债券量化：银行理财客户聚类分析

最近收到团队想看看用聚类方法划分理财客户种类的需求，简单做了个demo。

• 特征提取

从收益、交易、持仓行为3个角度搜集了一些客户特征。观察了一下几个特征的分布，基本处于集中、偏度大的状态。在做去极值处理后，情况有所改善。

ret_sel = ['证件号','时间加权收益率（年化）', '资金加权收益率年化', '最近一年收益时间加权收益率', '最近一年资金加权收益率']
trd_sel = ['证件号','首次买入日期', '最后买入日期']
oid_sel = ['证件号','持仓金额', '历史最大持仓金额','持仓集中度', '持仓天数']

• 特征加工

'首次买入日期', '最后买入日期'两个特征数据格式为时间戳，通过两个日期同当前时间的间隔天数，转化为数字标签。

merge_df['最后买入日期'] =merge_df['最后买入日期'].apply(lambda x:datetime.strptime(str(x),"%Y%m%d"))
merge_df['首次买入日期'] =merge_df['首次买入日期'].apply(lambda x:datetime.strptime(str(x),"%Y%m%d"))
merge_df['首次-最后买入间隔'] = (merge_df['最后买入日期']-merge_df['首次买入日期']).apply(lambda x:x.days)
merge_df['当前时间']=datetime.today()
merge_df['距离最后买入日天数'] = (merge_df['当前时间']-merge_df['最后买入日期']).apply(lambda x:x.days)
merge_df['距离首次买入日天数'] = (merge_df['当前时间']-merge_df['首次买入日期']).apply(lambda x:x.days)

从特征相关性来看，收益特征处于高相关状态，只选取其中一个特征即可，其余相关度尚可，暂做保留。

plt.figure(figsize=(19,9))
sns.heatmap(merge_df.corr(),annot=True,cmap='viridis',vmin=-1,vmax=1)

• 建模分析

尝试使用K-Mean做聚类分析处理，在输入模型前需要做一步去量纲处理。

scaler = StandardScaler()
scaled_df = scaler.fit_transform(merge_df)
scaled_df = pd.DataFrame(merge_df,columns=merge_df.columns)

首先看下基础模型的效果，轮廓值达到83.44%

base_kmeans = KMeans(random_state=101)
base_kmeans.fit(temp)
labels = set(base_kmeans.labels_)
print("Silhouette Score:",str(np.round(silhouette_score(temp,base_kmeans.labels_)*100,2)) + '%')

遍历搜索簇值寻找优化参数，根据最小误差选择簇值。

for i in range(4,14):
     for init in ['k-means++','random']:
        for algo in ['auto','elkan']:
            kmeans = KMeans(n_clusters=i,init=init,algorithm=algo,random_state=101)
            kmeans.fit(temp)
            print("Number of Clusters: {}".format(i))
            print("Initialization Algorithm: {}".format(init))
            print("Algorithm: {}".format(algo))
            print("Sum of Squared Distance: %d" % kmeans.inertia_)
            print('-----------------')
            del kmeans

• 分组结果

最后看下分类效果，模型将客户群体分为8组，从持仓天数和持仓金额两个维度来看，分组较为集中，其中第0组占据了大部分比例，推测和所用特征的分布较为集中相关。后期优化还是得从特征提取步骤再做精细化处理，也可进一步尝试DBSCAN等模型，提升聚类效果。

plt.figure(figsize=(19,9))
sns.scatterplot(data=temp,x='持仓天数',y='持仓金额',hue=base_kmeans.labels_,s=300,alpha=0.6,palette='summer')