支持向量机在个人理财客户市场细分中的应用研究

论文摘要

当前我国居民的资产拥有量不断增加,居民的理财需求呈现出多元化、个性化的特征。国内银行理财服务也在由统一化、大众化向层次化、个性化转变。银行引入市场细分理念,将客户市场按照某些指标进行细分,并在此基础上有目标、有选择地推出针对不同客户群体的理财产品。银行按照客户的风险容忍度类型对客户市场进行细分,根据不同的风险容忍度类型的客户群开发理财产品,对降低产品开发成本具有重要意义。在此背景下,本文将商业银行个人理财客户市场细分作为研究对象,对判别个人投资者风险容忍度类型所需指标及细分技术的选择这两个核心内容进行研究。首先本文详细分析了影响风险容忍度类型的主要因素,经过定性分析选出风险容忍度类型识别备选指标体系;然后设计个人情况表测得备选指标数据,并使用FinaMetrica金融风险容忍度量表测得个人投资者的风险容忍度类型,通过定量分析得到本文的风险容忍度类型识别指标体系。在比较各种细分技术特点及分类准确率的基础上,本文选择基于结构风险最小化的支持向量机方法来构建个人理财客户市场细分模型。在选择合适的核函数的前提下,本文使用5折交叉检验方法确定罚参数及核参数来完成分类实验。本文还结合KNN算法对SVM分类模型进行了改进,并将分类结果与神经网络方法和决策树方法的分类结果进行比较,发现使用改进的SVM分类模型对风险容忍度的分类正确率最高,性能较好。依据改进的SVM分类模型基于风险容忍度类型识别指标来细分客户群,一方面可以使银行依据所划分客户群的大小进行营销和产品开发,降低理财服务成本,另一方面可以使个人投资者清晰了解自己的风险容忍度类型,为其选择理财产品提供参考。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 国内外研究综述及评价
• 1.3.1 国内外研究现状
• 1.3.2 国内外研究现状评价
• 1.4 研究内容与研究方法
• 1.4.1 研究内容与技术路线图
• 1.4.2 主要研究方法
• 第2章 个人理财客户市场细分过程分析
• 2.1 个人理财客户市场细分
• 2.1.1 客户理财业务现状
• 2.1.2 客户理财业务存在问题
• 2.2 个人理财客户市场细分变量
• 2.2.1 金融风险容忍度
• 2.2.2 细分变量分析
• 2.3 个人理财客户市场细分技术
• 2.3.1 决策树方法
• 2.3.2 神经网络方法
• 2.3.3 支持向量机
• 2.3.4 分类方法比较
• 2.4 本章小结
• 第3章 细分指标体系构建
• 3.1 指标选取原则
• 3.2 定性分析指标体系
• 3.3 定量分析指标体系
• 3.3.1 量表设计
• 3.3.2 问卷质量分析
• 3.3.3 数据预处理
• 3.3.4 数据统计分析
• 3.3.5 相关性分析
• 3.4 本章小结
• 第4章 基于支持向量机的细分模型
• 4.1 支持向量机分类
• 4.1.1 SVM 的分类思想
• 4.1.2 线性支持向量机
• 4.1.3 非线性支持向量机
• 4.2 多类组合分类器
• 4.3 细分模型的建立
• 4.4 本章小结
• 第5章 客户市场细分模型实验
• 5.1 参数的选择
• 5.2 支持向量机分类实验
• 5.2.1 数据准备
• 5.2.2 核函数选择
• 5.2.3 分类结果
• 5.3 决策树分类实验
• 5.4 神经网络分类实验
• 5.5 改进的支持向量机模型
• 5.6 实验结果分析及模型应用
• 5.6.1 实验结果分析
• 5.6.2 模型应用
• 5.7 本章小结
• 结论
• 参考文献
• 附录
• 致谢