【正文】 （ 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(jié)論，第一類投資額在 20W 第四章 多元統(tǒng)計對客戶投資的細(xì)分 20 年齡、性別和投資品種的統(tǒng)計分析 表 49 各數(shù)據(jù)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(chǎn)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。 由此圖我們可以看出， 職業(yè)、年齡與投資額的相關(guān)性為 年齡和職業(yè)這個連個維度對投資額有絕對的相關(guān)性存在其中。 第四章 多元統(tǒng)計對客戶投資的細(xì)分 18 年齡、職業(yè)對投資額的 統(tǒng)計 分析 表 45 各數(shù)據(jù)的代替數(shù)值 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 投資額 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)計對客戶投資的細(xì)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(fù)式 4說明要把所分析的數(shù)據(jù)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。 表 42 性別、年齡與投資額的相關(guān)性分析 性別 年齡 投資額 性別 Pearson 相關(guān)性 1 .052 .037 顯著性（雙側(cè)） .082 .211 N 1127 1127 1127 年齡 Pearson 相關(guān)性 .052 1 .573** 顯著性（雙側(cè)） .082 .000 N 1127 1127 1127 投資額 Pearson 相關(guān)性 .037 .573** 1 顯著性（雙側(cè)） .211 .000 N 1127 1127 1127 **. 在 .01 水平（雙側(cè)）上顯著相關(guān)。然后進行分析階段，將篩選出來的數(shù)據(jù)輸入計算機，運用 SPSS 軟件使計算機進行自主分析，并且能進一步完善數(shù)據(jù)，最后是得出結(jié)論，對所得出的結(jié)果進行解釋和評估，根據(jù)得到的結(jié)果進行相應(yīng)的分析，并且制定相應(yīng)的計劃。 對業(yè)務(wù)關(guān)聯(lián)分析 在大量的客戶信息數(shù)據(jù)面前，我們可以對客戶平時的個人素質(zhì)、教育水平、工作性質(zhì)、家庭收入、家庭支出、消費習(xí)慣等行為進行充分的分析，找出客戶的潛在需求，同時通過這些結(jié)論，我們可以更好地發(fā)展一些中間業(yè)務(wù)，在更好地為客戶服務(wù)的同時，進一步發(fā)展我們自己的企業(yè)。通過一些重點指標(biāo)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。 對目標(biāo)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(biāo)群里中的每個客戶進行細(xì)分，通過他們數(shù)據(jù)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(biāo)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。第四章 多元統(tǒng)計對客戶投資的細(xì)分 13 第 四 章 多元統(tǒng)計對 客戶 投資的 細(xì)分 多元統(tǒng)計在金融投資領(lǐng)域中的 重要 作用 隨著現(xiàn)代高新技術(shù)的發(fā)展，計算機信息技術(shù) 已經(jīng)發(fā)生了重大轉(zhuǎn)變，從最初單純地服務(wù)于行業(yè)的業(yè)務(wù)領(lǐng)域，逐漸轉(zhuǎn)變?yōu)閷I(yè)務(wù)和管理的各個方面的綜合應(yīng)用，在高速發(fā)展的今天，金融部門的數(shù)據(jù)量大大增加，單純的人工分析統(tǒng)計已完完全全不能滿足現(xiàn)在這個時代的一個基本要求， 伴隨著產(chǎn)生了我們現(xiàn)在的數(shù)據(jù)庫系統(tǒng)，它可以有效的實現(xiàn)對數(shù)據(jù)的統(tǒng)計，查詢以及錄入，雖然提高了我們的工作效率，但是它仍然無法實現(xiàn)根據(jù)得到數(shù)據(jù)進行分析這一重要的行為，數(shù)據(jù)庫并不能發(fā)現(xiàn)每個數(shù)據(jù)中隱含存在的關(guān)系和規(guī)則，并且它無法根據(jù)現(xiàn)有的數(shù)據(jù)區(qū)預(yù)測未來的發(fā)展走向，缺乏了這樣的手段所面臨的結(jié)果就是出現(xiàn)了“數(shù)據(jù)大爆炸但知識貧乏”的現(xiàn)象。 分類分析 找出一個具有代表這個某類數(shù)據(jù)的整體信息，并對它的類別概念進行描述，通過這種描述來構(gòu)造相關(guān)的模型，通常使用決策樹或規(guī)則來表示，分類還可子啊規(guī)則描述和預(yù)測中進行更多應(yīng)用?？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(guān)系近似，相反則成為多元線性回歸分析 [10]。 關(guān)聯(lián)分析近似于序列模式分析，但側(cè)重點不同于序列模式分析，關(guān)聯(lián)分析更著眼于被分析數(shù)據(jù)前后的關(guān)聯(lián)性。 關(guān)聯(lián)分析 關(guān)聯(lián)分析是指在兩個或多個事物之間存在一定的聯(lián)系，通過對一個事件的預(yù)測可以得出另一個事件，進行關(guān)聯(lián)分析的目的在于挖掘出深層次不為人知的且對發(fā) 展有作用的數(shù)據(jù)。 在聚類分析的時候很有可能一次的聚類分析并不能得出真正理想的結(jié)果，這時就需要多次聚集，并且找一個對業(yè)務(wù)很專業(yè)的業(yè)內(nèi)人士來確定分群的定義，這樣通過幾次的刪除或增加變量來影響分群的方式，才能最終得到真正理想的結(jié)果。在同一組中的數(shù)據(jù)彼此相似，而不同組中的數(shù)據(jù)相差甚遠(yuǎn)，聚類分析可以通過建立宏觀的概念，結(jié)合統(tǒng)計出 來的數(shù)據(jù)特點，得出潛在數(shù)據(jù)屬性之間的相互關(guān)系。數(shù)據(jù)挖掘中常用的方法有聚類分析、關(guān)聯(lián) 分析、回歸分析、分類分析、預(yù)測分析、偏差分析。 數(shù)理統(tǒng)計主要應(yīng)用于對數(shù)據(jù)挖掘所 挖掘出來的知識進行統(tǒng)計和評估，對于計算機來講，它的學(xué)習(xí)也是人工智能的一個分支，即歸納推理，從所發(fā)現(xiàn)的規(guī)律中找出隱含的規(guī)則。最為典型的代表就是在沃爾瑪超市連鎖店中發(fā)現(xiàn)成人的啤酒和兒童的尿布之間有著驚人的聯(lián)系。 數(shù)據(jù)挖掘的特點 數(shù)據(jù)挖掘分析方法最大的特點 在于其挖掘、發(fā)現(xiàn)關(guān)鍵的信息這個過程中并沒第三章 投資策略的基本產(chǎn)品分析 11 有明確的假設(shè)前提，并且所挖掘到的信息應(yīng)具有一下三個特征即未知、有效、可使用。 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、隨機的實際應(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的過程 [8]。 KDD泛指所有從數(shù)據(jù)源中發(fā)掘的模式或聯(lián)系方法。 第三章 投資策略的基本產(chǎn)品分析 10 數(shù)據(jù)挖掘逐漸演變的過程 和所有事物一樣，數(shù)據(jù)挖掘也是一個不斷在進化演變的過程，在 電子數(shù)據(jù)處理的初期，人們就是用各種方法去實現(xiàn)自動的決策支持，在當(dāng)時人們更多地關(guān)注焦點還是放在了機器的學(xué)習(xí)，讓機器的學(xué)習(xí)顧名思義就是將一些已知的并且在過去已經(jīng)成功解決的問題作為一個標(biāo)準(zhǔn)事例輸入計算機 ，然后讓計算機去自我學(xué)習(xí)同時自己把這些事例總結(jié)成 自己的相應(yīng)規(guī)則，同時這些規(guī)則之間又具有共性，使用它們可以解決某些相似的問題，后來，神經(jīng)網(wǎng)絡(luò)技術(shù)的問世 ，通過它的發(fā)展，又使人們把注意力轉(zhuǎn)到了知識工程，不同以前的是，知識工程不再需要預(yù)先輸入示例，而是直接向計算機輸入代碼（示例已被編為代碼），計算機能夠直接使用這些規(guī)則代碼去解決各種問題。 數(shù)據(jù)挖掘技術(shù)的起源 如果想發(fā)明一個東西，那么導(dǎo)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(jīng)濟快速蓬勃的發(fā)展從而帶動中國的信息產(chǎn)業(yè)一路高歌猛進茁壯成長，“數(shù)據(jù)挖掘”這個詞對于中國信息產(chǎn)業(yè)界不再是一個生僻詞，越來越多引起人們對它的關(guān)注，一個 很重要的原因就是在于 目前網(wǎng)絡(luò)中存在大量數(shù)據(jù)，并且這些數(shù)據(jù)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(jù)轉(zhuǎn)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(yīng)用，包括商務(wù)管理，市場綜合性分析，工程設(shè)計，可靠研發(fā)，以及生產(chǎn)控制。 數(shù)據(jù)挖掘的目的是為了通過分析具體的大量數(shù)據(jù)，得出最有新穎、最不為人知、對今后 次失誤的發(fā)展會有重大影響的有價值信息，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。債券型基金一般收益率在 2%%之間浮動，收益相對穩(wěn)健，不會傷及本金，對于投資期也比較自由，但是考慮相應(yīng)的費用和持有時間，對債券型基金的選擇略微靠后，而貨幣基金 是一種短期低風(fēng)險的投資理財產(chǎn)品，收益率相對較低，因此有人第二章 投資策略的基本產(chǎn)品分析 8 又稱他為銀行儲蓄的“替代品”，適合短期投資，當(dāng)然一定情況下也可以作為一種過 渡性投資品種。 基金是這幾年剛剛發(fā)展起來的新興金融投資產(chǎn)品，可以對其進行多種分類，大致分為：股票型基金、債券基金、貨幣基金 。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” 。 債券的投資成本較為豐富，但是它的風(fēng)險和收益較為趨中， 相對常見的債券包括有國家自主發(fā)行的國債，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)展需要去進行一些地方融資性債券。 債券 國家、企業(yè)、金融機構(gòu)為了擴大自己的企業(yè)發(fā)展規(guī)模時由于自己的資金不能滿足發(fā)展需要于是向民間籌措資本即