[转]工商银行客户等级怎么划分?工商银行客户等级标准

工商银行客户等级怎么划分?工商银行客户等级标准,具体详细内容银行信息港小编为你报道。


  工商银行是第一个开创了中国网上申请信用卡的先例,之前还没有哪有银行可以通过这样的渠道申请信用卡,虽然申请下来的信用卡额度普遍都比较低,但也算是为国人做了一件好事情;第二发明了星级客户的名称,这个大大刺激了高级用户。


  那什么是星级客户呢?星级分为贡献星级和服务星级。


  个人客户按贡献星级细分为七星级客户、六星级客户、五星级客户、四星级客户、三星级客户、准星级客户共六大类,每类客户的评价标准如下:


  (1)七星级客户:星点值在80000(含)以上。


  (2)六星级客户:星点值10000(含)~80000。


  (3)五星级客户:星点值2000(含)~10000。


  (4)四星级客户:星点值500(含)~2000。


  (5)三星级客户:星点值50(含)~500。


  (6)准星级客户:星点值0(不含)~50。


  (7)星点值等于0的客户不予评定星级。


  符合以下条件之一的客户,若当前服务星级较低,系统将自动即时调高至对应星级:


  (1)签订私人银行服务协议,调整服务星级为七星。


  (2)开立工银财富理财金账户卡、白金信用卡,调整服务星级为六星


  (3)开立理财金账户、信用卡金卡,调整服务星级为五星。


  (4)开立信用卡普卡,调整服务星级为四星。


  贡献星级里面的星点值是可以通过以下方式进行升级的:


  1、金融资产:金融资产指标由短期资产和中长期资产两个细项组成,指标计算为各项金融资产的半年日均余额。


  (1)短期资产,主要包括:活期储蓄存款、第三方存管、灵通快线理财产品、货币市场基金、信用卡存款。每万元短期资产可获得135星点值。


  (2)中长期资产,主要包括:定期储蓄存款(含定活两便)、公积金存款、理财产品(不含灵通快线)、基金(不含货币市场基金)、国债、保险、黄金(含纸黄金、实物黄金、品牌金)等。每万元中长期资产可获得100星点值。


  2、个人负债:个人负债指标由个人住房按揭贷款、其他个人贷款、卡透支三个细项组成,指标计算口径为各项个人负债的半年日均余额。


  (1)每万元个人住房按揭贷款可获得100星点值。


  (2)其他个人贷款指标包括个人消费贷款、个人经营性贷款等品种,每万元其他个人贷款可获得200星点值。


  (3)每万元信用卡计息透支可获得200星点值。


  3、中间业务:中间业务指标由投资理财类交易、卡消费交易、结算类交易三个细项组成,指标计算口径为半年累计交易金额。若单次交易金额超过该项业务手续费收取标准上限金额,则以上限金额作为该次交易金额计入指标统计。若单次交易已享受我行费率优惠,则交易金额按优惠比例折算后再计入指标统计。


  (1)投资理财类,交易指标主要包括:基金购买与赎回(不含货币基金)、理财产品购买(不含灵通快线)、国债购买、保险购买、黄金买卖、外汇买卖等。每万元投资理财交易额可获得200星点值。


  (2)卡消费,交易指标主要包括灵通卡、理财金账户卡(含工银财富理财金账户卡)、信用卡、贷记卡、准贷记卡等各卡种通过POS刷卡消费产生的交易。每万元投资理财交易额可获得400星点值。


  (3)结算类:交易指主要包括异地存取款、异地汇款、跨行汇款、速汇款等。每万元结算类交易额可获得200星点值。

(来源:南^方^财^富^网)(来源:南^方^财^富^网)

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值