本文選題：信用卡　切入點(diǎn)：客戶分類　出處：《重慶交通大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,隨著信用卡在國內(nèi)的普及,信用卡的客戶資產(chǎn)管理問題成為各大銀行和專家學(xué)者關(guān)注的重點(diǎn)領(lǐng)域。因此進(jìn)行科學(xué)的客戶資產(chǎn)管理是信用卡業(yè)務(wù)的重中之重,而識(shí)別出優(yōu)質(zhì)客戶與不良客戶對(duì)客戶資產(chǎn)管理又尤為關(guān)鍵。該項(xiàng)工作不僅影響著業(yè)務(wù)的利潤情況,更與銀行的經(jīng)營風(fēng)險(xiǎn)關(guān)系密切。目前國內(nèi)銀行仍沒有科學(xué)統(tǒng)一的客戶分類體系,鑒別價(jià)值客戶僅通過資金存量或利潤貢獻(xiàn)等單一因素進(jìn)行篩選。然而高收益往往伴隨著高風(fēng)險(xiǎn),如果客戶風(fēng)險(xiǎn)無法度量并加以控制,即使高價(jià)值也變得毫無意義可言。由此看來,僅僅從客戶收益角度來分類客戶是不全面的,所以在客戶分類中風(fēng)險(xiǎn)與收益須同時(shí)考慮,缺一不可�；谀壳般y行界對(duì)信用卡客戶分類理論及實(shí)踐的需要,本文提出的基于客戶風(fēng)險(xiǎn)與收益二維角度的分類方法是具有理論和實(shí)踐意義的。本文運(yùn)用了先進(jìn)的DEA模型替代實(shí)際工作中主觀性較強(qiáng)、具有信息滯后性等缺點(diǎn)的信用評(píng)分表法對(duì)信用卡客戶進(jìn)行分類。大體研究思路如下:首先在詳細(xì)介紹了DEA模型的思想及模型原理的基礎(chǔ)上,分析了本文運(yùn)用DEA模型的研究目的及可行性分析。然后分別確定了本文DEA模型中的兩個(gè)輸入變量(客戶信用風(fēng)險(xiǎn)和流失風(fēng)險(xiǎn))和兩個(gè)輸出變量(特約商戶傭金收入和利費(fèi)收入)。隨后在第四章實(shí)證研究部分以建行XX分行為樣本通過問卷調(diào)查的方式獲取了相關(guān)數(shù)據(jù)。根據(jù)樣本的客戶基本信息運(yùn)用logistic模型預(yù)測(cè)出違約概率來反映信用風(fēng)險(xiǎn),邀請(qǐng)了銀行內(nèi)部評(píng)估專家根據(jù)問卷中的客戶流失傾向信息預(yù)測(cè)出流失概率來反映流失風(fēng)險(xiǎn)。在實(shí)證部分的最后運(yùn)行了DEAP2.1軟件計(jì)算出每個(gè)客戶的RAR分?jǐn)?shù)(反映客戶風(fēng)險(xiǎn)-收益的相對(duì)效率),依據(jù)RAR分?jǐn)?shù)由高到低識(shí)別出了最優(yōu)客戶、優(yōu)質(zhì)客戶和不良客戶,并且依據(jù)軟件輸出結(jié)果可得到每個(gè)客戶達(dá)到效率最大時(shí)的目標(biāo)輸入及輸出值。最后在第五章筆者提出了本文客戶分類方法在客戶資產(chǎn)會(huì)計(jì)核算和信用卡營銷兩個(gè)領(lǐng)域的應(yīng)用與建議。本文確認(rèn)了信用卡客戶兩種風(fēng)險(xiǎn)類型并將其應(yīng)用到DEA模型中,基于客戶風(fēng)險(xiǎn)和收益二維角度對(duì)信用卡客戶進(jìn)行了有效的分類,經(jīng)實(shí)證研究表明本文提出的客戶分類方法在恰當(dāng)性、有效性以及實(shí)用性方面均取得了滿意的結(jié)果。本文提出的客戶分類方法可以較為實(shí)際地運(yùn)用到信用卡客戶分類工作及客戶資產(chǎn)管理中,希望通過此研究能夠推動(dòng)學(xué)者們不斷改進(jìn)和完善客戶分類方法,為科學(xué)的客戶資產(chǎn)管理工作奠定良好的基礎(chǔ)。
[Abstract]:In recent years, with the popularity of credit card in China, the problem of customer asset management of credit card has become the focus of attention of various banks and experts, so carrying out scientific customer asset management is the most important part of credit card business. Identifying good and bad customers is particularly critical to customer asset management. This work not only affects the profitability of the business, At present, domestic banks still do not have a scientific and unified customer classification system, and the value customers are screened only by a single factor, such as capital stock or profit contribution. However, high returns are often accompanied by high risk. If customer risk cannot be measured and controlled, even high value becomes meaningless. Therefore, it is not comprehensive to classify customers solely from the perspective of customer income, so risk and profit should be considered simultaneously in customer classification. On the basis of the current needs of the banking sector on the theory and practice of credit card customer classification, The classification method proposed in this paper based on the two-dimensional angle of customer risk and profit is of theoretical and practical significance. In this paper, the advanced DEA model is used to replace the subjectivity in practical work. Credit rating table method, which has the disadvantage of information lag, classifies credit card customers. The main research ideas are as follows: firstly, the idea and principle of DEA model are introduced in detail. This paper analyzes the purpose and feasibility of using DEA model in this paper, and then determines two input variables (customer credit risk and loss risk) and two output variables (commission collection) in this DEA model. In chapter 4th, the empirical study takes the XX branch of CCB as a sample to obtain the relevant data through questionnaire survey. According to the basic information of the customer of the sample, the probability of default is predicted by using logistic model to reflect the credit risk. The bank internal evaluation experts were invited to predict the loss probability according to the customer turnover tendency information in the questionnaire to reflect the loss risk. At the end of the empirical section, the DEAP2.1 software was run to calculate the RAR score of each customer (reflecting the customer). The relative efficiency of risk-to-profit, according to the RAR score from high to low to identify the best customer, High quality customers and bad customers, And according to the result of software output, we can get the target input and output value when each customer reaches the maximum efficiency. Finally, in chapter 5th, the author puts forward the method of customer classification in customer asset accounting and credit card marketing. This paper identifies two types of risk for credit card customers and applies them to the DEA model. Based on the two-dimensional perspective of customer risk and income, this paper makes an effective classification of credit card customers. The empirical research shows that the proposed customer classification method is appropriate. Satisfactory results have been obtained in terms of effectiveness and practicability. The customer classification method proposed in this paper can be applied to credit card customer classification and customer asset management. It is hoped that this research can promote the scholars to improve and perfect the customer classification method and lay a good foundation for the scientific customer asset management.
【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王維兵;劉苗;;客戶分類方法綜述[J];現(xiàn)代商業(yè);2009年03期

2 江強(qiáng)梅;;客戶關(guān)系管理中的客戶分類方法研究[J];企業(yè)技術(shù)開發(fā);2009年12期

3 趙傳孔;;小議客戶分類集團(tuán)信息化管理[J];中國城市經(jīng)濟(jì);2010年08期

4 黃神峰;;建立煙草客戶分類模式科學(xué)性的探索[J];上海商業(yè);2010年09期

5 張平;;客戶分類及其研究方法的探討[J];發(fā)展;2011年10期

6 趙國慶;客戶關(guān)系管理中的客戶分類方法研究[J];安徽機(jī)電學(xué)院學(xué)報(bào);2001年04期

7 吳開軍;客戶分類方法探析[J];工業(yè)技術(shù)經(jīng)濟(jì);2003年06期

8 黃亦瀟,邵培基,李菁菁;基于客戶價(jià)值的客戶分類方法研究[J];預(yù)測(cè);2004年03期

9 程美靜,覃蓉芳,趙建偉;客戶分類方法在批發(fā)業(yè)的應(yīng)用[J];商場(chǎng)現(xiàn)代化;2005年10期

10 劉航;孫延明;賴朝安;;客戶分類管理過程模型研究[J];商場(chǎng)現(xiàn)代化;2006年34期

相關(guān)會(huì)議論文 前6條

1 劉希宋;喻登科;;基于市場(chǎng)營銷離群數(shù)據(jù)挖掘的客戶分類模型[A];中國高等院校市場(chǎng)學(xué)研究會(huì)2009年年會(huì)論文集[C];2009年

2 吳亞軍;潘楊;;“中華”卷煙經(jīng)銷客戶分類模型研究[A];上海市煙草系統(tǒng)2010年度優(yōu)秀學(xué)術(shù)論文集(經(jīng)管類)[C];2011年

3 蒙崢坪;;引入“135”工作法 提升專賣客戶分類管理水平[A];廣西煙草學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文集[C];2013年

4 吳永鋒;;淺析品牌培育工作“精耕細(xì)作”[A];廣西煙草學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文集[C];2013年

5 邱之樂;;蒙山縣轄區(qū)如何做好品牌培育[A];廣西煙草學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文集[C];2013年

6 汪忻;;杭州市區(qū)城鎮(zhèn)化進(jìn)程中卷煙零售店經(jīng)營生態(tài)環(huán)境與客戶分類標(biāo)準(zhǔn)的關(guān)系研究[A];浙江省煙草學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文集[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 湖南省臨湘市煙草專賣局（分公司） 陳立新;以客戶價(jià)值為核心建立客戶分類體系[N];東方煙草報(bào);2012年

2 葉海濤 中信期貨;經(jīng)濟(jì)新常態(tài)下的客戶分類服務(wù)[N];期貨日?qǐng)?bào);2014年

3 王志軍;國家局高度評(píng)價(jià)揚(yáng)州市局客戶分類與貨源供應(yīng)工作[N];江蘇經(jīng)濟(jì)報(bào);2007年

4 郭衛(wèi);鎮(zhèn)江煙草進(jìn)一步規(guī)范零售客戶分類[N];江蘇經(jīng)濟(jì)報(bào);2008年

5 蘇文軍;青海省分行 圓滿完成貸款客戶分類排查工作[N];糧油市場(chǎng)報(bào);2009年

6 見習(xí)記者 胡巖;中小券商加緊搭建客戶分類體系[N];證券時(shí)報(bào);2010年

7 長江期貨 韓錦 鄒云峰 高華;基于RFM模型的聚類分析算法在期貨公司客戶分類中的應(yīng)用[N];期貨日?qǐng)?bào);2008年

8 汪舵海;客戶管理“二分”法[N];中國新聞出版報(bào);2004年

9 廣發(fā)期貨 溫才學(xué) 崔瑞娟;基于RFM分析模式的期貨公司風(fēng)險(xiǎn)客戶分類研究[N];期貨日?qǐng)?bào);2009年

10 李蓓;汽車精細(xì)營銷中的客戶分類[N];經(jīng)濟(jì)觀察報(bào);2003年

相關(guān)碩士學(xué)位論文 前10條

1 李藝明;基于模糊聚類的客戶分類方法研究[D];廣東工業(yè)大學(xué);2006年

2 劉豐勝;基于粗糙集的客戶分類方法研究[D];重慶大學(xué);2006年

3 許保榮;基于遺傳神經(jīng)網(wǎng)絡(luò)模型的客戶分類管理應(yīng)用研究[D];東南大學(xué);2005年

4 曹志勝;自組織特征映射網(wǎng)絡(luò)在客戶分類中的應(yīng)用研究[D];東北師范大學(xué);2008年

5 袁芳;基于客戶價(jià)值的我國高速鐵路客戶分類問題研究[D];北京交通大學(xué);2012年

6 張平;電子商務(wù)環(huán)境下客戶分類應(yīng)用研究[D];蘭州交通大學(xué);2012年

7 張浩;基于關(guān)鍵成功要素分析的Z公司大客戶分類管理研究[D];北京工業(yè)大學(xué);2013年

8 羅媛;客戶關(guān)系管理中客戶分類方法的研究[D];湖南大學(xué);2005年

9 趙立輝;基于價(jià)值分析的客戶分類及管理研究[D];遼寧工程技術(shù)大學(xué);2005年

10 胡蓓;商業(yè)銀行客戶價(jià)值評(píng)價(jià)及客戶分類研究[D];重慶大學(xué);2011年

，

本文編號(hào)：1628550