TOP24（毕业论文）基于交易行为相似性的证券客户分类研究.pdf文档免费在线阅读

其中风险偏好指标中值大的数据有条，数据小于的数据有宋可佳基于交易行为相似性的证券客户分类研究条，极大值为，极小值为，这与本文之前的预期是相同的，表示指数基本代表了市场的平均风险，而客户持有证券的风险也基本在市场指数附近。

但风险偏好值高的用户数多于风险偏好值低的客户数，这表示营业部客户较偏好于高风险高收益的证券。

交易频率的平均值，其中极小值为，极大值超过，交易频率为零的客户为在市场只进行申购或国债回购的客户，而交易频率过高的客户为，有些客户喜欢在月底把资产转入银行，致使其总资产数据异常，计算的交易频率也不能正确反映客户的实际交易特征，以上两类数据均为噪声数据，需在数据挖掘前对他们进行清洗。

交易金额数据为客户实际的交易金额，该数据的极大值为亿元，显然与其他维度的数据不具有可比性，所以在数据挖掘前应首先对变量进行数据转换，使其与其他变量匹配年代，消费者导向细分流派代表人物认为客户细分重点应当是对消费者的需求和行为特征进行分类。

年，美国数据库营销研究所提出模型，其中分别代表为类似性购买群体的过程。

研究者根据行业的不同提出了很多客户细分的方法，在这些方法中主要有基于客户统计学的客户细分于客户行为的客户细分基于客户价值的客户细分和基于生命周期的客户细分等四种。

在上世纪作提供较实际的借鉴作用。

国内外研究现状客户细分理论由美国著名学者温德尔史密斯在年提出的，他认为客户细分是以消费者需求为出发点，根据消费者购买行为的差异性，把消费者总体划分。

本文就是在此背景下对券商的服务转型进行若干探索。

而研究的最终结果还是要落脚在券商的佣金收入提升上来。

如果在此实证研究中发现此种客户分类模式是可以提升公司和客户收益的，则将为证券行业营业部的客户服务工国外同行在数据挖掘应用水平方面存在着巨大差距，基本没有形成自身数据服务的品牌和核心竞争力。

由于目前我国证券行业正处于服务转型时期，如何找到条具有自身特色的创新发展之路，成为各家证券公司首要考虑的问题行为特征的总结，发现其独特的需求，并以客户群为单位对客户进行个性化服务。

由于各营业部的实际情况不同，客户分类所依据的标准不可能唯，本文试图通过多种方法来对客户分类的效果进行检验和研究。

中国证券公司与础。

研究意义本文选题的目的，正是着眼于研究建立种基于客户交易行为的客户细分模式。

首先对客户的交易行为进行关键因素分析并据此建立交易行为模型，然后依据交易行为模型把客户分成若干群，通过对不同客户群交易。

由于证券行业比较早实现了完全的电子化交易，因此在交易系统运行的这二十年时间里积累了大量的客户交易数据，为券商通过数据挖掘技术实现客户交易宋可佳基于交易行为相似性的证券客户分类研究行为分析提供了数据基客户在投资行为过程中的真实需求。

在目前券商的资讯产品等资源并不短缺的情况下，券商要做得并不仅仅是分配资源，而是对大量的资源进行筛选配送，把合适的服务提供给合适的客户，为合适的客户送去合适的产品问题的关键在于证券行业必须重新找出市场所需的新服务理念。

比如，券商现行的客户分级服务般是以客户的资产量或佣金贡献大小为依据，从本质上讲，这种客户分级方式仍是以券商利益为中心的经营模式的延续，并没考虑无法满足股民的需求。

券商经纪业务的服务，还无法让客户感受到归属感，营业部与客户间的信任关系十分淡薄，从而令佣金战成为最主要的竞争手段，佣金返还和关系营销已经使券商陷入恶性竞争的怪圈。

而解决，逐渐转向如何稳定存量客户的战略性思考。

截至年末，随着服务软硬环境的逐步改善，各券商之间的竞争力逐步趋同，服务方面的差距也越来越小。

无论是券商组织的股评报告会，还是提供的资讯服务网络短信，已经国证券界直采取粗放的经营方式，对客户的分析研究重视程度较低。

中国证券市场近两年来行情持续低迷，新增开户的增长速度已大幅下降，目前日均开户数不足万户。

这意味着，券商经纪业务的竞争重点已开始由新增客户限制，但绝大多数券商并没有价格制定权这样个事实直没有改变。

我国证券行业起步于上世纪年代，在其发展过程中，证券公司的交易系统直处于中国各行业技术应用的领先水平，积累了丰富的数据。

但直到年前，中期，原有经济格局面临诸多不确定性因素另方面，证券业实行浮动佣金制以来，券商的利润率持续下滑，许多证券公司打出年费制甚至零佣金的口号来吸引客户，但实际效果并不理想。

虽然目前大多数省份都实行了最低佣金构致谢宋可佳基于交易行为相似性的证券客户分类研究第章绪论研究背景年美国金融危机爆发以来，我国证券业市场发生了深刻变化，方面是世界经济持续低迷，我国经济环境也发生了很大改变，从高速发展期进入转型验证客户状态验证客户分类效果分析已分类客户横向比较分类客户与未分类客户的比较第章总结与展望总结研究的局限性和展望附录附录数据预处理后的结果部分附录二名客户经理的判断矩阵图附录三数据库表结构验证客户状态验证客户分类效果分析已分类客户横向比较分类客户与未分类客户的比较第章总结与展望总结研究的局限性和展望附录附录数据预处理后的结果部分附录二名客户经理的判断矩阵图附录三数据库表结构致谢宋可佳基于交易行为相似性的证券客户分类研究第章绪论研究背景年美国金融危机爆发以来，我国证券业市场发生了深刻变化，方面是世界经济持续低迷，我国经济环境也发生了很大改变，从高速发展期进入转型期，原有经济格局面临诸多不确定性因素另方面，证券业实行浮动佣金制以来，券商的利润率持续下滑，许多证券公司打出年费制甚至零佣金的口号来吸引客户，但实际效果并不理想。

虽然目前大多数省份都实行了最低佣金限制，但绝大多数券商并没有价格制定权这样个事实直没有改变。

我国证券行业起步于上世纪年代，在其发展过程中，证券公司的交易系统直处于中国各行业技术应用的领先水平，积累了丰富的数据。

但直到年前，中国证券界直采取粗放的经营方式，对客户的分析研究重视程度较低。

中国证券市场近两年来行情持续低迷，新增开户的增长速度已大幅下降，目前日均开户数不足万户。

这意味着，券商经纪业务的竞争重点已开始由新增客户，逐渐转向如何稳定存量客户的战略性思考。

截至年末，随着服务软硬环境的逐步改善，各券商之间的竞争力逐步趋同，服务方面的差距也越来越小。

无论是券商组织的股评报告会，还是提供的资讯服务网络短信，已经无法满足股民的需求。

券商经纪业务的服务，还无法让客户感受到归属感，营业部与客户间的信任关系十分淡薄，从而令佣金战成为最主要的竞争手段，佣金返还和关系营销已经使券商陷入恶性竞争的怪圈。

而解决问题的关键在于证券行业必须重新找出市场所需的新服务理念。

比如，券商现行的客户分级服务般是以客户的资产量或佣金贡献大小为依据，从本质上讲，这种客户分级方式仍是以券商利益为中心的经营模式的延续，并没考虑客户在投资行为过程中的真实需求。

在目前券商的资讯产品等资源并不短缺的情况下，券商要做得并不仅仅是分配资源，而是对大量的资源进行筛选配送，把合适的服务提供给合适的客户，为合适的客户送去合适的产品。

由于证券行业比较早实现了完全的电子化交易，因此在交易系统运行的这二十年时间里积累了大量的客户交易数据，为券商通过数据挖掘技术实现客户交易宋可佳基于交易行为相似性的证券客户分类研究行为分析提供了数据基础。

研究意义本文选题的目的，正是着眼于研究建立种基于客户交易行为的客户细分模式。

首先对客户的交易行为进行关键因素分析并据此建立交易行为模型，然后依据交易行为模型把客户分成若干群，通过对不同客户群交易行为特征的总结，发现其独特的需求，并以客户群为单位对客户进行个性化服务。

由于各营业部的实际情况不同，客户分类所依据的标准不可能唯，本文试图通过多种方法来对客户分类的效果进行检验和研究。

中国证券公司与国外同行在数据挖掘应用水平方面存在着巨大差距，基本没有形成自身数据服务的品牌和核心竞争力。

由于目前我国证券行业正处于服务转型时期，如何找到条具有自身特色的创新发展之路，成为各家证券公司首要考虑的问题。

本文就是在此背景下对券商的服务转型进行若干探索。

而研究的最终结果还是要落脚在券商的佣金收入提升上来。

如果在此实证研究中发现此种客户分类模式是可以提升公司和客户收益的，则将为证券行业营业部的客户服务工作提供较实际的借鉴作用。

国内外研究现状客户细分理论由美国著名学者温德尔史密斯在年提出的，他认为客户细分是以消费者需求为出发点，根据消费者购买行为的差异性，把消费者总体划分为类似性购买群体的过程。

研究者根据行业的不同提出了很多客户细分的方法，在这些方法中主要有基于客户统计学的客户细分于客户行为的客户细分基于客户价值的客户细分和基于生命周期的客户细分等四种。

在上世纪年代，消费者导向细分流派代表人物认为客户细分重点应当是对消费者的需求和行为特征进行分类。

年，美国数据库营销研究所提出模型，其中分别代表最近次购买到现在的时间间隔定时期内的购买次数定时期内客户在本企业的消费额。

由以上三个维度组成的宋可佳基于交易行为相似性的证券客户分类研究模型成为客户关系管理中广泛采用的标准。

随着数据挖掘技术的兴起，研究人员又利用数据挖掘技术这新的工具，在变量的基础之上，提出了许多新的客户细分方法。

如吴峰在年采用概念聚类的挖掘方法，从证券行业客户的交易行为中提取有价值的信息，并从中发现影响客户盈亏的般性规律。

提出最大似然聚类方法对客户的价格弹性指标销售满意度指标品牌忠诚度指标等指标因素建立模型进行客户细分。

提出将客户等级分类方法用于商务物流市场的高端物流方面。

王荇和郑成增在年把使用层次凝聚法和算法的选择范围定为营业部内截止年月日，资产值在万元以上，且开户日期早于年月日的客户，共计名客户。

历史交易的观察区间为年月日至年月共个月历