國(guó)內(nèi)電信運(yùn)營(yíng)企業(yè)向客戶(hù)提供的后付費(fèi)業(yè)務(wù)天然具有信用消費(fèi)的特點(diǎn),客戶(hù)欠費(fèi)不斷發(fā)生。為控制欠費(fèi),目前進(jìn)行的欠費(fèi)通知、暫停服務(wù)、限制不可靠客戶(hù)入網(wǎng),引起客戶(hù)不滿(mǎn),導(dǎo)致收入流失。實(shí)施客戶(hù)信用度管理是解決上述問(wèn)題的有效手段。本文旨在建立一個(gè)數(shù)學(xué)模型,基于客戶(hù)資料、業(yè)務(wù)屬性、消費(fèi)情況和交費(fèi)行為計(jì)算出每個(gè)客戶(hù)的信用度數(shù)值,預(yù)測(cè)違約風(fēng)險(xiǎn),直接或間接地成為客戶(hù)可以透支消費(fèi)的門(mén)限,并可以應(yīng)用于計(jì)費(fèi)帳務(wù)系統(tǒng)對(duì)客戶(hù)欠費(fèi)進(jìn)行管理。使用數(shù)據(jù)挖掘的方法對(duì)客戶(hù)進(jìn)行信用評(píng)分。分別使用二分類(lèi)Logistic回歸和分類(lèi)樹(shù)以及SPSS建立和評(píng)估分析模型。本文建立的信用模型屬于內(nèi)部模型,是企業(yè)根據(jù)自己所掌握的客戶(hù)信用數(shù)據(jù)開(kāi)發(fā)的模型。將面向業(yè)務(wù)的相關(guān)基礎(chǔ)數(shù)據(jù)從業(yè)務(wù)系統(tǒng)復(fù)制到PC服務(wù)器后采用PL/SQL進(jìn)行離線分析,轉(zhuǎn)化成能夠直接使用SPSS軟件進(jìn)行分析的存儲(chǔ)格式。定義開(kāi)始收違約金的客戶(hù)為“壞”客戶(hù),否則為“好”客戶(hù)。創(chuàng)建欠費(fèi)自變量,將每一客戶(hù)歷史上若干條交易記錄匯總,聚集到客戶(hù)水平上。用不同的單調(diào)遞增的初等函數(shù)將每次欠費(fèi)持續(xù)時(shí)間、欠費(fèi)距今時(shí)間進(jìn)行變換,構(gòu)造不同的聚集算法,考察每種算法結(jié)果與違約頻率之間的Kendall's Tau-...

【文章頁(yè)數(shù)】：98 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1Logistic函數(shù)圖形（獨(dú)立變量X相當(dāng)于式(3)中的β0+β1x1+β2x2+…+βkxk）

型進(jìn)行相關(guān)的統(tǒng)計(jì)檢驗(yàn)。待得到一個(gè)較為穩(wěn)定的、，即可投入使用。Logistic回歸模型克服了線性回應(yīng)用于信用評(píng)分的結(jié)果差別不大[1]。若要獲得預(yù)測(cè)，可得：+exp(-(β0+β1x1+β2x2+…+βkxk)))為L(zhǎng)ogistic函數(shù)，它具有S形的分布[3]，如圖1.....

圖5.2χ2界值（1-4個(gè)自由度）

變化趨勢(shì)如圖5.3，可見(jiàn)違約頻率變化并不均勻，違約隨欠費(fèi)的變化也不是嚴(yán)格單調(diào)上升。圖5.2χ2界值（1-4個(gè)自由度）表5.4自變量owe的最終劃分（10組）組號(hào)下邊界上邊界組內(nèi)樣本量違約樣本量違約頻率10014692956840.0392138482....

圖6.1缺省分類(lèi)樹(shù)結(jié)果（最大深度3層，右下角有加號(hào)的節(jié)點(diǎn)不是葉子）

60圖6.1缺省分類(lèi)樹(shù)結(jié)果（最大深度3層，右下角有加號(hào)的節(jié)點(diǎn)不是葉子）與Logistic回歸模型相比，預(yù)測(cè)總正確率略低，這是由于限制了樹(shù)的深度。將樹(shù)的最大深度改為4，重新擬合模型，生成242個(gè)葉子的樹(shù)，預(yù)測(cè)準(zhǔn)確率為訓(xùn)練樣本95.6%，測(cè)試樣本95.5%。結(jié)果略高于Logisti....

圖6.2最佳分類(lèi)樹(shù)結(jié)果（局部，最大深度4層）

62圖6.2最佳分類(lèi)樹(shù)結(jié)果（局部，最大深度4層）

本文編號(hào)：4053158