近年来,随着中国经济市场的快速发展、居民财富的持续增长、金融法律体系的不断完善,以及个人对专业理财的需求与日俱增,国内银行的基金业务得到了日新月异的发展,基金业务逐渐成为银行中间业务收入新的增长点。与传统的理财产品相比,基金产品复杂且多样,毫无针对性的随机推销会导致营销率低下和投诉率上升,并且浪费大量的人力物力,因此预测基金投资者的购买意愿对推动银行渠道基金销售的发展具有重要的意义。另一方面,互联网金融的崛起对传统的银行基金业务带来了一定的冲击。在新形势下,作为金融市场主要中介的商业银行应该抓住机遇,迎接挑战,在发挥客户资源雄厚、销售渠道强大和理财产品丰富等天然优势的基础上,进一步在客户服务能力上提质升级。研究显示,机器学习算法已经成为用户行为预测的重要方法,故将深度神经网络模型（DNN）应用于商业银行基金销售业务领域,可以有效挖掘潜在的基金购买客户。针对银行客户的基金购买预测问题,本文在DNN模型的基础上结合Wide＆Deep结构,搭建深广学习模型（Wide＆Deep Learning Model）对潜在基金投资者的购买意愿进行预测研究。本文首先根据用户交易行为数据构建数据集,选取适当的特征指标（例如客户的性别、年龄、账龄和交易活跃度等）并进行数据预处理;其次使用过采样（Over Sampling）和类别权重惩罚（Class Weights）两种方法进行样本倾斜处理;最后设置对比实验,并且有侧重的选择评价标准（准确率、召回率、AUC、F1值）对模型的性能进行评价,结果显示深广学习模型具有较好的模型综合表现能力,明显优于普通的单模型。本文研究表明深广学习模型能有效预测客户的基金购买行为,精准识别潜在的基金购买用户,可以在基金等理财产品的银行渠道推销中使用,验证了机器学习算法应用于银行基金购买预测的可行性。