导　　师： 马千里

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 随着网络技术的高速发展，互联网金融平台越来越多，网络理财产品出现了严重的同质化，用户流失的可能性越来越大，而用户流失会对企业带来很大的影响，有相关研究数据显示，获取新用户的成本是留住老用户成本的8倍。而且，公司每年对用户的维持率能增加5%，那么公司的利润可增长85%，所以减少用户流失对企业来说至关重要。　　论文的研究重点是利用数据挖掘(DateMining，简称DM)技术对互联网金融用户数据进行分析，通过分类模型对用户进行流失预测，给运营部门制定挽留政策提供帮助，减少用户流失。本论文的主要工作内容和获得的成果有以下几点：　　1、论文首先阐述了金融行业中数据挖掘技术在对用户流失管理的研究现状、存在的问题及国内外的应用现状，目前主流的数据挖掘技术相关算法，以及建模流程。　　2、基于互联网金融流失用户数据，选取了由用户属性、资产因素、行为因素等三方面组成的21个变量，通过对用户数据进行预处理、描述性统计、卡方检验、Spearman相关性分析等环节，研究了流失用户特征，同时检验了各个变量对用户流失的影响，最终得出对于用户流失具有重要影响的13个变量。　　3、分别通过欠采样法，过采样法和SMOTE方法处理不平衡数据集，通过三种方法在决策树模型、Logistic回归模型、四种核函数下的SVM模型和BP神经网络模型中的预测效果对比。实验结果证明，三种采样方法中基于SMOTE方法建立的模型精度最高，而四种模型中，BP神经网络模型具有更高的准确率，因此更适用于互联网金融用户流失模型。　　4、通过模型的ROC曲线评估和混淆矩阵分析，对模型的精确度进行了评价，将模型应用到实际当中去，观察流失模型对用户的流失预测效果，运用公司的精准营销平台进行有针对�

关 键 词： 数据挖掘 互联网金融 神经网络 语言 不平衡数据 流失预测

领　　域： [经济管理—金融学] [自动化与计算机技术—计算机软件与理论] [自动化与计算机技术—计算机科学与技术]