【文章內(nèi)容簡介】 DMC 購買和未購買股票各占一半的調(diào)查者行為分析 選擇決策樹作為我們最終模型 LOGO 相依程度： DMC 影響投資者是否購買股票因素由強到弱為 :收入 教育程度 職業(yè) 年齡 LOGO LOGO ? 對于購買的股票的人群來說，考慮的最主要的因素分析如下： DMC 選項 N 比率 相對于樣本的比率 Q41選股理由公司運營 41405 % % Q42選股理由親友介紹 22399 % % Q43選股理由朋友 3316 % % Q44選股理由自己分析 42206 % % Q45選股理由第四臺 19086 % % Q46選股理由其他 8460 % % 總計 136872 % % LOGO Q5Q23針對 5類股票中的 100只股票 ,均為多選題 ,我們在數(shù)據(jù)預(yù)處理中將選擇了一種股票的記為 1,未選擇的記為 0,通過多選題分析的方法得到其比率 Q5,Q9,Q13,Q17,Q21為在未提醒被訪 者的情況下讓被訪者說出至多 5只股票 ,我們認為被訪者對這些股票比較熟悉 Q7,Q11,Q15,Q19,Q23為是否購買 這只股票 ,最大選擇個數(shù)為 5 DMC LOGO LOGO 數(shù)據(jù)的處理 :Q8,Q12,Q16,Q20,問投資者分別對金融板塊 ,紡織板塊 ,鋼鐵板塊 , 這幾家上市公司的主要經(jīng)營項目是否熟悉。如果投資者對每一個板塊，我們記為 1，否則為 0。然后將四個板塊的值加權(quán)重，形成新的變量 Q30（清楚業(yè)務(wù)匯總） . Q6， Q10， Q14， Q18，問題為：以下我將念出金融保險類股（或其他四個板塊）的股票，請問您聽過哪幾家？復(fù)選，隨機提 120項。在訪問員說出這只股票，如果被訪者聽說過，我們就將其記為 1，說明他對這只股票有印象，否則為 0。 我們假定聽說過的股票越多，對證券市場越了解。將被訪者對各個板塊聽說過的股票數(shù)量加總起來，作為衡量被訪者對股市的了解程度。但是這個指標的范圍在 090之間，分布圖如下：我們根據(jù)這個指標的分布，將選擇數(shù)量在 040記為 1（一般了解）， 3150的記為 2（比較了解）， 5070的記為 3（很了解）， 70以上的記為 4（非常了解）。還有一個重要的指標即是股票購買金額。下面我們用這些指標建立聚類分析。 DMC LOGO DMC LOGO DMC LOGO 優(yōu)質(zhì)客戶 主婦類客戶 潛在優(yōu)質(zhì)客戶 普通客戶 比較優(yōu)質(zhì)客戶 DMC 教育程度較高的男性，對股票非常了解，年齡主要在 3039歲間，職業(yè)大多為管理階層和白領(lǐng)，月收入介于37萬，中高等的 受教育程度較低，高中或高職，男性居多，收入較低，年齡處于 3039歲 大多在大專以上，年齡在2029歲間的白領(lǐng)上班族，收入在 35萬每月 ,工作不久 年齡在 3050歲的家庭主婦，由于這一類投資者收入較低，大都在 1萬以下每月，所以投資金額相對較低，在 50萬以下 管理階層的男性，對股票也非常了解，教育程度也較高，收入大多在 10萬每月以上，所以這類人購買股票的金額很大，在 100500萬 LOGO 關(guān)聯(lián)程度分析： DMC 普通客戶和潛在優(yōu)質(zhì)客戶，這兩類目前購買的股票金額都差不多，但是一類會逐漸成為潛在優(yōu)質(zhì)客戶或者上升為優(yōu)質(zhì)客戶，一類可能停滯不前，作為證券公司要挖掘出潛在優(yōu)質(zhì)客戶，為他們提供細致的理財服務(wù)，贏取未來的優(yōu)質(zhì)客戶。其次第 1類比較優(yōu)質(zhì)客戶和第 3類潛在優(yōu)質(zhì)客戶的關(guān)聯(lián)程度很高，因為他們大多有著相同的背景 。 LOGO 美金購買者行為分析 ? 美金購買者的描述性統(tǒng)計分析 DMC % % %%%%%有 沒有 Q2是否購買股票 % % % % % %%%%%%%%Q25美元金額 % % % % % %%%%%%%%Q29年齡 100% 0%20%40%60%80%100%120%沒有 Q26是否購買期貨 LOGO 美金購買者的描述性統(tǒng)計分析 DMC % % %%%%%男性 女性 Q28性別 12% % % 0%10%20%30%40%50%60%70%國中或以下 高中或高職 大專及以上 Q30教育程度 % % % % % % %%%%%%%%Q31職業(yè) % % % % % % %%%%%%%%Q32收入 LOGO 購買美金金額分析 ? 變量的篩選和模型的建立 將所有個人信息的變量輸入作為自變量， SQL從中抽取一部分樣本，進行驗證，根據(jù) SQL的建議選擇“年齡”，“教育程度”，“職業(yè)”，“性別”和“收入”作為自變量 ,分別建立決策樹，邏輯回歸，貝葉斯模型來預(yù)測被訪者是否購買股票。 DMC LOGO ? 三個模型的精確度分析 提升圖： DMC 購買美金金額分析 LOGO ? 分類矩陣： DMC 選擇決策樹作為我們最終模型 購買美金金額分析 LOGO 相依程度：