导读:本文包含了证券数据挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:零售客户,数据挖掘,股票换手率,收益率
证券数据挖掘论文文献综述
[1]（2019）在《基于大数据挖掘技术的证券零售客户适配性服务应用研究》一文中研究指出一、研究背景2007年以来,证券公司营销队伍、营业网点和客户规模均快速增长,但是服务水平和服务能力并没有随之明显提升,同质化竞争现象依然严重,下调佣金成为业内竞争的主要手段。原因不仅在于营销服务人员专业能力不足,对客户的投资特征与投资偏好缺乏足够的判断能力,还在于一定数量的客户处于无服务关系的自运转状态,人工服务的触达率较低,急需系统性辅助工具。另一方面,健全证券公司投资者适当性管理机制在当前资本市场发展形势下具有重要意(本文来源于《创新与发展：中国证券业2018年论文集（下册）》期刊2019-07-01）
蒋明杰,付思敏,甘楚涵,付敏艳[2]（2018）在《数据挖掘技术在证券客户服务中的应用》一文中研究指出证券行业的竞争越来越激烈,数据挖掘技术作为分析与辅助决策工具在证券行业中的应用愈加广泛。本文从应用角度出发。介绍了数据挖掘技术的基本概念及常用的挖掘技术,从客户关系管理方面详细说了数据挖掘技术在证券行业中的应用。(本文来源于《内江科技》期刊2018年07期）
周天祥[3]（2017）在《数据挖掘在证券业务客户服务中的应用》一文中研究指出在证券行业高速发展的今天,市场的竞争也相当激烈,原有靠收取佣金为主的传统模式已不再适应当今时代。提升客户服务质量,加强服务质量管控,提升客户感知、延长客户生命周期,转型为综合性金融服务公司已经成为各大证券公司在激烈竞争中获得优势的努力方向。本文结合华福证券泉州分公司的经营情况及数据,挑选了朴素贝叶斯算法进行数据挖掘研究。从客户海量的相关数据中提取资产、交易等数据,通过数据清洗归纳汇总、文本型数据数值化、连续数值离散化的方法,对数据进行预处理。根据业务需求及朴素贝叶斯算法的特点,最终选取资产、换手率、盈亏率这叁个特征向量来进行数据挖掘,将客户分类为高价值客户、高价值易消亡客户、普通客户、低价值客户、无价值客户五类。在确定模型后,对模型分类结果进行验证及优化,准确率达到90%以上。通过本课题的研究,能准确地对客户进行分类,并根据业务特点,对分类出的不同类型的客户提供不同的服务,提高了客户服务的深度和准确性,为前台服务人员提供了强大的数据支持,有效提高了客户的保有能力,进而提升证券公司的竞争力,提高证券公司收入。通过各种数据挖掘技术的引入,比如本文的贝叶斯分类模型等,可以建立起高效的证券行业客户服务体系,并且完善全客户生命周期客户机制。针对客户特点引导客户投资,推动客户转型,最终促进证券公司转型。数据挖掘技术的引入将使证券公司客户服务工作更好更有效率。(本文来源于《华侨大学》期刊2017-05-19）
彭洁玲[4]（2017）在《基于数据挖掘的H证券公司客户细分研究》一文中研究指出随着信息时代的来临,企业的竞争环境发生了巨大的变化,逐渐由过去的“以产品为中心”转变为“以客户为中心”。在客户经济时代,企业必须把客户当作企业最重要的资源,把客户关系管理作为提高企业核心竞争力的法宝。而高效的客户关系管理必须以扎实的客户细分为基础。然而,传统的客户细分都是以客户的统计学特征为依据,不能揭示客户内在的价值,更不能全面地反映客户关系的质量。因此传统的客户细分不可能为客户保持和资源优化配置提供科学的依据。基于此,本文提出了基于数据挖掘技术的客户细分方法。本文以H证券公司的客户细分管理为研究对象,通过实地调研与访谈反馈,发现其在客户细分管理上存在着叁大问题,分别是客户细分的维度单一、客户价值的动态反映不足以及客户细分方法简单不科学。结合国内外学者相关研究成果和客户关系管理、客户细分、数据挖掘的理论基础,针对上述问题给予科学合理的解决方案:首先,从客户价值和客户忠诚度两个维度出发,构建了一套涵盖16个变量的符合H公司行业特征和企业特点的细分指标体系;其次,采用因子分析法对多个细分变量进行降维,提取潜在公共因子个数和获取因子解释信息的能力,并计算每个客户在公因子上的得分,作为聚类算法的聚类对象;再次,在分析K-means聚类算法和SOM神经网络算法优缺点的基础上,提出一种基于SOM的K-means两阶段聚类组合算法,使两类算法的优点相结合并弥补各自的不足。运用该组合聚类算法对客户进行细分,并采用簇内方差值、基于聚类分布的有效性度量(ocq)和稳定性指标验证了该算法的有效性。最后,根据最终的客户细分结果,提出企业的资源投入策略及客户保持策略等战略决策。以期指导企业解决问题,希望为诸多证券企业科学有效的客户细分提供一些实用型的参考方案。(本文来源于《暨南大学》期刊2017-05-01）
刘硕[5]（2016）在《基于数据挖掘的证券公司客户流失分析研究》一文中研究指出近年来,信息技术的革新,移动互联网的崛起正深刻地影响和改变着我们的生活,传统行业受到强烈冲击,金融领域更是刮起一阵互联网金融的风潮。大数据时代背景下,为了直面互联网金融的压力,传统金融行业急需转型和改革,银行、券商、保险对于数据资产的价值愈发重视,如何将数据挖掘的理念和方法应用于传统金融行业成为了一项重要的研究课题。本文选择了金融行业的重要组成部分——证券公司,结合在证券公司的实习经验,总结并探索数据挖掘方法在券商中的应用新思路和新方法,并重点关注了其在流失预警方面的应用,通过具体的案例操作,给出了一个完整的应用过程。本文分成五个部分:第一部分绪论中阐述了研究的时代背景,解读了大数据时代中大数据思维的内涵及对于生产生活的影响。第二部分立足于互联网金融的发展现状和趋势,深入分析互联网金融对于证券行业的影响。第叁部分总结了现有的成熟的数据挖掘理念与方法,以及数据挖掘的常用软件的优势,并最终选择了R软件和Clementine作为本文的实践软件。第四部分是具体的流失预警案例的应用流程。本文基于某证券公司的CRM中的客户信息,自主定义流失含义,在聚类分析的基础上,依据决策树和Logistic回归方法进行分析,分别建立了流失模型。并且根据各模型在测试集上的预测结果,最终得出决策树生成的流失模型预测准确率最高,准确率超过了80%。第五部分总结了全文,并对于建立的流失模型提出了评估与进一步的优化建议。(本文来源于《北京理工大学》期刊2016-06-01）
李春龙[6]（2016）在《基于数据挖掘的证券选股系统的设计与实现》一文中研究指出近年来,期货和证券市场的交易量的逐年增加,计算机和网络技术迅猛发展,用户对选股软件的需求量迅速增加。但目前市场上的选股软件不能满足广大用户的实际业务需求,因此,本文目的是要设计并实现一套领先于目前同类软件的选股系统,为用户提供更简洁的方法实现其交易策略。本文主要的研究内容：1)K线图的研究与分析：基于金融证券市场的买盘、卖盘、成交价、收盘价、最高价、最低价等基础数据,通过数据挖掘方法,研究K线的不同的形态,分析这些特殊形态代表的市场意义。2)对股价移动平均线进行研究和分析,总结移动平均线的各种优点和缺点。3)形成一套成功率高的交易策略,并分析这些交易策略背后的市场行为及含义,进而预测价格的变化趋势。4)通过计算机程序,把交易策略量化出来,并发出交易信号。本次研究所实现的系统有两点核心价值：1、通过对K线形态的研究和使用数据挖掘的方式,总结研究出一套成功率较高的交易策略,并且通过计算机语言,把这些交易策略实现出来,供用户使用。2、把K线图的基本要素参数化,使得普通的使用者都可以通过本系统的这些参数化的基本要素,自由的编辑自己的交易策略,并且把这些交易策略应用到本系统上,形成自己独有的交易策略。本人依据模块化和分层架构的设计思想,结合期货和证券行业的特殊性,使用C/S (Client/Server,客户端／服务器模式)架构对系统进行整体设计,将系统分为前端显示层,中间应用层和数据处理层,叁层结构清晰,层与层之间,各个功能之间采用模块化设计,这样既可以使每一层的功能更加独立,又便于日后系统的扩展和维护,在研发过程中还便于多个程序员同时对系统进行编程,提高系统实现效率。本文研究的最终成果：形成了一套易学、易用、实用的优质选股系统。本文的成果亦对期货和证券行业的其他软件研发人员提供良好的研发范本和参考依据,对行业发展具有重要意义。(本文来源于《湖南大学》期刊2016-05-01）
谢闻博[7]（2016）在《基于数据挖掘技术的证券交易异常行为检测研究与实现》一文中研究指出当前,随着互联网的日益普遍,基于互联网环境的证券交易也日益普及,证券交易过程的异常行为对证券交易 有序的负面也日益凸显。因此,发现并检测出证券交易系统中出现的各种异常行为成为维护互联网证券交易的重要环节,开发出具有异常检测能力的证券交易系统对保障证券交易系统用户的利益具有重要意义。本文主要针对证券交易系统中的异常行为检测展开,给出了相应算法,并对算法进行了相关测试。同时将算法整合到证券交易系统中,设计和实现了一个支持异常行为检测的证券交易系统。本文结构如下:第一章主要介绍了有关证券交易的现状,对本课题研究的研究背景以及现实意义进行整体的介绍;第二章介绍了证券分析常用的技术,同时也阐述了网络证券交易中所涉及的常用数据挖掘技术;第叁章对证券交易中异常行为检测技术进行了需求分析,并从技术、经济、操作这叁个方面进行了技术的可行性分析;第四章研究了具有自适应能力的k-means聚类算法来对异常行为进行检测,对该算法进行了测试并给出了测试结果;第五章对支持异常行为检测的证券交易系统的实现和测试做详细的介绍。(本文来源于《北京邮电大学》期刊2016-01-10）
方献梅,刘亮龙,高晓波[8]（2015）在《大数据时代数据挖掘在证券公司客户关系管理中的应用研究》一文中研究指出随着Web大数据的发展,互联网中的证券信息越来越丰富,越来越多的人进入证券市场,而证券公司拥有客户的基本信息、交易数据等海量数据,给数据挖掘提供了基础条件。同时,证券公司的竞争环境对公司的客户关系管理提出了更高层次的目标,需要从海量客户数据中挖掘出信息和规律来加强客户关系管理。通过分析现实需要,按客户价值对客户细分的过程进行深入分析和研究,且利用数据挖掘的方法,实现客户分类的动态细分模型,力图为证券公司的客户关系管理提供借鉴和参考。(本文来源于《信息与电脑(理论版)》期刊2015年15期）
刘斌,雷勇[9]（2015）在《数据挖掘在证券公司CRM系统中的应用研究》一文中研究指出本文研究了数据挖掘技术在证券公司CRM系统领域中的应用。笔者在数据挖掘技术的基础上,对用户进行分类及预测,构建出证券企业CRM系统的用户描述模型及消费预测模型,实现了用户分类及用户管理,为企业扩宽市场、决策智能化等奠定了良好基础。(本文来源于《信息技术与信息化》期刊2015年07期）
胡滨[10]（2015）在《基于数据挖掘的证券分析系统》一文中研究指出针对国内证券行业数据信息分散、系统功能单一的情况,设计了基于数据挖掘技术的证券投资分析系统。在Microsoft.NET的框架上,利用SQL Server技术、ADO.NET技术进行数据库搭建、智能数据采集、转换及分析处理,快速地从大量数据中得到即时的有效信息并做出决策。(本文来源于《中国新通信》期刊2015年09期）
证券数据挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
证券行业的竞争越来越激烈,数据挖掘技术作为分析与辅助决策工具在证券行业中的应用愈加广泛。本文从应用角度出发。介绍了数据挖掘技术的基本概念及常用的挖掘技术,从客户关系管理方面详细说了数据挖掘技术在证券行业中的应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
证券数据挖掘论文参考文献
[1]..基于大数据挖掘技术的证券零售客户适配性服务应用研究[C].创新与发展：中国证券业2018年论文集（下册）.2019
[2].蒋明杰,付思敏,甘楚涵,付敏艳.数据挖掘技术在证券客户服务中的应用[J].内江科技.2018
[3].周天祥.数据挖掘在证券业务客户服务中的应用[D].华侨大学.2017
[4].彭洁玲.基于数据挖掘的H证券公司客户细分研究[D].暨南大学.2017
[5].刘硕.基于数据挖掘的证券公司客户流失分析研究[D].北京理工大学.2016
[6].李春龙.基于数据挖掘的证券选股系统的设计与实现[D].湖南大学.2016
[7].谢闻博.基于数据挖掘技术的证券交易异常行为检测研究与实现[D].北京邮电大学.2016
[8].方献梅,刘亮龙,高晓波.大数据时代数据挖掘在证券公司客户关系管理中的应用研究[J].信息与电脑(理论版).2015
[9].刘斌,雷勇.数据挖掘在证券公司CRM系统中的应用研究[J].信息技术与信息化.2015
[10].胡滨.基于数据挖掘的证券分析系统[J].中国新通信.2015