30、银行市场预测的比较研究

银行市场预测的比较研究

1 引言

银行拥有大量关于客户的数据，这些数据可用于与客户建立清晰的关系，以便针对特定产品或银行服务向客户进行精准营销。这种通过个人联系、电话、邮件等方式直接向客户推广新产品或服务的营销方式被称为直接营销，它是许多银行和保险公司与客户互动的主要策略。

数据挖掘在银行流程的说明性和预测性应用中越来越受欢迎。本文将运用三种技术对银行直接营销数据集进行分析，分别是多层感知器神经网络（MLPNN）、决策树（DT）和支持向量机（SVM）。

1.1 相关技术介绍

• 多层感知器神经网络（MLPNN） ：源于人工智能领域，是一组相互依赖的人工神经元，通过连接的计算方法应用数学或计算模型进行信息处理。
• 决策树（DT） ：为分类和预测提供了强大的技术。有许多构建决策树模型的算法，它能生成易于理解的规则，并且可以处理连续和分类变量。本文将应用其中著名的CART技术。
• 支持向量机（SVM） ：是一种用于解决支持向量机训练过程中出现的二次规划（QP）问题的算法。

2 相关工作

此前有许多学者在数据挖掘在银行营销领域的应用方面进行了研究：
- Osuna等人证明了一个定理，该定理为支持向量机提出了一套全新的QP算法，可将大型QP问题分解为一系列较小的QP子问题以收敛到全局最优，该分解算法可用于在更大的数据集上训练SVM。
- Moro等人处理了一个从2008年到2013年收集的葡萄牙零售银行的大型数据集，其中包括