基于数据挖掘算法的证券客户行为特征分析

　　
　　2012年度“上海金融创新成果奖”介绍
　　(二等奖)
　　该项目针对证券业务转型、创新业务发展、客户适当性管理等提出的新要求，通过对客户历史交易数据挖掘、分析、建立客户动态行为特征分析模型，为精细化的客户服务、业务及产品的推广提供技术支持。
　　该项目改变了传统的以静态属性对客户分类的方法，采用聚类算法根据客户交易数据进行动态分析，反映客户(群)的行为变化特点；通过对客户流失原因挖掘，建立量化的客户流失预警模型，预测客户流失概率；采用数据仓库和数据挖掘技术，建立业务之间、新业务客户特征等方面的关联性分析。
　　在此基础上，公司可改进客户管理与客户服务模式，根据客户行为特征制定针对性的服务策略；可将产品风险和客户风险相匹配，完善客户适当性管理、减少合规风险；可根据客户行为偏好适时推进创新业务、进行产品营销，降低营销成本，提高营销速度。
　　该项目在客户行为特征分析、流失倾向模型、业务相关性分析等方面做出了有益的探索与示范。自2012年运行以来，在客户差异化服务模式、服务成本控制、产品销售、创新业务推广、客户流失率降低等方面取得了较好的经济和社会效益。
　　(资料由早报记者 忻尚伦 整理)