發(fā)布時間：2020-01-23 11:39

【摘要】：伴隨著全球經(jīng)濟的發(fā)展以及信息化程度的提高,信用卡在全球范圍內(nèi)得到普及。雖然其普及程度與各地區(qū)、國家的經(jīng)濟發(fā)展水平、居民收入水平息息相關,但絲毫不影響其受重視程度。信用卡在社會日常經(jīng)濟生活中的普及,不僅方便了持卡人的支付活動、提高其資金的安全性,而且給發(fā)卡機構、中間服務機構提供了可觀的利潤,甚至為國民經(jīng)濟的增長注入了活力。在歐美等發(fā)達金融市場,信用卡已逐漸形成成熟的產(chǎn)業(yè),并且是相關企業(yè)的重要利潤來源。在我國,信用卡業(yè)務是由商業(yè)銀行開展；雖然起步較晚,但得益于我國廣闊的市場環(huán)境和快速增長的經(jīng)濟水平,商業(yè)銀行信用卡業(yè)務已經(jīng)得到了長足的進步,并將繼續(xù)深化和成熟。然而,對國內(nèi)開展信用卡業(yè)務的商業(yè)銀行尤其五大國有商業(yè)銀行來說,信用卡業(yè)務實現(xiàn)的利潤有限,甚至長期處于虧損狀態(tài)。經(jīng)濟組織的逐利性決定了開源節(jié)流是實現(xiàn)盈利、增加利潤的唯一手段。對信用卡業(yè)務而言,節(jié)流意味著在可取的范圍內(nèi)降低信用卡業(yè)務的經(jīng)營管理成本、減少信用卡客戶的流失、降低信用風險以及由此造成的損失等；開源則意味著發(fā)現(xiàn)新的營銷機會和利潤增長點、開發(fā)潛力客戶的價值、實現(xiàn)高價值客戶的交叉營銷,甚至基于信用卡業(yè)務實現(xiàn)在未來利率市場化環(huán)境下的特色化經(jīng)營。因此,對目前國內(nèi)商業(yè)銀行而言,如何實現(xiàn)信用卡業(yè)務的扭虧為盈；如何深化信用卡業(yè)務,并以此為載體開展私人銀行業(yè)務；如何在未來利率市場化的環(huán)境下以信用卡業(yè)務為突破點,變革傳統(tǒng)的利潤增長方式,實現(xiàn)特色化經(jīng)營,提高商業(yè)銀行的經(jīng)營管理水平等都是亟待解決的現(xiàn)實問題。恰恰近年來在國內(nèi)吸引了眾多關注的大數(shù)據(jù)理論和數(shù)據(jù)挖掘方法為這些問題的解決提供了更多的參考和手段。早在20世紀末大數(shù)據(jù)理論和數(shù)據(jù)挖掘方法就已經(jīng)逐漸成熟,并在國外的學術領域和業(yè)界得到廣泛的應用。數(shù)據(jù)挖掘過程與計算機科學有關,并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)(依靠過去的經(jīng)驗法則)和模式識別等諸多方法來實現(xiàn)這一目標。金融領域利用數(shù)據(jù)挖掘技術,不僅可以用數(shù)據(jù)“說話”,為金融決策提供更加有效的支持,而且可以為金融服務提供更準確的信息和知識,為消費者提供有針對性的個性化服務。隨著信息化程度的提高以及運營系統(tǒng)的日益完善,商業(yè)銀行尤其信用卡業(yè)務積累了大量的有待挖掘和分析的數(shù)據(jù)。數(shù)據(jù)挖掘技術的應用能夠有效解決其“數(shù)據(jù)豐富,知識貧乏”的現(xiàn)象。數(shù)據(jù)挖掘中的異常挖掘技術常被應用于異�，F(xiàn)象和異常模式的識別,例如氣象預測、機器故障等。無論是學術領域還是業(yè)界,目前針對信用卡的異常挖掘主要著眼于信用卡欺詐識別的研究。而這對信用卡來講,屬于節(jié)流的環(huán)節(jié),因此并不能為商業(yè)銀行信用卡業(yè)務的深化提供有效的數(shù)據(jù)支持。信用卡的異常挖掘不僅可以針對信用卡客戶的“劣”的行為,也可以著眼于高價值客戶的分析和異常行為模式的識別以發(fā)現(xiàn)異于常規(guī)的營銷機會。換句話說,針對信用卡業(yè)務的異常挖掘也可以應用到其開源環(huán)節(jié)。本文以異常特征分析和模式識別理論為基礎,建立商業(yè)銀行信用卡客戶異常數(shù)據(jù)識別模型進行實證分析。在本文建立的客戶數(shù)據(jù)異常識別模型中,增加了年齡變量和信用卡客戶信用水平變量以改進衡量客戶價值的RFM方法——ARFMC作為模型的輸入。運用對異常值極為敏感的k-均值算法從信用卡總體客戶中分離出異�？蛻粢布锤邇r值客戶；再基于信用卡客戶的消費行為,運用Apriori算法對信用卡消費領域不同類別進行關聯(lián)模式的分析,得出異常(高價值)客戶的序列關聯(lián)模式。基于本文的研究,期望能夠為商業(yè)銀行信用卡業(yè)務的深化提供一定的參考價值。本文的研究顯示,由K-均值算法得出的六類客戶中,第一類客戶和第三類客戶明顯與其他客戶存在差異性；換句話說,與其他客戶相比,第三類客戶就屬于異�？蛻�,同時也是高價值客戶。這說明信用卡客戶的異常挖掘并不僅僅針對于信用卡客戶的欺詐行為,同時也能挖掘出不同于一般客戶的高價值客戶以及潛力客戶。通過K-均值算法和SOM自組織映射方法的比較,驗證了K-均值算法在數(shù)據(jù)異常挖掘中的穩(wěn)定性,證實了其良好的異常識別能力；并且隨著參數(shù)m值的提高,其異常識別能力也相應得以提高。
【圖文】：

圖２－１邋２００２－２０１２年末累計發(fā)卡量及X棾ぢ叔義希玻埃埃材昴�，，我国发行旋嬅卡０．２４抑q�；至２０１２年末，旋嬅卡的发行量达禂囁邋３．邋３炮辶x險牛ㄈ繽跡玻彼荊�。十年来，中国银袖\ǎń杓強ǎ龐每ǎ┓⒖勘３幟昃玻保澹叮擔サ母村義蝦顯齔ぢ

本文編號：2572263