基于BIRCH大数据聚类方法在证券业的个性化服务
详细信息    查看官网全文
摘要
本文以客户细分、客户聚类为切入点,为证券企业对客户适当性服务与分类管理提供技术支持。第一,本文提出了一种适用于大数据集的组合聚类方法:BIRCH方法。其通过构建CF(聚类特征)树层次,实现对数据的压缩。第二,本文针对证券交易记录数据,从年度换手率,年度持仓率,年度持股时长等的特征提取算法。通过记录证券交易数据提取出可多方面描述客户状态的动态属性,可增加证券企业对客户的识别。并根据这些动态属性进行聚类,其结果可为证券企业探求不同客户的、最具偏好的针对性需求作支撑。
引文
[1]曾晓迪.一种基于K-mediods改进BIRCH的大数据聚类方法2015.学位论文
    [2]曾晓迪,石磊,李兴奇.基于非结构化数据的金融大数据分析方法介绍[J].泛亚金融.2014年11月(创刊号):91-99.
    [3]曾晓迪.基于灰色理论的区域宜居性模糊综合评价:以上海市交通便捷和区域宜居分析为例[J].云南财经大学研究生学刊,2014年第1期:91-109.
    [4]王园.证券业客户细分模型构建及实证研究[J].上海管理科学,2012,34(2):30-35.
    [5]刘静.基于数据挖掘的证券公司客户细分及其应用研究[D].同济大学,2008.
    [6]李君锋.数据挖掘在证券业CRM中的应用研究[D].西安电子科技大学,2009.
    [7]张效严,齐春莹.基于数据挖掘技术的证券客户分析系统[J].计算机应用,2008,28,369-375.
    [8]陈农心,张效严.数据掘技术在证券分析系统的应用研究[J].计算机仿真,2010,27(10),301-305.
    [9]熊淑华.数据挖掘技术在证券业CRM中的应用研究[D].南昌大学,2008.
    [10]王圣明.数据挖掘在证券行业的应用[D].浙江工商大学,2008.

© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号

地址:北京市海淀区学院路29号 邮编:100083

电话:办公室:(+86 10)66554848;文献借阅、咨询服务、科技查新:66554700