基于金融大数据的客户风险评估及预测

金融大数据论文 机器学习论文 客户画像论文 流失预测论文
论文详情
随着互联网金融行业的快速发展,银行业对于数据挖掘和机器学习技术的运用越来越多。基于银行数据库中的客户个人信息、交易信息、账户资产信息等数据,银行可以挖掘出很多潜在价值,从而提高银行的业务盈利与运营效率。本文基于某商业银行数据库中的客户数据,利用机器学习算法,在客户画像的基础上对客户进行聚类分析,再根据不同聚类客户的特点,从银行金融业务的不同属性出发,挖掘客户的需求和价值,为银行制定个性化标签化的营销策略,从而达到精准化推广营销的目的,同时构建分类预测模型,对样本数据中有流失风险的客户进行预测。根据银行的实际业务需求,本研究利用前端开发技术,从多角度对银行大数据进行了分析,最后设计并实现了银行大数据可视化平台。具体包括:(1)研究了机器学习中的特征选择与聚类算法,抽取在客户行为分析中影响较大的特征变量,提出了利用K-means聚类算法对客户进行聚类分析的方法,并在三种情况下对客户群进行聚类,然后对聚类结果进行判别比较分析,当聚类个数k分别为5、6、7时,平均准确率分别为99.28%、97.77%、98.24%,所以在聚类个数为5的情况下在准确率最高。通过观察各客户群的特征,构建客户画像,并提出了相应的精准营销策略,最后实现了聚类结果的可视化展示。(2)研究了机器学习中的随机森林算法、Logistic算法、决策树算法,并对原始数据中的风险客户进行预测,分析了3种算法的预测准确率和ROC曲线,研究发现以上三种算法的预测准确率分别为93.2%、88.7%、90.6%,同时,ROC曲线的实验结果表明,随机森林算法在进行银行大数据分类预测时效果较好,最后实现了预测结果可视化展示。(3)设计并实现了银行数据可视化分析平台。通过丰富的可视化展现工具,分别实现了银行个人客户数据的可视化、银行网点数据的可视化以及银行客户群体轨迹的可视化。
摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-18页
    1.1 研究背景第10-11页
    1.2 课题选题意义第11-12页
    1.3 研究现状综述第12-16页
        1.3.1 金融大数据研究现状第12-14页
        1.3.2 客户画像研究现状第14-15页
        1.3.3 银行客户流失预测研究现状第15-16页
    1.4 本文的研究工作及安排第16-18页
第二章 金融大数据研究第18-35页
    2.1 客户画像第18页
    2.2 数据挖掘与精准营销策略第18-22页
        2.2.1 数据挖掘的应用第18-19页
        2.2.2 聚类算法概述第19-20页
        2.2.3 分类算法第20-22页
    2.3 客户流失预测的数学建模分析第22-23页
    2.4 数据可视化第23-33页
        2.4.1 数据可视化应用样例第26-29页
        2.4.2 数据可视化实现工具介绍第29-33页
    2.5 本章小结第33-35页
第三章 银行大数据分析第35-57页
    3.1 业务目标分析第35页
    3.2 数据预处理第35-38页
        3.2.1 变量分类第36-37页
        3.2.2 分析性变量第37页
        3.2.3 描述性变量第37-38页
    3.3 基于聚类分析的精准营销策略研究第38-49页
        3.3.1 算法选取第38-39页
        3.3.2 聚类分析第39-44页
        3.3.3 聚类结果的判别分析第44-48页
        3.3.4 聚类结果分析与营销策略第48-49页
    3.4 客户流失预测分析第49-55页
        3.4.1 随机森林算法第49-51页
        3.4.2 Logistic算法第51-53页
        3.4.3 决策树算法第53-54页
        3.4.4 ROC曲线结果比较分析第54-55页
    3.5 本章小结第55-57页
第四章 银行大数据可视化平台设计与实现第57-66页
    4.1 数据可视化模型设计第57页
    4.2 银行可视化系统功能说明第57-63页
        4.2.1 客户群体画像第58-60页
        4.2.2 个人客户分析第60-62页
        4.2.3 银行指标分析第62-63页
    4.3 可视化集成界面展现第63-65页
        4.3.1 个人客户集成界面第63-64页
        4.3.2 银行与群体客户分析界面第64页
        4.3.3 客户群体轨迹分析集成界面展现第64-65页
    4.4 本章小结第65-66页
第五章 总结与展望第66-67页
参考文献第67-70页
致谢第70-71页
攻读学位期间发表的学术论文目录第71页
论文购买
论文编号ABS4091744,这篇论文共71页
会员购买按0.30元/页下载,共需支付21.3
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付35.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656