【正文】 析、預(yù)測(cè)分析、偏差分析。 數(shù)據(jù)挖掘技術(shù)的概念 數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們視線不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程 [8]。 數(shù)據(jù)挖掘的目的是為了通過(guò)分析具體的大量數(shù)據(jù)，得出最有新穎、最不為人知、對(duì)今后 次失誤的發(fā)展會(huì)有重大影響的有價(jià)值信息，從而幫助需要此數(shù)據(jù)的部門快速提高分析效率，更好地幫助企業(yè)發(fā)展。 債券的投資成本較為豐富，但是它的風(fēng)險(xiǎn)和收益較為趨中， 相對(duì)常見的債券包括有國(guó)家自主發(fā)行的國(guó)債，企業(yè)發(fā)行的企業(yè)債券以及一些地方根據(jù)自己的發(fā)展需要去進(jìn)行一些地方融資性債券。這其中所伴隨的風(fēng)險(xiǎn)比前兩種理財(cái)產(chǎn)品要高很 多，但是同時(shí)收益率也大大增加。在國(guó)外的經(jīng)濟(jì)市場(chǎng)中，境外商業(yè)銀行多實(shí)行的是利率市場(chǎng)化和浮動(dòng)匯率政策。根據(jù)本金與收益的原則可以講理財(cái)產(chǎn)品分為保本固定收益產(chǎn)品、保本浮動(dòng)收益產(chǎn)品和非保本浮動(dòng)收益產(chǎn)品三類 [1]。 除此之外，在國(guó)際市場(chǎng)上的研究中，人們還詳細(xì)研究了投資經(jīng)紀(jì)人激勵(lì)政策和投資公司和客戶還有投資品種的多向監(jiān)管模式，而且在證券領(lǐng)域國(guó)際上還會(huì)對(duì)每一個(gè)公司的真實(shí)性、合法性、整體可持有性、所設(shè)計(jì)產(chǎn)業(yè)的未來(lái)前景分析相對(duì)于國(guó)內(nèi)的虛假來(lái)說(shuō)，也更為透明，更為詳盡準(zhǔn)確。 在此論文中主要以工薪階層中這些有條件從事金融投資的人群作為有效 分析對(duì)象。 第一章 緒論 2 投資理念相對(duì)趨同 由于工薪階層了解社會(huì)信息方式相對(duì)單一，因而并不能獲得足夠的信息量，加之由于自身素質(zhì)受限并不能去有足夠的時(shí)間和精力進(jìn)行互聯(lián)網(wǎng)上的信息收集和信息分析從而導(dǎo)致 工薪階層所掌握的信息量較為有限， 進(jìn)而 對(duì) 他們 經(jīng)濟(jì)社 會(huì)的未來(lái)發(fā)展趨勢(shì)有諸多的顧慮。Based on multivariate statistical analysis to the client of the investment preferences 學(xué) 生 姓 名 ： 李杕普 學(xué) 生 學(xué) 號(hào) ： 08580212 專 業(yè) 名 稱 ： 信息管理與信息系統(tǒng) 指 導(dǎo) 教 師 ： 陳君艷 經(jīng)濟(jì)與管理學(xué)院 2021 年 6 月 15 日 摘 要 決定投資成敗最重要的因素在于投資的適應(yīng)性和創(chuàng)新性，由于投資品種的多樣性自然就決定了每個(gè)投資者都會(huì)有自己的一種投資策略 然后 在實(shí)踐中不斷的去糾正和總結(jié)自己的投資經(jīng)驗(yàn) 。他們有著較為相似的經(jīng)濟(jì)共同點(diǎn)： 收入來(lái)源相對(duì)單一 基本工資和額外投資回報(bào)作為工薪家庭的重要生活保障，來(lái)作為家庭指出的重要支撐，但是，由于我國(guó)的工薪階層的人員整體素質(zhì)相對(duì)較低，掌握的信息量較少，價(jià)值思想相對(duì)閉塞，同時(shí)我國(guó)國(guó)內(nèi)整體金融投資環(huán)境發(fā)展的并不成熟，人們并不能對(duì) 投資理財(cái)有足夠的安全感，故而真正投入大量資金去運(yùn)作的工薪階層并不能占到很大比重，因而固定工資還是作為工薪家庭收入的主要來(lái)源， 俗話說(shuō)“人不理財(cái)，財(cái)不理你”，那么 如何去分配家庭的固定收入即如何去理財(cái)，使之能把現(xiàn)有資金靈活運(yùn)用起來(lái)就成為了當(dāng)今工薪家庭面臨的一個(gè)主要問(wèn)題。 適宜投資的工薪階層行業(yè)相對(duì)集中 雖然同屬于工薪階層，但 是該層涉及很多的領(lǐng)域行業(yè)，故而由于工薪階層的勞動(dòng)者所處在不同的行業(yè)領(lǐng)域和在公司中的不同級(jí)別，會(huì)導(dǎo)致他們的工資收入存第一章 緒論 3 在較大的差異水平，也就是說(shuō)并不是每一個(gè)行業(yè)的工薪人群都可以去從事金融理財(cái)活動(dòng)，根據(jù)我國(guó)國(guó)家統(tǒng)計(jì)局出具的統(tǒng)計(jì)資料顯示，涉及金融、通信、石化、電力等行業(yè)領(lǐng)域的工薪人群能夠更積極地去應(yīng)對(duì)家庭的金融理財(cái)，向其中可以投入相對(duì)其他行業(yè)更多的金融資本， 同時(shí)， 諸如公務(wù)員、教師、醫(yī)生、外企職員等高端領(lǐng)域中的 管理人才 干部也是可以參與金融投資的重要客戶群。 國(guó)外針對(duì)于金融投資領(lǐng)域的研究，通常都是基于活動(dòng)主題來(lái)進(jìn)行的規(guī)律性相關(guān)分析比如在國(guó)外的研究者通過(guò)對(duì)資產(chǎn)管理者、投資經(jīng) 理、和股評(píng)家這樣之間的大量事例中總結(jié)出來(lái)了這個(gè)羊群效應(yīng)這個(gè)問(wèn)題，即當(dāng)股評(píng)家放出消息說(shuō)預(yù)測(cè)某個(gè)品種會(huì)有所 行動(dòng)或者在加上投資經(jīng)理和資產(chǎn)管理者從各種渠道去放風(fēng)時(shí)候，這時(shí)候的大部分投資者的心里都會(huì)有所傾向 接著就發(fā)生第一章 緒論 4 了人云亦云一個(gè)接著一個(gè)鉆進(jìn)莊家的圈套 ，往往這個(gè)時(shí)候很多投資者真正去投入的時(shí)候，往往會(huì)被套牢 那為什么他們還會(huì)這樣做呢？因?yàn)樗麄儗?duì)他們的評(píng)論家、投資經(jīng)理是信任的，是高度忠誠(chéng)的，從而造成了羊群效應(yīng)。對(duì)于商業(yè)銀行推出的理財(cái)產(chǎn)品，客戶授權(quán)銀行管理其資金，對(duì)于投資后形成的收益和這之中伴隨的風(fēng)險(xiǎn)由客戶和銀行按照之前的約定的方 式共同承擔(dān) 。 商業(yè)銀行在開展有關(guān)理財(cái)業(yè)務(wù)的同時(shí)可以未經(jīng)授權(quán)而使用信托權(quán)利。直接表現(xiàn)為讓國(guó)內(nèi)投資者直接參與國(guó)外的經(jīng)濟(jì)市場(chǎng)，從而獲取全球市場(chǎng)的經(jīng)濟(jì)利益。 [5]。 第三章 投資策略的基本產(chǎn)品分析 9 第 三 章 數(shù)據(jù)挖掘技術(shù)的概述 數(shù)據(jù)挖掘就是在大量的數(shù)據(jù)中進(jìn)行規(guī)律化的綜合性分析，從中找出對(duì)事實(shí)發(fā)展較為有用的數(shù)據(jù)和物質(zhì)發(fā)展規(guī)律，整體過(guò)程需要進(jìn)行數(shù)據(jù)準(zhǔn)備、規(guī)律性分析、得出結(jié)果等步驟，所涉及的方法較多 例如相關(guān)性分析、聚類分析、異常性分析、演變分析等等它將傳統(tǒng)的分析方法與海量數(shù)據(jù)的處理相結(jié)合 數(shù)據(jù)挖掘是探查和分析大量數(shù)據(jù)以發(fā)現(xiàn)有意義的模式和規(guī)則的過(guò)程 [7]。但是最近人們開始使用某些統(tǒng)計(jì)方法來(lái)代替數(shù)據(jù)挖掘中的許多工作，并且他們認(rèn)為最好的方法是將統(tǒng)計(jì)方法和數(shù)據(jù)挖掘有機(jī)的結(jié)合起來(lái)。 數(shù)據(jù)挖掘技術(shù)能夠有效的處理數(shù)據(jù)庫(kù)中的海量數(shù)據(jù)，能夠更好的對(duì)數(shù)據(jù)進(jìn)行分析和挖掘，從 而得出最精確的數(shù)據(jù)結(jié)果。簡(jiǎn)單的，可以將關(guān)聯(lián)分為單純性關(guān)聯(lián)、時(shí)間關(guān)聯(lián)和因果關(guān)聯(lián)，涉及到的參數(shù)可以引入興趣度、相關(guān)性等等這樣做的目的是為了是所挖掘的規(guī)則更符合實(shí)際。這時(shí)候數(shù)據(jù)挖掘應(yīng)運(yùn)而生，作為信息技術(shù)發(fā)展的關(guān)鍵，正顯現(xiàn)其巨大的商業(yè)價(jià)值，在金融領(lǐng)域也亦如此，中國(guó)的金融企業(yè)若想有所發(fā)展，就必須從“產(chǎn)品導(dǎo)向”的市場(chǎng)營(yíng)銷經(jīng)營(yíng)理念向“客戶導(dǎo)向”轉(zhuǎn)變。 數(shù)據(jù)的采集和與處理過(guò)程 本篇論文通過(guò)對(duì)天津市當(dāng)?shù)貛准一鸸?、證券公司、銀行、以及期貨公司中所掌握的部分重點(diǎn)客戶信息的收集對(duì)其進(jìn)行預(yù)處理，然 后運(yùn)用 SPSS 軟件 對(duì)相關(guān)數(shù)據(jù)進(jìn)行深入挖掘分析，主要運(yùn)用相關(guān)性分析，以及聚類分析對(duì)數(shù)據(jù)進(jìn)行深入采集，為了便于數(shù)據(jù)的定量處理，進(jìn)行的編碼化，相關(guān)的數(shù)據(jù)維度以及編碼含義如下表所示： 第四章 多元統(tǒng)計(jì)對(duì)客戶投資的細(xì)分 15 表 41 天津市金融投資客戶數(shù)據(jù)樣本維度及相關(guān)代碼 性別的代替數(shù)值 男 1 女 2 投資額代替數(shù)值 5W以下 1 5W10W 2 10W20W 3 20W以上 4 投資品種 基金 1 股票 2 期貨 3 銀行理財(cái)產(chǎn)品 4 儲(chǔ)蓄 5 工作職業(yè) 學(xué)生 1 教師 2 車企員工 3 銀行 4 公務(wù)員 5 醫(yī)生 6 外企 7 金融投資 8 退休 9 其他 0 圖 41 各項(xiàng)數(shù)據(jù)的無(wú)綱量化表示 第四章 多元統(tǒng)計(jì)對(duì)客戶投資的細(xì)分 16 圖 42 各個(gè)數(shù)據(jù)的變量數(shù)據(jù)維度項(xiàng) 金融投資數(shù)據(jù)的統(tǒng)計(jì)和分析 性別、年齡和投資額的 統(tǒng)計(jì) 分析 （ 1）性別、年齡和投資額的相關(guān)性分析 表 41 各數(shù)據(jù)的代替數(shù)值 性別的代替數(shù)值 男 1 女 2 投資額代替數(shù)值 5W以下 1 5W10W 2 10W20W 3 20W以上 4 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。 第四章 多元統(tǒng)計(jì)對(duì)客戶投資的細(xì)分 19 （ 2）年齡、職業(yè)和投資額的二步聚類分析 圖 44 職業(yè)年齡和投資額的二步聚類分析 由圖 44中的兩步聚類，計(jì)算機(jī)顯示此聚類分析輸入特征為 3應(yīng)分成 4類最為有效，即提示我們將在 K均值聚類分析的過(guò)程中把所分析的數(shù)據(jù)設(shè)定為 4類。 （ 3）性別、年齡和投資額的 K 均值聚類 表 43 性別、年齡與投資額的最終聚類中心 聚類 1 2 3 4 性別 1 1 1 1 年齡 59 48 37 26 投資額 3 3 3 2 表 44 每個(gè)聚類中的案例數(shù) 聚類 1 2 3 4 有效 缺失 .000 由表 43和表 44的聚類結(jié)果可以知道 ，根據(jù)計(jì)算機(jī)所得出的結(jié)論，在 1127個(gè)有效數(shù)據(jù)中，第一類為 59歲左右的男性投資 額在 10W20W之間，第二類為 48歲左右的男性，投資額在 10W20W之間，第三類為 37歲左右的男性投資額同樣為 1020W之間，第四類為年齡在 26歲左右的男性投資額為 5W10W。 第四章 多元統(tǒng)計(jì)對(duì)客戶投資的細(xì)分 14 對(duì)客戶行為的分析 通過(guò)找到的重點(diǎn)客戶，我們能夠發(fā)現(xiàn)客戶的行為偏好，從而根據(jù)他們的需要為他們定制專屬的特色服務(wù)，從而提高客戶對(duì)企業(yè)的忠誠(chéng)度，對(duì)不同群組之間的客戶進(jìn)行交叉分析后，我們可以發(fā)現(xiàn)客戶群體間的變化規(guī)律，并且通過(guò)對(duì)數(shù)據(jù)庫(kù)的進(jìn)一步分析和統(tǒng)計(jì)，我們會(huì)將最具代表性的數(shù) 據(jù)放到我們的數(shù)據(jù)庫(kù)中，從而讓企業(yè)配合我們得到的數(shù)據(jù)結(jié)論，制定更加符合企業(yè)發(fā)展的市場(chǎng)策略。 預(yù)測(cè)分析 預(yù)測(cè)分析是指根據(jù)以往的歷史數(shù)據(jù)從中找出變化規(guī)律，運(yùn)用方法建立模型，通過(guò)此模型對(duì)未來(lái)數(shù)據(jù)的種類和可能產(chǎn)生的特點(diǎn)進(jìn)行準(zhǔn)確預(yù)測(cè)，我們通常使用預(yù)測(cè)方差這個(gè)方法來(lái)度量其預(yù)測(cè)結(jié)果的精度和不確定性 [11]。此外，聚類分析還能夠在其他算法