一种证券软流失客户的预测方法技术

本发明专利技术公开了一种证券软流失客户的预测方法，将客户属性分为只开通普通账户客户和开通了信用账户客户；对不同属性的客户，形成训练集和测试集；对只开通普通账户客户的训练集和测试集根据一定时间段内资产趋势变化特征进行分类，从分类后的只开通普通账户客户的训练集中和开通了信用账户客户的训练集中分别构造因变量因子、基本因子和总衍生因子；对只开通普通账户客户的训练集建立Lasso‑Logistic模型；对开通了信用账户客户的训练集，建立Lasso‑Logistic模型，只开通普通账户客户的测试集测试分析结果，开通了信用账户客户的测试集测试分析结果。从数据库中抽取分析出用户资产信息，能够快速将客户按资产变化特征分类，提高了模型预测的精确度和覆盖度。

【技术实现步骤摘要】

本专利技术涉及一种利用统计建模判断客户流失的方法，尤其涉及的是一种证券软流失客户的预测方法。
技术介绍
近年来，随着证券行业发展和转型，原先的券商竞争格局被打破，投资者将有更多机会体验和评价各个券商的服务。券商的议价能力被大幅削弱，对于客户流失预测和进行有目的挽留已经成为了证券公司保证市场占有率的一个重要手段，但是目前很多公司仍沿用传统的客户流失预测模型，即以“客户销户”作为预测标准，这类的模型在目前的近年来不断变化地市场环境下逐渐失去作用，尤其随着“一码通”和“一人多户”政策的推出施行，投资者可以无成本转移账户和资产，不销户直接转走资产。因此，使用新的技术方法和模型对客户资产流失前的特征分析以及客户流失的预测在当前具有较为重要的意义。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供了一种证券软流失客户的预测方法，有效提高预测流失客户的精确度和覆盖度。本专利技术是通过以下技术方案实现的，本专利技术包括以下步骤：(1)提取结构化交易数据，计算考察时间点的客户属性，将客户属性分为只开通普通账户客户和开通了信用账户客户；(2)对不同属性的客户，在模型起始时间点选取资产在一定范围以内的重点客户形成训练集，在模型终结时间点选取资产在一定范围以内的重点客户形成测试集；(3)对只开通普通账户客户的训练集和测试集根据一定时间段内资产趋势变化特征进行分类，从分类后的只开通普通账户客户的训练集中和开通了信用账户客户的训练集中分别构造因变量因子、基本因子和总衍生因子；(4)对只开通普通账户客户的训练集的各个类别分别建立Lasso-Logistic模型；对开通了信用账户客户的训练集，根据总体数据建立Lasso-Logistic模型，Lasso-Logistic模型方程为：其中X为自变量，Y为因变量；(5)通过只开通普通账户客户的测试集测试分析结果，通过开通了信用账户客户的测试集测试分析结果，当测试结果满足因变量Y，提示为流失客户。所述步骤(1)中，所述结构化交易数据包括日综合状况、客户信息、客户服务、含信用的交割明细流水、资金明细流水及委托明细流水。所述步骤(3)中，只开通普通账户客户的分类方法如下：(31)根据结构化交易数据计算客户考察时间点的资产，取考察时间点前不同长度的时段的客户资产均值作为资产的变化特征，按照资产的变化特征显著程度分出不同客户类型；(32)当至少出现两次10％～20％幅度的资产下降，且两次间隔大于T1个交易日为缓降型；当最近T2个交易日的资产下降额至少为历史交易日资产最大值的三成以上为陡降型，T2大于T1；当至少出现三次大于40％幅度的资产变动为波动型；其他的资产变动情况为普通型。所述只开通普通账户客户的因变量因子构造是客户在考察时间点后T3个交易日资产不足前T4个交易日资产的一定比例；所述基本因子构造包括普通账户平均持仓时间、普通账户换手率、普通账户日均资金余额占比、普通账户资金存取倍数、客户盈亏、双向交易天数、大盘指标、低风险产品购买；所述总衍生因子为所述基本因子与所述基本因子的衍生因子之和；所述基本因子的衍生因子是考察时间点前三个时间段只开通普通账户客户的基本因子的均值；所述考察时间点前三个时间段包括前A0个交易日，前A0～A1个交易日以及前A1～A2个交易日，A2>A1>A0。所述平均持仓时间＝股票市值/股票成交金额；所述换手率＝成交金额/账户资产；所述日均资金余额占比＝账户金额/账户资产；所述资金存取倍数＝资金存取额/账户资产；所述客户盈亏＝客户盈亏；所述双向交易天数＝存在双向交易的总天数；所述大盘指标＝大盘指数*是否盈利；所述低风险产品购买＝是否购买低风险产品。所述步骤(3)中，对于开通了信用账户客户，所述因变量因子构造为客户在考察时间点后T3个交易日资产不足前T4个交易日资产的一定比例；所述资产为客户普通账户和信用账户的总资产；所述基本因子构造包括信用账户平均持仓时间、信用账户换手率、信用账户日均资金余额占比、信用账户资金存取倍数、客户盈亏、双向交易天数、大盘指标、低风险产品购买；所述总衍生因子为所述基本因子与所述基本因子的衍生因子之和；所述基本因子的衍生因子包括考察时间点前三个时间段开通了信用账户客户的基本因子的均值；所述考察时间点前三个时间段包括前A0个交易日，前A0～A1个交易日以及前A1～A2个交易日，A2>A1>A0。所述步骤(4)中，只开通普通账户客户建立Lasso-Logistic模型的方法如下：(411)利用Lasso算法构造惩罚函数，选出对模型解释能力最强的几个总衍生因子，组成自变量X；(412)将考察时间点后A3个交易日资产不足前A4个交易日资产的B1％设为因变量Y；(413)分别对缓降型、陡降型、波动型、普通型的样本的训练集建立Lasso-Logistic分析模型；(414)用测试集对模型测试和计算建模指标，包括精度和覆盖度。所述步骤(4)中，开通了信用账户客户建立Lasso-Logistic模型的方法如下：(421)利用Lasso算法构造惩罚函数，选出对模型解释能力最强的几个所述总衍生因子，组成自变量X；(422)将考察时间点后A3个交易日资产不足前A4个交易日资产的B2％设为因变量Y；(423)对总体数据建立Lasso-Logistic模型；(424)对训练集进行重抽样的方法，得到一个新的开通信用账户的客户样本，然后分别对这两个样本分别建立Lasso-Logistic模型；(425)用测试集对模型测试和计算建模指标，所述建模指标包括精度和覆盖度。所述重抽样指取出一定数量流失客户和一定数量非流失客户组成一个样本；计算流失率，所述流失率＝软流失客户数量/客户总数；所述精度＝预测为正确的软流失客户数量/预测为软流失的客户数量；所述覆盖度＝预测正确的软流失客户数量/真正软流失的客户数量。所述对模型解释能力最强的几个所述衍生因子为绝对值大于Lasso算法中设定阈值的总衍生因子。本专利技术相比现有技术具有以下优点：本专利技术从数据库中抽取分析出用户资产信息，能够快速将客户按资产变化特征分类，然后建立Lasso-Logistic模型，克服了传统预测模型和方法自变量解释能力不强、模型过时、不符合市场环境的问题，提高了模型预测的精确度和覆盖度。附图说明图1是本专利技术的流程示意图。具体实施方式下面对本本文档来自技高网...

【技术保护点】
一种证券软流失客户的预测方法，其特征在于，包括以下步骤：(1)提取结构化交易数据，计算考察时间点的客户属性，将客户属性分为只开通普通账户客户和开通了信用账户客户；(2)对不同属性的客户，在模型起始时间点选取资产在一定范围以内的重点客户形成训练集，在模型终结时间点选取资产在一定范围以内的重点客户形成测试集；(3)对只开通普通账户客户的训练集和测试集根据一定时间段内资产趋势变化特征进行分类，从分类后的只开通普通账户客户的训练集中和开通了信用账户客户的训练集中分别构造因变量因子、基本因子和总衍生因子；(4)对只开通普通账户客户的训练集的各个类别分别建立Lasso‑Logistic模型；对开通了信用账户客户的训练集，根据总体数据建立Lasso‑Logistic模型，Lasso‑Logistic模型方程为：其中X为自变量，Y为因变量；(5)通过只开通普通账户客户的测试集测试分析结果，通过开通了信用账户客户的测试集测试分析结果，当测试结果满足因变量Y，提示为流失客户。

【技术特征摘要】
1.一种证券软流失客户的预测方法，其特征在于，包括以下步骤：
(1)提取结构化交易数据，计算考察时间点的客户属性，将客户属性分为只开通普通账
户客户和开通了信用账户客户；
(2)对不同属性的客户，在模型起始时间点选取资产在一定范围以内的重点客户形成训
练集，在模型终结时间点选取资产在一定范围以内的重点客户形成测试集；
(3)对只开通普通账户客户的训练集和测试集根据一定时间段内资产趋势变化特征进行
分类，从分类后的只开通普通账户客户的训练集中和开通了信用账户客户的训练集中分别构
造因变量因子、基本因子和总衍生因子；
(4)对只开通普通账户客户的训练集的各个类别分别建立Lasso-Logistic模型；对开
通了信用账户客户的训练集，根据总体数据建立Lasso-Logistic模型，Lasso-Logistic模
型方程为：其中X为自变量，Y为因变量；
(5)通过只开通普通账户客户的测试集测试分析结果，通过开通了信用账户客户的测试
集测试分析结果，当测试结果满足因变量Y，提示为流失客户。
2.根据权利要求1所述的一种证券软流失客户的预测方法，其特征在于，所述步骤(1)
中，所述结构化交易数据包括日综合状况、客户信息、客户服务、含信用的交割明细流水、
资金明细流水及委托明细流水。
3.根据权利要求1所述的一种证券软流失客户的预测方法，其特征在于，所述步骤(3)
中，只开通普通账户客户的分类方法如下：
(31)根据结构化交易数据计算客户考察时间点的资产，取考察时间点前不同长度的时
段的客户资产均值作为资产的变化特征，按照资产的变化特征显著程度分出不同客户类型；
(32)当至少出现两次10％～20％幅度的资产下降，且两次间隔大于T1个交易日为缓降
型；
当最近T2个交易日的资产下降额至少为历史交易日资产最大值的三成以上为陡降型；
当至少出现三次大于40％幅度的资产变动为波动型；
其他的资产变动情况为普通型。
4.根据权利要求3所述的一种证券软流失客户的预测方法，其特征在于，所述步骤(3)
中，所述只开通普通账户客户的因变量因子构造是客户在考察时间点后T3个交易日资产不足
前T4个交易日资产的一定比例；
所述基本因子构造包括普通账户平均持仓时间、普通账户换手率、普通账户日均资金余
额占比、普通账户资金存取倍数、客户盈亏、双向交易天数、大盘指标、低风险产品购买；
所述总衍生因子为所述基本因子与所述基本因子的衍生因子之和；
所述基本因子的衍生因子是考察时间点前三个时间段只开通普通账户客户的基本因子的
均值；
所述考察时间点前三个时间段包括前A0个交易日，前A0～A1个交易日以及前A1～A2个
交易日，A2>A1>A0。
5.根据权利要求4所述的一种证券软流失客户的预测方法，其特征在于，所述平均持仓
时间＝股票市值/股票成交金额；
所述换手率＝成交金额/账户资产；
所述日均资金余额占比＝账户金额/账户资产；
所述资金存取倍数＝资金存...

【专利技术属性】
技术研发人员：俞仕新，胡甲，夏颖哲，杨杰，常凯，林雪松，
申请(专利权)人：国元证券股份有限公司，
类型：发明
国别省市：安徽;34