电信运营企业客户信用度评估

发布时间：2025-06-26 04:26

　　国内电信运营企业向客户提供的后付费业务天然具有信用消费的特点,客户欠费不断发生。为控制欠费,目前进行的欠费通知、暂停服务、限制不可靠客户入网,引起客户不满,导致收入流失。实施客户信用度管理是解决上述问题的有效手段。本文旨在建立一个数学模型,基于客户资料、业务属性、消费情况和交费行为计算出每个客户的信用度数值,预测违约风险,直接或间接地成为客户可以透支消费的门限,并可以应用于计费帐务系统对客户欠费进行管理。使用数据挖掘的方法对客户进行信用评分。分别使用二分类Logistic回归和分类树以及SPSS建立和评估分析模型。本文建立的信用模型属于内部模型,是企业根据自己所掌握的客户信用数据开发的模型。将面向业务的相关基础数据从业务系统复制到PC服务器后采用PL/SQL进行离线分析,转化成能够直接使用SPSS软件进行分析的存储格式。定义开始收违约金的客户为“坏”客户,否则为“好”客户。创建欠费自变量,将每一客户历史上若干条交易记录汇总,聚集到客户水平上。用不同的单调递增的初等函数将每次欠费持续时间、欠费距今时间进行变换,构造不同的聚集算法,考察每种算法结果与违约频率之间的Kendall's Tau-...

【文章页数】：98 页

【学位级别】：硕士

【部分图文】：

图1.1Logistic函数图形（独立变量X相当于式(3)中的β0+β1x1+β2x2+…+βkxk）

型进行相关的统计检验。待得到一个较为稳定的、，即可投入使用。Logistic回归模型克服了线性回应用于信用评分的结果差别不大[1]。若要获得预测，可得：+exp(-(β0+β1x1+β2x2+…+βkxk)))为Logistic函数，它具有S形的分布[3]，如图1.....

图5.2χ2界值（1-4个自由度）

变化趋势如图5.3，可见违约频率变化并不均匀，违约随欠费的变化也不是严格单调上升。图5.2χ2界值（1-4个自由度）表5.4自变量owe的最终划分（10组）组号下边界上边界组内样本量违约样本量违约频率10014692956840.0392138482....

图6.1缺省分类树结果（最大深度3层，右下角有加号的节点不是叶子）

60图6.1缺省分类树结果（最大深度3层，右下角有加号的节点不是叶子）与Logistic回归模型相比，预测总正确率略低，这是由于限制了树的深度。将树的最大深度改为4，重新拟合模型，生成242个叶子的树，预测准确率为训练样本95.6%，测试样本95.5%。结果略高于Logisti....

图6.2最佳分类树结果（局部，最大深度4层）

62图6.2最佳分类树结果（局部，最大深度4层）

本文编号：4053158