金融评分卡项目—2.银行客户流失预警模型介绍（单因子与多因子分析）

文章目录

引言
一、银行业客户群体与产品的类别
二、客户流失预警模型的业务意义
三、数据介绍与描述
- 1.单因子分析之连续变量
- 2.单因子分析之类别变量
- 3.多因子分析

金融评分卡项目—3.流失预警模型中的数据预处理与特征衍生
金融评分卡项目—4.GBDT模型在流失预警模型中的应用
金融评分卡项目—5.神经网络模型在银行业客户流失预警模型中的应用—MLP

引言

下面使用的是jupyter notebook，完整代码解析见Github：https://github.com/Libra-1023/data-mining/blob/master/Bank_customer_churn/Bank_customer_churn_EDA.ipynb

一、银行业客户群体与产品的类别

银行的客户总体上可分为个人客户与公司客户。
银行对个人客户的业务主要是以合理安排客户的个人财务为手段，为之提供存取款、小额贷款、代理投资理财、信息咨询以及其他各类中介服务，由此为客户取得收益，并帮助其防范风险，同时提高银行自身效益。
公司客户指与银行发生业务关系的各企事业单位及政府机关，其中以企业单位为主体。公司客户能为银行带来大量的存款，贷款和收费业务，并成为银行利润的重要来源。
零售客户一般分为以下5种：

银行的业务一般分为资产类业务与负债类业务。
银行信贷类资产业务：

信用贷款
抵押贷款—分为存货抵押贷款与不动产抵押贷款
保证书担保贷款
贷款证券化

银行负债类业务：

活期存款
定期存款
储蓄存款
可转让定期存单
其他种类

二、客户流失预警模型的业务意义

严格来讲，客户流失指的是客户在该行所有业务终止并销号。但是具体业务部门可单独定义在该部门的全部业务或某些业务上，客户的终止行为。
研究结果表明：商业银行客户流失比较严重，国内商业银行，客户流失率可达到20%甚至更高。而获得新客户的成本，可达维护现有客户的5倍。因此，从海量的客户交易记录中挖掘出对流失有影响的信息，建立高效的客户流失预警体系尤为重要。
客户流失的主要原因包括：

价格流失
产品流失
服务流失
市场流失
促销流失
技术流失
政治流失

维护客户关系的基本方法：

追踪制度
产品跟进
扩大销售
维护访问
机制维护

建立量化模型，合理预测客群的潜在流失风险

常用的风险因子
客户持有的产品数量、种类
客户的年龄、性别
受地理区域的影响
受产品类别的影响
交易的间隔时间
营销、促销手段
银行的服务方式和态度

三、数据介绍与描述

该数据集共17241例客户数据，其中有1741例流失样本，总流失率达到10.10%
数据分为两部分：银行自有字段、外部第三方数据
银行自有字段：

账户类信息
个人类信息
存款类信息
消费、交易类信息
理财、基金类信息
柜台服务、网银类信息

外部第三方数据：

外呼客户数据
资产类数据
其他消费类数据

1.单因子分析之连续变量

有效记录的占比—缺失率

# 提取出不含空值的包含自变量和因变量的数据集, np.nan != np.nanvalidDf = df.loc[df[col] == df[col]][[col,target]]# 非缺失度的百分比validRcd = validDf.shape[0]*1.0/df.shape[0]# 格式化非缺失度validRcdFmt = "%.2f%%"%(validRcd*100)

整体分布
初始分布与截断分布

# 截断
if truncation == True:# 截断分布pcnt95 = np.percentile(validDf[col],95)# 将流失客户与非流失客户的存款额大于截断值的赋值于截断值x = x.map(lambda x: min(x,pcnt95))y = y.map(lambda x: min(x,pcnt95))

按目标变量分布的差异

方差分析：维基百科—方差分析

2.单因子分析之类别变量

有效记录的占比

validDf = df.loc[df[col] == df[col]][[col, target]]
validRcd = validDf.shape[0]*1.0/df.shape[0]
recdNum = validDf.shape[0]
validRcdFmt = "%.2f%%"%(validRcd*100)

种类

整体分布

# 对类别型变量进行单因子分析
filepath = path+r'/单因子分析/类别型变量/'
for val in stringCols:CharVarPerf(Alldata,val,'CHURN_CUST_IND',filepath)

按目标变量分布的差异

卡方检验：维基百科—卡方检验

chisqDf = Alldata[['GENDER_CD','CHURN_CUST_IND']]
grouped = chisqDf['CHURN_CUST_IND'].groupby(chisqDf['GENDER_CD'])   # 分组
count = list(grouped.count())
churn = list(grouped.sum())
chisqTable = pd.DataFrame({'total':count,'churn':churn})
# 0.101为期望流失率，相乘即为期望流失人数
chisqTable['expected'] = chisqTable['total'].map(lambda x: round(x*0.101))
chisqValList = chisqTable[['churn','expected']].apply(lambda x: (x[0]-x[1])**2/x[1], axis=1)
# chisqVal即为卡方
chisqVal = sum(chisqValList)

3.多因子分析

变量之间由于业务关系、计算逻辑等业务存在一定的两两共线性，需要研究这种共线性并做适当的处理

信息的冗余
维护数据的成本
对某些模型存在一定的影响

# 使用短名称代替原始名称，因为原始名称太长而无法显示
col_to_index = {numericCols[i] : 'var'+str(i) for i in range(len(numericCols))}
# 在columns列表中取样，因为单个图无法显示太多的列
corrCols = random.sample(numericCols,15)
sampleDf = Alldata[corrCols]
for col in corrCols:sampleDf.rename(columns = {col : col_to_index[col]},inplace = True)
# 画散点矩阵图
# diagonal = 'hist' or 'kde',当diagonal = 'hist'时，为对角线直方图，当diagonal='kde'时，为核密度估计函数
# alpha=0.2为透明度
scatter_matrix(sampleDf, alpha=0.2, figsize=(6, 6), diagonal='kde')

如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论留言！