学位论文 > 优秀研究生学位论文题录展示

期货公司客户分类和风险管理

作 者: 赵锦锦
导 师: 费宇
学 校: 云南财经大学
专 业: 数量经济学
关键词: 期货客户 客户分类 数据挖掘 风险管理
分类号: F832.39
类 型: 硕士论文
年 份: 2011年
下 载: 227次
引 用: 1次
阅 读: 论文下载
 

内容摘要


随着金融市场的不断发展,期货交易作为一种高风险高回报的投资行为,越来越成为人们投资理财的焦点,随之而来的便是期货客户数的不断增加。如何加强风险管理、提高服务质量则是期货公司发展的重点。目前,国内对期货客户的研究比较主观和定性,没有从客户交易行为本身这个能反映客户情况的角度出发对客户进行分析,有很多值得改进的地方。因此,针对目前研究的特点,本文从一个全新的角度---从客户交易数据出发,运用基本的统计分析方法和目前流行的数据挖掘技术对客户进行聚类和分类,从定量角度更深层次研究期货公司客户交易行为,找出不同类别客户交易特点,并且分别基于综合得分方法、决策树方法、贝叶斯网络方法和神经网络方法四种方法从不同角度为期货公司加强客户风险管理提供参考意见,希望能够帮助客户和公司认清客户交易模式,降低期货公司管理上的风险和成本,改进和提高客户服务质量,吸引新客户,促进我国的期货行业的进一步发展。本文首先对客户交易数据运用因子分析把客户交易行为分成风险能力、贡献率能力、盈利能力和止损能力四个基本能力,并在此基础上运用聚类分析方法把期货客户分为目前公司所关心的三类客户,分析三类客户在每个能力上的优缺点。然后,结合客户的基本能力和交易指标,运用综合得分方法、数据挖掘中的决策树方法、贝叶斯网络方法和神经网络方法对客户进行分类,参照同级聚类结果分别进行评价分析,找出不同类别客户交易行为的特点。同时,本文所运用的四种方法也非常方便运用于期货公司的实际风险管理中,综合得分方法可以较直观看出客户综合交易情况;决策树方法判别效果好,可以找出每类客户的交易规则;贝叶斯方法则适用范围广,可以应对外界因素的变动;神经网络的方法不但可以对客户类别进行判断,还能比较指标在客户类别中的权重,从而更有针对性的对客户进行管理,这些方法的应用都对公司风险管理有指导意义。最后,文章得出结论并提出未来研究的方向,希望更进一步加强期货公司风险管理,更好的为客户服务。

全文目录


摘要  4-5
Abstract  5-9
第一章 引言  9-18
  第一节 研究背景及意义  9-12
    一、研究背景  9-11
    二、研究意义  11-12
  第二节 国内外研究现状  12-15
    一、国外研究现状  12-14
    二、国内研究现状  14-15
  第三节 目前研究的特点  15-16
  第四节 本文的主要研究内容  16-18
第二章 期货客户分类风险管理现状  18-26
  第一节 期货交易概述  18-20
  第二节 期货客户分类  20-22
  第三节 期货公司风险管理  22-26
第三章 数据挖掘方法概述  26-40
  第一节 数据挖掘的定义  26
  第二节 数据挖掘的起源与发展  26-27
  第三节 数据挖掘的过程  27-29
  第四节 数据挖掘的分类方法  29-38
    一、决策树方法  29-32
      (一) ID3 算法  30-31
      (二) C4.5 算法  31-32
      (三) 决策树的剪枝  32
    二、贝叶斯方法  32-34
      (一) 朴素贝叶斯网络  32-34
      (二) TAN 贝叶斯网络  34
    三、神经网络方法  34-38
  第五节 数据挖掘的应用  38-40
    一、数据挖掘在客户关系管理中的应用  38-40
第四章 基于数据挖掘的期货客户分类和风险管理  40-65
  第一节 期货客户数据基本统计分析  40-46
    一、期货客户数据的选取及指标分析  40-42
    二、期货客户交易数据统计分析  42-46
      (一) 因子分析  42-43
      (二) 聚类分析  43-44
      (三) 结果分析  44-46
  第二节 基于综合得分的客户分类和风险管理  46-50
    一、基于综合得分的客户分类  46-49
    二、客户风险管理建议  49-50
  第三节 基于决策树算法的客户分类和风险管理  50-53
    一、基于决策树算法的客户分类  50-52
    二、客户风险管理建议  52-53
  第四节 基于贝叶斯网络算法的客户分类和风险管理  53-57
    一、基于贝叶斯网络算法的客户分类  53-56
    二、客户风险管理建议  56-57
  第五节 基于神经网络算法的客户分类和风险管理  57-62
    一、基于神经网络算法的客户分类  57-62
    二、客户风险管理建议  62
  第六节 四种方法分类结果的比较  62-65
第五章 总结与展望  65-68
  第一节 总结  65-67
  第二节 未来研究的展望  67-68
参考文献  68-72
附录  72-77
致谢  77-78
本人在学期间发表论文及科研成果  78

相似论文

  1. 基于数据挖掘技术的保健品营销研究,F426.72
  2. 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
  3. 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
  4. 露天矿生产事故人因风险管理措施研究,TD771
  5. Bicluster数据分析软件设计与实现,TP311.52
  6. 基于变异粒子群的聚类算法研究,TP18
  7. 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
  8. 基于遗传算法和粗糙集的聚类算法研究,TP18
  9. 第24届大冬会竞赛管理系统项目风险管理,G812.2
  10. 基于可持续发展观的森林经营权益融资创新研究,F326.2
  11. 基于数据挖掘的税务稽查选案研究,F812.42
  12. 基于关联规则挖掘的入侵检测系统的研究与实现,TP393.08
  13. Web使用挖掘与网页个性化服务推荐研究,TP311.13
  14. 高校毕业生就业状况监测系统研究,G647.38
  15. 基于神经网络交叉覆盖算法的学生成绩预测,TP311.13
  16. 基于项目治理的通信工程项目风险管理机制研究,F426.6
  17. 基于数据挖掘的信用卡客户激活与响应度研究,F832.2
  18. 银行个人客户关系管理系统的设计与实现,TP311.52
  19. 基于数据挖掘技术的电信客户维系挽留系统分析及应用,TP311.13
  20. 透过次贷危机看巴塞尔协议的改革方向及对我国的启示,F832.1
  21. 基于数据挖掘聚类技术的我国高校分类研究,TP311.13

中图分类: > 经济 > 财政、金融 > 金融、银行 > 中国金融、银行 > 金融组织、银行 > 其他金融组织
© 2012 www.xueweilunwen.com