第二类客户可以称为重点服务类客户。他们的风险管理因子和贡献力评分远高于客户平均水平，而且营运能力和风险偏好也处于综合评分均值。说明他们在积极参与期市交易，并具有较强的风险管理能力。但是这类客户的盈利情况并不理想，期货公司需加大这类客户的服务力量，分析其交易挫折的原因，帮助客户扭转亏损局面。
第三类客户为潜力类客户。他们的盈利水平居五类之首，且营运因子评分高于样本客户平均水平，说明这类客户操作风格相对成熟。而且这类客户的风险偏好因子得分很高，风险管理能力接近平均水平，说明他们能较好地处理交易风险。这类客户具有很大的发展潜力，但对期货公司贡献力稍显不足，可以适度提高手续费率来达到期货公司与客户的双赢。
第四类客户为常规类客户。目前来看，期货公司的大部分客户都属此类，即各项指标都处于均值附近，持仓比重一般不会很大，盈利水平也比较稳定。他们贡献了期货公司大部分手续费，做好他们的共性常态服务非常重要。
第五类客户为关注类客户。根据聚类分析结果，该类客户与其它类客户的Cosine距离3较大，这主要是风险管理因子得分过低造成的。虽然他们的风险偏好得分不低，但风险管理能力却相对较弱。这些账户虽然不曾有较大额度的保证金追加，但多次出现持仓比例过重的情况。鉴于风险管理是期货公司的生命线，所以这类客户需要重点关注。
(3)客户综合信用模拟。
期货公司可以根据综合评级结果对客户进行综合信用模拟，即从现有的历史数据出发，对信用得分的发展趋势进行模拟，对未来得分作出预测。通过比较识别可以控制的最弱指标，然后将这些指标分值提高到大于或等于平均值，将会看到客户的信用排名发生变化。通过分析我们知道，相对劣势要素层制约了客户信用得分的高低，所以我们将该客户的相对劣势指标由现有水平提高到平均水平或平均水平之上两个层次，其他指标保持不变，再分析其综合信用得分情况，就可以找出差距所在。通过模拟分析找出客户的信用“短板”，进而对客户进行有针对性地分类管理，从而达到提升期货公司风险管理水平的目的。
五、结论
本研究建立在统计理论基础上，综合利用因子分析、聚类分析、均值比较等多种统计方法。该模型是线性函数，应用起来比较方便，对期货公司做好客户的分类管理、规避经营风险具有很好的参考价值。
由于统计学方法往往严格建立在符合某种分布的理论数据基础之上，而实践中所得数据与理论数据之间的偏差不可避免地会对分析研究产生影响，且信用评级考评指标还需进一步补充完善，所以本文的研究方法与思路还有待在实践中进一步验证，并随信用评级理论的创新而发展。
注释：
1考虑到合规操作的诸项指标均带有一定的主观性，所以本文参照德尔斐评价采撷出入金管理、合同审核、结算单管理、风险控制等人员的评价意见对各项指标进行循环打分。
2各公共因子对指标的覆盖情况如表1所示。
3Cosine算法是指通过变量矢量的余弦值计算度量类别间的相似性。
附录：
表4 参评客户因子得分
来源：期货日报 信用中国编辑：余竹娟
【
