银行个贷流失客户画像体系构造与预警建模随着中国社会主义市场经济体制改革,金融市场的竞争也日趋激烈。

银行经营模式逐渐更新和完善,使得银行中个人信用贷款业务水平的差异也逐渐减小,小型贷款公司和贷款app等的介入,使得金融市场中的金融部门之一,银行的业务出现了个体流失的情况。

现如今,个人信用贷款客户流失预警及客户挽留已经成为一项重要的研究课题,对于银行未来的业务发展至关重要。

本文选用了商业银行的80000名个人信用贷款客户真实数据进行建模分析。

在构造客户画像体系时,首先把训练数据集与验证数据集合并,进行变量选取、数据正态化转换、变量聚类以及因子旋转,然后以K均值聚类法构建客户画像体系。

最后得到聚类出六个类别的结果,描述评价各类别的属性特征,提出相应的挽留策略建议。

接下来进行个人信用贷款客户流失预警建模,在进行预测建模前,进行变量选取、过度抽样、相关性检验以及变量聚类步骤。

得到预测模型后,用验证数据集进行检测,根据模型自身以及经过测试后的ROC曲线下面积来判断预测效果是否明显。

本文设置全部的数据都取自客户结清个人信用贷款之前,观测窗口期为6个月,客户流失的判断标准为变量bad_good为1(即个人信用贷款客户流失),然后对80000个商业银行原始客户数据进行清洗,625个变量进行降维处理,筛选后最终留下16个变量。

然后分别运用Logistic回归、决策树、随机森林三种方法来对降维后的数据建模,并对建模的结果进行比较分析,找出预测效果好且稳定的预测模型。

本文系统性地对银行个人信用贷款客户进行了分类,构造了个人信用贷款流失客户画像体系,然后进行客户流失预警建模,可以有效地分类个人信用贷款客户,辅助银行预防个人信用贷款客户的流失,提高银行的业务竞争能力,帮助银行未来的可持续发展。