【正文】 （ 1）年齡、職業(yè)和投資額的相關性分析 表 46 職業(yè)、年齡與投資額的相關性分析 職業(yè) 年齡 投資額 職業(yè) Pearson 相關性 1 .523** .413** 顯著性（雙側） .000 .000 N 1126 1126 1126 年齡 Pearson 相關性 .523** 1 .573** 顯著性（雙側） .000 .000 N 1126 1127 1127 投資額 Pearson 相關性 .413** .573** 1 顯著性（雙側） .000 .000 N 1126 1127 1127 **. 在 .01 水平（雙側）上顯著相關。 基于多元統(tǒng)計的數(shù)據處理流程 首先進行前期的準備工作，包括數(shù)據信息的收集和預處理，收集就是搜索與工作對象有關的數(shù)據信息，并且從中 選出最具代表性的資料以便通過分析得出最具代表性的答案， 預處理就是進一步篩選信息，提高數(shù)據的整體質量，為接下來的分析做到充分的準備，確定要使用的統(tǒng)計操作類型。 偏差分析 數(shù)據發(fā)展現(xiàn)狀、數(shù)據本身的歷史記錄以及數(shù)據標準這三者存在顯著變化，而偏差分析就是探測這三者之間的偏離，然后通過分析得出相應的結果并應用到實際的生產經營當中。 聚類方法也可以細分為統(tǒng)計方法和神經網絡方法。 數(shù)據挖掘的常用 技術 數(shù)局挖掘算法的優(yōu)劣直接決定所發(fā)現(xiàn)的知識的價值性，以及所發(fā)現(xiàn)的知識的可實際應用程度。所謂的專家系統(tǒng)，就是采用這樣的方法，但是它投資巨大但是效果并不理想， 到了 80 年代，人們重新總結了神經網絡理論， 并在新的理論指導下，重新回到機器學習這個角度，并且人們將成果首次運用到了大型的綜合商業(yè)數(shù)據庫中，該技術由此成為了 80 年 代末的新術語，即 KDD。股票型基金相對其他兩種產品來說投資收益率較高，一般可以達到 8%左右，對于一年以上的投資較為適合。但是，目前我國的經濟形勢總體形式也呈現(xiàn)復蘇狀態(tài)，并且股票的可選空間較為廣闊，這就形成投資的機會很多，在策略中可以適當調整績優(yōu)股 的比重以滿足不同投資者的需求。 非保本浮動收益產品 隨著金融經濟市場的蓬勃發(fā)展，這類非保本浮動收益產品漸漸走近人們的視線，所謂非保本浮動利益 產品即不保證本金收益率浮動的產品，目前該類的主要產品有 QDII、基金寶等，一般銀行的非保本浮動利益型的風險僅次于儲蓄風險 [13]。 因此 ,在這樣的情況下，投資者選擇的前提首先，對于相同的產品，要選擇一個年收益率相對較高的金融產品，同時還需要注意利息的問題，因為選擇金融類產品的目的就在于它的利率相比儲蓄來說要高一些而且相比于其他的投資在風險上的承擔問題上，銀行也可以承擔大部分的風險。 從金融學的角度來看，相對與投 機而言，投資可能會花費更多的時間、精力、和財力，去通過掌握的市場準則和方法去規(guī)律性的操作自己的投資產品，也只有這樣，才能使在未來的時間過得比其他人更多的資產收益、從而提高自己的生活質量和生活水平。所以各種投資品種主要還是根據每個人不同的性格特點來進行分析，而針對我國國內金融公司的研究表明，對于國內潛在的投資客戶的分析還是僅僅停留在淺顯的一個摸索期。 結合目前的投資市場發(fā)展狀況來看，工薪階層在進行投資的時候很難確保此次投資會得到高收益，所以他們會感到很強的危機感加之經驗不足，當他真正面臨投資機會的時候會變得一片茫然，自顧不暇。因此， 對國內人群我們很有必要去進行 對 投資偏好的分析 。 本文通過介紹國內各個階層的居民 現(xiàn)有收入狀況，結合目前市場上的金融產品主要投資特點，重點對不同家庭情況，不同的投資偏好，不同的收入水平以及不同金融產品的生命周期的投資策略分析。 消費方式的多元化 在馬斯洛的需求層次理論中，當工薪階層在基本生存需要得到滿足的前提下，他們就會開始更多地關注 對他們生活質量的提高和改善消費品有幫助的相關項目。 90 年代后期以來，中國個人投資者日益成熟，其投資的選擇權面對豐富的投資品種可以較充分發(fā)揮。在加上國外的國家社會福利保障政策使國民感到了很大的安全感，人們不會再為溫飽、醫(yī)療、教育等政策進行擔心，所以這也正向的促進了他們國家的人民會把更多的資產去諸如的整個的投資資本運營體系中，這樣的良性循環(huán)，也會逐步的帶動國家的快速發(fā)展，從而帶動國民的收入也更為寬裕，是人們能夠安居樂業(yè)，而相比于國內的各項水平來說，我們雖 然和以前比有很大的進步，但是太多太多不完善的地方還要需要我們一步一步的去改進、發(fā)展，羨慕別人不是目的，最重要的是把先進的知識帶入國內，然后進行改良創(chuàng)新，因地制宜的使用在國內的金融市場上。投資者購買這類金融產品到期會獲得固定的收益，投資風險由商業(yè)銀行全部承擔。而對于國內的商業(yè)銀行來說， 由于《中華人民共和國商業(yè)銀行法》規(guī)定銀行不得從事證券和信托業(yè)務，并且由于 利率尚未完全市場化，在這樣的前提下商業(yè)銀行理財產品的開發(fā)銷售面臨的約束較多同時還伴隨著很大的法律風險。 股票 股票作為股份制有限公司進行市場性融資的一個手段，在融資時向市場發(fā)行第二章 投資策略的基本產品分析 7 自己的有價證券讓眾多的市場投資者來擔任企業(yè)的股東，每一個購買該企業(yè)股票的個人和企業(yè)都是發(fā)行股票的股東，而每一個股東都會根據自己所持有的股份數(shù)量來享受不同的權利和義務， 股票是一 種有價證券，代表著其持有人（股東）對股份公司的所有權，每一股同類型股票所代表的公司所有權是相等的，即“同股同權”。尤其是前者，因為它相比于存款來說有很大的優(yōu)勢，例如免稅，收益率較高，而相對于股票而言又具有較好的信用保證和較強的社會信譽，往往深受廣大工薪階層人民的歡迎，更有甚者稱其為“金邊債券” 。 數(shù)據挖掘技術的起源 如果想發(fā)明一個東西，那么導致他的發(fā)明者能制造它出來的原因就是它非常的被人們所需要，即“需要是發(fā)明之母”，近些年來，由于中國經濟快速蓬勃的發(fā)展從而帶動中國的信息產業(yè)一路高歌猛進茁壯成長，“數(shù)據挖掘”這個詞對于中國信息產業(yè)界不再是一個生僻詞，越來越多引起人們對它的關注，一個 很重要的原因就是在于 目前網絡中存在大量數(shù)據，并且這些數(shù)據可與廣泛的去作為有用的資源去使用，同時迫切需要將這些數(shù)據轉換成有用的信息和知識，從這些獲取的信息和知識中可以廣泛運用與各種生活應用，包括商務管理，市場綜合性分析，工程設計，可靠研發(fā)，以及生產控制。 數(shù)據挖掘的特點 數(shù)據挖掘分析方法最大的特點 在于其挖掘、發(fā)現(xiàn)關鍵的信息這個過程中并沒第三章 投資策略的基本產品分析 11 有明確的假設前提，并且所挖掘到的信息應具有一下三個特征即未知、有效、可使用。在同一組中的數(shù)據彼此相似，而不同組中的數(shù)據相差甚遠，聚類分析可以通過建立宏觀的概念，結合統(tǒng)計出 來的數(shù)據特點，得出潛在數(shù)據屬性之間的相互關系?？紤]自變量和因變量也可以大致分為線性和非線性回歸分析兩種，一元線性回歸指在回歸分析中只存在自變量 和因變量各一個，且二者關系近似，相反則成為多元線性回歸分析 [10]。通過一些重點指標來分析出客戶的忠誠度，以及找到這些客戶的共同需求，從而對這些具有相似特征的客戶進行有效地彌補。 第四章 多元統(tǒng)計對客戶投資的細分 17 （ 2）性別、年齡和投資額的二步聚類分析 圖 43 性別年齡和投資額的二步聚類分析 從圖 43以看出 性別、年齡和投資額這三個維度，輸入特征是 3而通過復式 4說明要把所分析的數(shù)據分為 4類的情況是最好的，所以在 K均值類分析我們將其分為 4類。 （ 3）年齡、職業(yè)和投資額的 K均值的聚類分析 表 47 年齡、職業(yè)和投資額的最終聚類中心 聚類 1 2 3 4 年齡 46 58 36 26 3 2 職業(yè) 6 7 5 投資額 3 3 3 表 48 每個聚類中的案例數(shù) 聚類 1 2 3 4 有效 缺失 由表 47和表 48可知，在年齡、職業(yè)和投資額這三個維度做 K均值聚類分析的時得出結論，第一類投資額在 20W 第四章 多元統(tǒng)計對客戶投資的細分 20 年齡、性別和投資品種的統(tǒng)計分析 表 49 各數(shù)據的代替數(shù)值 性別 男 0 女 1 投資品種的代替數(shù)值 基金 1 股票 2 期貨 3 銀行理財產品 4 儲蓄 5 注： 由于年齡使用的是具體數(shù)值而不是范圍，這里不在需要用數(shù)值代替。 表 42 性別、年齡與投資額的相關性分析 性別 年齡 投資額 性別 Pearson 相關性 1 .052 .037 顯著性（雙側） .082 .211 N 1127 1127 1127 年齡 Pearson 相關性 .052 1 .573** 顯著性（雙側） .082 .000 N 1127 1127 1127 投資額 Pearson 相關性 .037 .573** 1 顯著性（雙側） .211 .000 N 1127 1127 1127 **. 在 .01 水平（雙側）上顯著相關。 對目標市場的客戶 在分析市場的客戶時候，采用分類和聚類的方法，可以將目標群里中的每個客戶進行細分，通過他們數(shù)據本身所體現(xiàn)的特點將具有相似特點的客戶放在一個目標群里，這樣將所有的客戶分成若干各組，這樣通過有效的聚類和協(xié)同過濾方法可以更高效的提高對不同客戶需求的分析，從而推動企業(yè)的營銷成效。 關聯(lián)分析近似于序列模式分析，但側重點不同于序列模式分析，關聯(lián)分析更著眼于被分析數(shù)據前后的關聯(lián)性。數(shù)據挖掘中常用的方法有聚類分析、關聯(lián) 分析、回歸分析、分類分