[發明專利]基于Logistic回歸的證券客戶流失預測的方法及系統

在審

• 申請號: 201610149720.3
• 申請日: 2016-03-16
• 公開（公告）號: CN107203822A
• 公開（公告）日: 2017-09-26
• 發明（設計）人: 李華明;蔡學范;李蔚敏;王雪峰
• 申請（專利權）人: 上海吉貝克信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04
• 代理公司: 上海光華專利事務所31219
• 代理人: 王再朝

1.一種基于Logistic回歸的證券客戶流失預測方法，其特征在于，包括以下步驟：

確定客戶流失指標和數據范圍；

根據客戶流失指標和數據范圍篩選客戶數據；

根據篩選出的所述客戶數據計算初始變量；

對所述初始變量進行預處理；

根據所述預處理后的初始變量，通過logistic回歸模型對客戶流失進行預測計算，以獲得流失概率大于預設流失概率閾值的客戶列表。

2.根據權利要求1所述的基于Logistic回歸的證券客戶流失預測方法，其特征在于：

所述客戶流失指標至少包括以下中的一種：客戶在一預設時間段內的虧損率、客戶的交易量和交易額、客戶資金的凈流入、客戶日均資產的萎縮情況、客戶的日均持倉市值情況、客戶的傭金率、以及客戶獲得的服務次數。

3.根據權利要求1所述的基于Logistic回歸的證券客戶流失預測方法，其特征在于：所述數據范圍包括時間范圍和客戶范圍；

所述時間范圍包括預測時間之前的第一時間段以及預測時間之后的第二時間段，其中，所述預測方法用以篩選所述第一時間段內的客戶數據，且，所述預測方法用以預測所述第二時間段內的客戶流失率；

所述客戶范圍至少排除以下中的一種或多種：資產小于一第一資產閾值的客戶、機構客戶、資產大于一第二資產閾值的客戶、開戶時間小于一時間閾值的客戶、無交易行為的客戶、在所述第一時間段內已經流失的客戶。

4.根據權利要求1所述的基于Logistic回歸的證券客戶流失預測方法，其特征在于：

所述對所述初始變量進行預處理的操作包括：缺失值填充以及極值處理。

5.根據權利要求1所述的基于Logistic回歸的證券客戶流失預測方法，其特征在于：在計算出所述初始變量后，根據以下中的一種或多種指標對所述初始變量進行衍生：資產總量、傭金、倉位、交易活躍度、資金流入量、資金流出量、盈虧比例、以及產品信息。

6.一種基于Logistic回歸的證券客戶流失預測系統，其特征在于，包括：

確定模塊，確定客戶流失指標和數據范圍；

數據篩選模塊，用以根據客戶流失指標和數據范圍篩選客戶數據；

初始變量計算模塊，用以根據篩選出的所述客戶數據計算初始變量；

預處理模塊，用以對所述初始變量進行預處理；

預測模塊，根據所述預處理后的初始變量，通過logistic回歸模型對客戶流失進行預測計算，以獲得流失概率大于預設流失概率閾值的客戶列表。

7.根據權利要求6所述的基于Logistic回歸的證券客戶流失預測系統，其特征在于：

所述客戶流失指標至少包括以下中的一種：客戶在一預設時間段內的虧損率、客戶的交易量和交易額、客戶資金的凈流入、客戶日均資產的萎縮情況、客戶的日均持倉市值情況、客戶的傭金率、以及客戶獲得的服務次數。

8.根據權利要求6所述的基于Logistic回歸的證券客戶流失預測系統，其特征在于：所述數據范圍包括時間范圍和客戶范圍；

所述時間范圍包括預測時間之前的第一時間段以及預測時間之后的第二時間段，其中，所述預測方法用以篩選所述第一時間段內的客戶數據，且，所述預測方法用以預測所述第二時間段內的客戶流失率；

所述客戶范圍至少排除以下中的一種或多種：資產小于一第一資產閾值的客戶、機構客戶、資產大于一第二資產閾值的客戶、開戶時間小于一時間閾值的客戶、無交易行為的客戶、在所述第一時間段內已經流失的客戶。

9.根據權利要求6所述的基于Logistic回歸的證券客戶流失預測系統，其特征在于：

所述預處理模塊對所述初始變量進行預處理的操作包括：缺失值填充以及極值處理。

10.根據權利要求6所述的基于Logistic回歸的證券客戶流失預測系統，其特征在于：所述初始變量計算模塊在計算出所述初始變量后，根據以下中的一種或多種指標對所述初始變量進行衍生：資產總量、傭金、倉位、交易活躍度、資金流入量、資金流出量、盈虧比例、以及產品信息，且令所述預處理模塊對所述衍生后的初始變量進行預處理。