一客户分类方法创新的研究背景和意义Word文档下载推荐.docx
《一客户分类方法创新的研究背景和意义Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《一客户分类方法创新的研究背景和意义Word文档下载推荐.docx（12页珍藏版）》请在冰豆网上搜索。
客户可现场填写风险测试纸质问卷，由柜台人员录入相关系统；
客户也可通过网站或网上交易系统进行电子版的风险测试，提交到相应系统中。
问卷测试得出的风险承受能力分类会自动汇总到数据中心。
3）问卷更新
根据监管部门发布的各项新制度和要求以及现行问卷在客户服务实践中的反馈，兴业证券自2007年以来已经做过四个版本的问卷更新。
未来还将随着应用经验的积累和监管要求不断进行优化。
2.风险偏好分析
风险偏好分析依托客户综合分析系统，利用数据仓库中的海量客户历史交易数据，采用聚类算法进行建模分析，获得客户的风险偏好分类。
数据挖掘是从大量数据中挖掘事先未知而又有应用价值的模式并将其用于商业决策中的过程。
其过程包括商业目标的建立、数据样本采集与分析、指标选择、算法选择、模型训练、结果检验、结果描述和业务应用等。
利用数据挖掘方法产生的分类结果每个季度更新一次，自动汇总到数据中心。
1）数据选取
客户偏好细分模型的时间区间为三个月（客户操作风格与盈利能力分析模型选取时间周期为12个月），即根据统计周期内客户的行为数据，对客户进行偏好分群，所以只需要汇总统计周期内的客户行为数据。
为了更好地揭示客户偏好特征，选取了以下数据进行客户偏好分群模型分析，见下表：
表1：
客户偏好细分模型分析指标
偏好分析的角度
字段名
字段含义
产品偏好
kfsjj_sz_lj_gp_zzc
股票型开放基金累计市值与累计资产的比值
fbsjj_sz_lj_zzc
场内基金累计市值与累计资产的比值
ag_sz_lj_cyb_zzc
创业板累计市值与累计资产的比值
ST_GP_SZ_zzc
ST股票累计市值与累计资产的比值
qz_jylzb
权证交易量与累计交易量的比值
qz_sz_lj_zzc
权证累计市值与累计资产比值
xgsg_je_zzc
新股申购金额（*3处理）与累计资产比值
kfsjj_sz_lj_hb_zzc
货币基金累计市值与累计资产比值
kfsjj_sz_lj_zq_zzc
债券型基金与累计资产比值
zq_sz_lj_zzc
债券累计市值与累计资产比值
ag_sz_lj_zzc
A股市值与累计资产比值
bg_sz_lj_zzc
B股市值与累计资产比值
kfsjj_sz_lj_gp_zsz
股票型开放基金累计市值与累计总市值的比值
fbsjj_sz_lj_zsz
场内基金累计市值与累计总市值的比值
ag_sz_lj_cyb_zsz
创业板累计市值与累计总市值的比值
ST_GP_SZ_zsz
ST股票累计市值与累计总市值的比值
qz_sz_lj_zsz
权证累计市值与累计总市值的比值
xgsg_je_zsz
新股申购金额（*3处理）与累计总市值的比值
kfsjj_sz_lj_hb_zsz
货币基金累计市值与累计总市值的比值
kfsjj_sz_lj_zq_zsz
债券型基金与累计总市值的比值
zq_sz_lj_zsz
债券累计市值与累计总市值的比值
ag_sz_lj_zsz
A股市值与累计总市值的比值
bg_sz_lj_zsz
B股市值与累计总市值的比值
交易时机偏好
G_zsp_bl_M1
如果成交价格>
=昨收盘,成交价格/昨收盘-1，取均值
G_zsp_bl_M5
=5日均价,成交价格/5日均价-1，取均值
G_zsp_bl_M10
=10日均价,成交价格/10日均价-1，取均值
G_zsp_bl_M20
=20日均价,成交价格/20日均价-1，取均值
操作风格与盈利能力
KH_YKL
近12个月盈亏率的波动
KH_AGCCD
近12个月仓度A股持
KH_AGHSL
近12个月A股换手率
2）指标选择方法
在上述指标中需要对模型训练需要的指标继续筛选，本方法采用了主成分分析的方法，目的是从原始的多个变量取若干线性组合，能尽可能多地保留原始变量中的信息。
通过该方法也可以达到降维的目的，从而得到几个综合性的变量，即主成分，并且这种综合性的变量对业务的解释性更好。
以建立产品偏好挖掘模型为例，本方法利用主成分分析算法最终选取了10个新的综合性指标，指标的信息贡献如下表所示：
表2：
主成分指标信息贡献
主成分
正贡献
负贡献
1
股票型基金
A股
2
权证
3
新股申购
4
ST股票
5
债券型基金、货币型基金
6
创业板、B股
场内基金
7
B股
创业板
8
创业板、封闭式基金
9
债券
10
货币型基金
债券型基金
通过10个新的综合性指标可以代表原有信息的95%。
3）数据挖掘模型
客户偏好细分是一个聚类问题，常用的聚类方法有系统聚类法（分层聚类）、非系统聚类法。
尝试了上述不同的方法和技术，最终采用k-Means聚类方法建立最终模型。
在训练模型过程中，根据业务和模型的需要，本方法选择日均资产介于1000到1000万元之间的客户做为样本进行分析。
经过不断的尝试使用2010年1-3月份不同的指标（变量）和设置聚类群数目建立聚类模型，最终确立建立分为18群，并分别使用4-6月份的数据验证模型的稳定性，经检验以3个月为时间窗建立的模型稳定性较高。
模型训练结果将数据分为18个类，各类别特征描述如下：
表3：
聚类结果特征描述
群体
群名
产品配置特征
Class-1
偏好新股申购客户
平均约70%以上资产用于新股申购运作
Class-2
偏好A股+B股混合客户
平均约41%的A股，30%的B股
Class-3
A股+ST股票投资客户
平均约53%A股及28%ST股票
Class-4
B股客户
平均约87%的B股持仓比
Class-5
场内基金投资客户
平均约50%场内基金投资
Class-6
偏好ST股票投资客户
平均约78%的ST股票占比
Class-7
配置型客户
平均约30%A股，31%场内基金，15股票型开放基金
Class-8
偏好创业板客户
平均约67%的创业板占比，19%的A股占比
Class-9
股票型基金客户
平均约90%投资股票型基金
Class10
A股+权证客户
平均约67%的A股市值占比，47%的权证交易量，19%的权证市值占比
Class11
混合型客户
平均约A股占比25%，开放式基金14%，新股申购8%，货币2%
Class12
A股客户
平均约82%的A股市值占比
Class13
权证客户+A股票投资
权证平均市值占比为34%，权证交易量占比61%，A股票平均持仓度35%
Class14
权证客户
平均市值占比为71%，交易量占比83%
Class15
平均约90%场内基金投资
Class16
偏A股客户
平均约53的A股配比，24的创业板股票投资，3%新股申购
Class17
平均约60%投资A股，15%的场内基金配比，3%股票型开放式基金
Class18
债券投资为主
平均债券型基金80%，股票型基金8%
4）数据挖掘结果
为解决客户风险偏好与风险承受能力参照应用的问题，本方法在客户产品偏好细分、交易时机偏好和客户综合行为偏好的基础上，将客户的风险偏好划分为最高风险偏好、较高风险偏好、中等风险偏好、较低风险偏好、最低风险偏好五种类型。
具体分类规则如下：
表4：
聚类结果二次划分规则
初步判断
调整1
调整2
结果
较低，得分4分
根据客户交易时机偏好分析进一步细分,调整规则为群3进行扣减2分处理,群4进行扣减1分处理,群2和群1不进行调整.
客户操作风格与盈利能力分析进一步细分,对群1和2,进行扣减2,对于群3进行扣减1,对于群4不做调整,对于群5进行加1.
根据最后的分数评定结果:
<
=1最高
=2较高
=3中等
=4较低
>
=5最低
中等，得分3分
较高，得分2分
最高，得分1分
Class-10
Class-11
货币基金占比最高，得分5分。
其次新股申购，得分4分,其他为3分
Class-12
Class-13
Class-14
Class-15
Class-16
Class-17
Class-18
最低，得分5分
3.综合风险特征认定
客户经理工作平台每日从柜台系统中导入最新的风险问卷测试数据，每季度自动从客户综合分析系统读取更新的风险偏好分析结果。
系统对“风险偏好”分类和“风险承受能力”分类结果进行自动匹配，匹配结果有“一致”和“不一致”两种，客户经理在系统辅助下对这两种情况分别进行处理，将客户综合风险特征从高到低分为五类：
最高风险特征、较高风险特征、中等风险特征、较低风险特征、最低风险特征。
处理方法如下：
1）对于“一致”的客户，由系统自动完成综合风险特征认定，认定理由记为“系统自动认定”；
2）对于“不一致”的客户，客户经理工作平台在登录后的首页面显示“不一致”的客户人数，并提供客户名单，提示客户经理需人工进行综合风险特征认定。
认定中需要按《兴业证券经纪业务客户分类管理办法》与客户进行深入沟通，给出认定结果，即客户属于哪种综合风险特征分类，服务过程与结果记入客户经理工作平台；
3）对于由系统自动认定综合风险特征的客户，当更新后的“风险偏好”与“风险承受能力”匹配结果“不一致”，系统自动将综合风险特征调整为“未认定”。
4.综合风险特征的持续跟踪
综合风险特征认定是一个动态过程，多种因素的变化都可能导致客户综合风险的重新认定，如：
1）客户综合分析系统根据客户最新交易数据，每季度运用客户风险偏好模型更新客户风险偏好特征，并将数据导入客户经理工作平台，当新的客户风险偏好特征与客户风险承受能力不匹配时，系统提醒客户经理进行综合风险特征再认定；
2）若客户重新填写风险测试问卷，且新的测试结果与原测试结果不一致，系统将提醒客户经理进行综合风险特征再认定；
3）客户经理在客户服务过程中，若发现客户财务状况发生变化，或根据对客户的深入了解发现客户风险特征与原有认定情况不符，可进行综合风险特征再认定。
5.在适当性服务中的应用
日常基础服务过程中，客户经理跟踪和认定客户的综合风险特征，了解客户综合风险特征的动态变化，并据此筛选适合客户的基础资讯内容，提供日常性的基础服务；
在专业服务中，客户经理根据客户的综合风险特征，为客户提供资产配置和投资组合建议服务，通过不同风险资产的比例调整，控制客户总体持仓的风险度，以此来更好地满足适当性管理的要求；
在专项营销活动中首先会评估在销产品的风险度，明确适合投资该产品的客户综合风险特征分类，据此初步筛选目标客户名单，在此基础上再对产品销售目标建立各种数学模型，进一步筛选客户，并将名单发布供营业部参照执行。
（二）客户分类方法的内部控制与合规监督
兴业证券高度重视客户分类和适当性管理工作，在客户风险承受能力评估测试和分类管理工作方面，形成了从“客户风险承受能力评估”、“客户风险偏好评估”到“客户综合风险特征认定”一套完整、系统、科学的客户分类工作流程，提升了客户适当性管理工作水平，通过加强组织体系保障、制度管理、提升系统保障、强化督导、严格绩效考核、合规检查等各方面，建立客户分类和适当性管理的长效机制。
目前公司已根据客户财务与收入状况、证券专业知识、证券投资经验和风险偏好、年龄等情况，对证券投资客户的风险特征进行评估，对客户进行科学的分类管理，为客户提供适当的产品和服务。
3、客户分类方法创新项目特色
本项目采用的综合风险特征分类方法与当前行业的常见做法相比，有四大特色：
第一、综合风险特征分析显著提高了客户分类的准确性和有效性。
尽管问卷调查是目前了解客户风险特征最常用的基本手段，但是也存在着有效性低、分类结果不准确等问题。
本方法在问卷调查的基础上，跟踪客户的交易行为，从客户实际交易中发现隐藏的规律，揭示其客观的风险偏好特征，与问卷测试得出的风险承受能力互为参照和补充，并通过与客户的深入沟通最终确定客户的综合风险特征。
客户风险偏好的分析以客户历史交易数据为依据，使得客户风险特征分类的分析依据更加真实和客观，显著提高了客户分类的准确性和有效性，克服了单一采用风险测试问卷的局限性。
同时，动态地进行多角度风险特征匹配跟踪，大大丰富了适当性服务的触发点；
而以制度形式来要求客户经理在服务过程中采取审慎原则，有利于更好地贯彻适当性服务的要求。
第二、利用数据挖掘技术对客户交易数据进行建模分析，具有技术上的先进性。
深入的应用数据挖掘技术、动态跟踪客户风险偏好变化，在行业原有模式上实现了有效的突破。
摒弃了业内仅采用资产或交易品种等两三个维度进行简单的假设检验式的统计分析方法，在业内率先运用了国际领先的商业智能技术，建立了包括总资产分段指标、资产周转率、客户交易频率等几十项基础指标体系，结合主成分分析及K-Means聚类算法从海量数据中分析、归纳出客户的主要行为偏好模式，提炼出客户风险偏好分类，可定期对新的交易行为进行滚动分析，改变了业内从某一静态时点提取数据的做法，加强了对客户数据的动态更新和挖掘，从而显著提高了分类的准确性。
同时，本项目所采用的核心技术得到了专家认可，已通过福建省信息产业厅组织的科技成果鉴定，并荣获“2009年度证券期货业科学技术奖励”二等奖。
第三、本方法涉及到的关键环节均已实现系统化操作。
本方法涉及到客户经理工作平台、网站、行情交易软件、柜台系统、数据仓库、客户综合分析系统等技术平台。
客户经理工作平台固化了客户综合风险特征分类认定、客户风险提示和客户服务与业务留痕等工作环节，并实现了风险偏好与风险承受能力自动匹配、综合风险特征与客户持仓风险自动匹配等功能；
网站和行情交易软件作为客户金融终端成为远程风险测试的载体；
柜台系统实现了客户基本信息的收集和风险测试问卷的集中录入；
客户综合分析系统承担数据处理和指标计算的工作，同时进行客户风险偏好聚类分析，并将结果自动导入客户经理工作平台。
所有业务环节已实现系统化和软件化，无技术专利障碍，业内其他券商可以借鉴和采购相关系统、模型，显著提高了推广的便利性。
第四、配套制度的持续完善保障了流程的易推广性和可操作性。
本方法配套制度以《兴业证券股份有限公司经纪业务客户分类管理办法》为主，配以公司相关业务通知和要求，在近二年的应用过程中不仅从未发生重大制度漏洞，还能够根据监管部门《关于加强证券经纪业务管理的规定》等新制度和要求的推出，及时的进行丰富和完善。
同时，制度规范的建设使得本方法的客户分类及其应用更易落实，操作过程中的差异度可控，易于全面推广，同时业内券商可直接借鉴和采用，更利于行业推广。
4、客户分类方法创新项目推广效果及未来展望
兴业证券在适当性管理和客户分类方面已进行了几年时间的探索，逐渐积累了一些比较有效的思路和方式、方法。
本方法自应用以来，在总部和各营业部的日常服务和专项营销工作中得到了逐步推广和不断完善，使用率不断提高，客户分类方法的创新为客户经理的服务工作提供了有力的数据支持和方法指导，逐渐成为客户经理认识客户、分析客户、引导客户的一个良好的工具。
同时，在专项产品配置中也展示了较好的筛选匹配功能，实现了将适当的产品配置给适当的客户的目的，提升了客户满意度，真正贯彻落实了适当性管理的要求。
（一）业务流程运行顺畅
实践证明，兴业证券积极推进与客户分类方法推广相关的制度建设、系统建设、队伍建设，确保了客户分类工作业务流程运行顺畅，工作效率明显提升。
（2）客户分类方法的应用成为客户经理重要的工作内容
客户经理在日常服务过程中，更加重视客户分类工作，自觉应用创新的客户分类方法成果，将其作为适当性管理工作的起点和重要环节，提升了客户分类工作的准确性和有效性，对提高适当性管理水平打下了坚实的基础。
（三）客户分类工作覆盖面广
随着创新的客户分类方法大面积推广，兴业证券客户分类工作各项指标稳步提升。
客户风险承受能力评估方面，新开户客户全面覆盖，存量客户逐步覆盖；
风险偏好分析方面，系统跟踪了所有有效客户的交易行为；
综合风险特征认定方面，认定工作稳步推进，覆盖面显著扩大。
（四）客户分类方法推广对客户产生积极影响
客户分类方法增进了客户经理和客户的互动。
通过两者充分的沟通和交流，一方面，客户经理在了解客户的同时，宣传了科学的投资理念，帮助客户更好的认识自己、认识市场；
另一方面，客户重新审视自己的风险承受能力，关注自己的投资行为与自己风险承受能力的匹配度，并在科学投资理念的引导下，主动调整自己的投资行为和风险偏好，使之与自身风险承受能力匹配。
在持续、动态的认定过程中，客户经理提升了服务有效性，改进了服务效果，客户满意度也明显提升。
（五）客户分类结果提高营销服务工作的效率
在日常营销和服务工作中，客户经理自觉应用客户分类结果开展针对性的服务，极大的提升了营销服务工作的效率。
专业服务方面，客户经理将根据客户分类结果，为其提供适当性的投资建议，帮助客户实现与其风险特征相匹配的理财目标。
在日常营销开展的过程中，客户经理依据产品风险等级，搜索综合风险特征与其相匹配的客户，有针对性的向客户推荐适当的产品和服务，极大的提升了营销工作的有效性和客户的满意度。
（六）为公司开展证券投资顾问业务奠定坚实基础
《证券投资顾问业务暂行规定》要求“证券公司、证券投资咨询机构向客户提供证券投资顾问服务，应当按照公司制定的程序和要求，了解客户的身份、财产与收入状况、证券投资经验、投资需求与风险偏好，评估客户的风险承受能力，并以书面或者电子文件形式予以记载、保存。
”兴业证券目前开展的客户分类工作与该要求保持了统一。
该分类方法的推广过程也是很好的投资者教育的过程，帮助客户更好地认识市场、认识自己，树立正确的风险受益预期与科学的投资理念；
通过与客户的充分沟通，客户更易于接受证券投资顾问业务的服务模式。
兴业证券客户分类的结果也将作为证券投资顾问业务开展过程的重要依据而加以全面运用，为证券投资顾问业务的开展奠定坚实基础。
当然，客户分类是一项艰巨而复杂工作，是监管部门对投资者适当性管理的重要要求，也是证券公司实现业务转型的必然需求。
兴业证券的“综合风险特征分类方法”在多年的探索中经持续改进，现已逐步稳定和完善，在有效客户中的覆盖面也达到较大规模，并在初步应用中获得了较好的效果。
未来，兴业证券将继续保持该方法的实用性和时效性，并在应用的领域上不断进行新的尝试，为行业的适当性管理工作探索总结更多经验，同时也希望监管部门给予更多的指导和鼓励。
升级会员 