Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Modelling bank customer behaviour using feature engineering and classification techniques

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F23%3A39920844" target="_blank" >RIV/00216275:25410/23:39920844 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.sciencedirect.com/science/article/pii/S0275531923000399" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0275531923000399</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1016/j.ribaf.2023.101913" target="_blank" >10.1016/j.ribaf.2023.101913</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Modelling bank customer behaviour using feature engineering and classification techniques

  • Popis výsledku v původním jazyce

    This study investigates customer behaviour and activity in the banking sector and uses various feature transformation techniques to convert the behavioural data into different data structures. Feature selection is then performed to generate feature subsets from the transformed datasets. Several classification methods used in the literature are applied to the original and transformed feature subsets. The proposed combined knowledge mining model enable us to conduct a benchmark study on the prediction of bank customer behaviour. A real bank customer dataset, drawn from 24,000 active and inactive customers, is used for an experimental analysis, which sheds new light on the role of feature engineering in bank customer classification. This paper&apos;s detailed systematic analysis of the modelling of bank customer behaviour can help banking institutions take the right steps to increase their customers&apos; activity.

  • Název v anglickém jazyce

    Modelling bank customer behaviour using feature engineering and classification techniques

  • Popis výsledku anglicky

    This study investigates customer behaviour and activity in the banking sector and uses various feature transformation techniques to convert the behavioural data into different data structures. Feature selection is then performed to generate feature subsets from the transformed datasets. Several classification methods used in the literature are applied to the original and transformed feature subsets. The proposed combined knowledge mining model enable us to conduct a benchmark study on the prediction of bank customer behaviour. A real bank customer dataset, drawn from 24,000 active and inactive customers, is used for an experimental analysis, which sheds new light on the role of feature engineering in bank customer classification. This paper&apos;s detailed systematic analysis of the modelling of bank customer behaviour can help banking institutions take the right steps to increase their customers&apos; activity.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    50206 - Finance

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA19-15498S" target="_blank" >GA19-15498S: Modelování emocí ve verbální a neverbální manažerské komunikaci pro predikci podnikových finančních rizik</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2023

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Research in International Business and Finance

  • ISSN

    0275-5319

  • e-ISSN

    1878-3384

  • Svazek periodika

    65

  • Číslo periodika v rámci svazku

    April

  • Stát vydavatele periodika

    NL - Nizozemsko

  • Počet stran výsledku

    16

  • Strana od-do

    101913

  • Kód UT WoS článku

    000951433200001

  • EID výsledku v databázi Scopus

    2-s2.0-85149284943