信用卡申请审核及客户细分模型研究

论文摘要

2008年发生的全球经济危机,始于美国次债危机,并逐渐波及到实体经济,随着美国雷曼兄弟等一批上百年历史投行及银行倒闭,金融危机逐渐变成经济危机,给全球经济带来了灾难性影响。人们失业,房贷及各种信用卡贷款都成了呆账和坏账,之前信贷业务越发达的公司企业,其危害则就越严重。近几年随着中国经济快速发展,信用卡业务在中国也得到了前所未有的黄金发展期,为各个商业银行带来了丰厚的客户资源及可观的利润,但是高度竞争使得各发卡银行对于审核申请信用卡的人限制趋于宽松,忽略了风险的管理和控制。本文通过仔细地分析和研究信用卡持有人信息,提出银行控制信用卡经营风险,可以考虑从两方面入手：第一,通过信用卡客户细分,识别出优质客户、明星客户、大众客户和风险客户,针对每一细分人群,银行应该制定相对应的营销及维护策略,有效利用银行资源,降低经营风险。第二,建立智能化的信用卡申请审核模型,从大量的信用卡申请者中快速、准确地选出符合要求的客户发放信用卡。因此,本文就这两方面分别提出相对应的客户细分模型和信用卡申请审核模型,并采用德国某公司公开的信用卡数据来做实证分析研究。本文首次把基于粒子群算法的BP神经网络模型应用于信用卡申请审核,并与传统的BP神经网络模型来对比,结果显示传统的BP神经网络模型很快就陷入局部最小值,因此无论是对于训练过的数据还是测试数据其准确率都大大低于基于粒子群算法的BP神经网络模型。而客户细分模型则是基于主成份分析和聚类分析的细分模型,最终把信用卡客户细分成4类,并给予相对应的客户营销及维护策略。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景
• 1.1.1 08年全球经济危机
• 1.1.2 信用卡危机
• 1.2 中国信用卡状况
• 1.3 研究意义及目的
• 1.4 本文的结构及主要内容
• 第二章 相关研究文献综述
• 2.1 客户关系管理
• 2.2 消费者细分研究
• 2.3 消费者满意度研究
• 2.3.1 消费者购买决策过程
• 2.3.2 满意度指标分类
• 2.3.3 满意度指标识别
• 2.4 小结
• 第三章 基于数据挖掘的信用卡客户细分研究
• 3.1 客户资料的收集
• 3.2 变量探索性数据分析
• 3.3 主成份分析
• 3.3.1 主成份分析的基本原理
• 3.3.2 主成份分析的计算步骤
• 3.4 聚类分析
• 3.4.1 K-均值聚类法
• 3.5 信用卡客户细分实证分析
• 第四章 信用卡审批模型的建立与分析
• 4.1 BP神经网络
• 4.1.1 BP神经网络及其原理
• 4.1.2 BP神经网络算法描述
• 4.1.3 BP神经网络算法的不足之处
• 4.2 群智能算法
• 4.2.1 粒子群算法
• 4.3 基于BP神经网络的信用卡分类预测系统
• 4.3.1 模型评价准则
• 4.3.2 信用卡审批预测分析
• 第五章 总结与展望
• 参考文献
• 致谢
• 在学期间的发表的论文