn)行細(xì)分，

3、通過(guò)對(duì)客戶的基本屬性如投資期限、風(fēng)險(xiǎn)性偏好等進(jìn)行聚類分析。根據(jù)聚類分析的結(jié)果，將客戶的聚類特征與理財(cái)產(chǎn)品的特征結(jié)合，為客戶提供理財(cái)方案。在這種方案中客戶的投資期限、風(fēng)險(xiǎn)性偏好等屬性往往通過(guò)測(cè)試獲得，存在很大的不準(zhǔn)確性和失真。本文將GAPNAR方法應(yīng)用于銀行客戶-產(chǎn)品之間關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)，該過(guò)程選取的客戶數(shù)據(jù)主要是客戶行為屬性。相比常規(guī)的聚類分析，客戶-理財(cái)產(chǎn)品關(guān)聯(lián)規(guī)則分析，能夠?yàn)殂y行客尸提供更加精確、專業(yè)化的理財(cái)產(chǎn)品指導(dǎo)。另外，在該模型的