基于AdaBoost的电信客户流失预测模型

随着电信业改革的深入和竞争的不断加剧,各大电信企业的客户流失率逐步攀升。在深入分析电信业客户流失问题的基础上,针对目前研究多采用单分类器模型的不足,提出了一种基于组合分类器的电信客户流失预测模型。实证结果表明该模型能有效提升预测准确率,为今后的研究提供了新的研究思路。     

基于组合分类器的上市公司信用风险评价

针对传统信用风险评价模型只含有一个分类器的缺陷,本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明,组合分类器克服了单一分类器的诸多缺点,预测准确率高于单一分类器。     

基于组合分类器的上市公司信用风险评价

针对传统信用风险评价模型只含有一个分类器的缺陷,本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明,组合分类器克服了单一分类器的诸多缺点,预测准确率高于单一分类器。     

基于组合分类器的个人信用评估模型

随着消费信贷的发展以及银行对信用风险的关注,个人信用评估已成为银行业研究的一个重要内容。目前信用评估的研究中多采用单一分类器,预测精度难以提高,因此文章提出了基于AdaBoost组合分类器算法的个人信用评估模型。与单分类器模型的比较结果表明,基于组合分类器的模型具有更高的预测准确率。     

银行信贷客户的聚类

本文着重研究了对传统的K-means算法它在银行客户分类方向的应用与实现.首先介绍了数据挖掘的基础理论,然后介绍了聚类分析算法的基础理论,详细介绍了K-means聚类算法,分析了该算法的优缺点,之后定义了银行客户进行聚类.最后,本文按照已经建立的银行客户分类模型,对来自东北某家银行财务部的详细交易数据,进行实际的银行客户聚类实验.最后对聚类结果进行了详细的分析和总结.     

商业银行信贷组合的两阶段优化模型研究

信贷资产是银行最主要的收益性资产。文章分析了目前信贷组合管理的不足,在回顾相关文献的基础上,建立商业银行信贷组合的两阶段优化模型。首先利用模糊综合评判方法,进行以贷款五级分类为评判等级的企业信用分析,然后选择信贷组合对象,以银行资产负债优化为前提,利用企业信用分析结果,建立信贷组合的线性优化模型,最后进行了模型的实证分析。     

移动商务环境下商业银行移动支付接纳客户信用评价

论文首先通过文献综述和专家咨询方法建立了商业银行移动支付接纳客户信用多维多层的评价指标体系。其次,利用网络层次分析法和模糊综合评价理论构建商业银行移动商务接纳客户信用评价模型,强调了信用评价指标间的相互影响;最后,利用案例银行移动支付接纳客户进行实证研究,研究结果表明本文建立的组合模型具有一定的可行性。     

基于IOWGA算子的生态足迹组合预测模型研究

随着经济水平的不断发展，我国生态资源与环境正面临着巨大的压力与挑战。作为衡量自然生态资源与环境状况的重要指标，生态足迹的准确预测对于制定自然资源保护与环境治理政策具有重要意义。本文基于2003至2014年安徽省各生物资源及能源消费量，计算了各年人均生态足迹，并采用灰色GM模型、长短期记忆神经网络模型、差分自回归移动平均模型作为单项模型进行预测，建立了基于诱导有序几何加权平均算子（IOWGA）的人均生态足迹组合预测模型，并将组合预测模型与单项预测模型进行比较。结果表明，组合预测模型对人均生态足迹的拟合程度较好，具有较高预测精度。     

基于模糊理论的多因子客户分类评价模型及应用

客户分类是CRM的基础，本文应用模糊数学的有关理论，建立一套多因子客户分类评价模型，并应用此模型对企业的客户分类进行评价。     

我国银行信用卡客户价值的定量测度模型

本文在客户关系生命周期利润模型的基础上，全面考察了银行信用卡客户的终生价值，建立了客户价值定量测度模型，并依据此模型，分析了客户价值，银行信用卡成本，价格三者之间的动态关系。     

基于决策树模型的商业银行基金客户分类研究

文章论述了基金客户分类对商业银行基金营销的重要性.通过对商业银行已有的基金客户数据进行预处理和分析,运用决策树技术对商业银行基金客户构建起分类模型,找出高端(低端)客户特征进而在银行的储蓄客户中挖掘出潜在的基金交易客户,提高商业银行业绩.     

基于LVQ神经网络的电信企业客户流失预测模型研究

随着人工智能的快速发展,人工神经网络被广泛地运用到分类预测领域。文章首先明确了客户流失的定义及其分类,然后分析了LVQ神经网络的基本原理,最后从研究样本的确定、预测变量的选取、模型的训练及评估三个方面构建了基于LVQ神经网络的电信企业客户流失预测模型,以期为电信企业客户流失预测模型的设计提供一定的借鉴意义。     

基于BP-Adaboost算法的银行个人信贷评估

对银行来说,客户的信用直接影响其收益,如果客户大量违约,银行将面临很大的坏账损失;如果能在贷款之前就识别出可能会违约的客户,就可以帮助银行减少坏账损失。文章针对个人信贷评估中的一些关键因素,建立基于BP神经网络的分类模型,判别正确率达70.45%;经Adaboost算法优化后,正确率达到79.35%。     

变权组合模型在货运量预测中的应用

文章采用变权组合模型对货运量进行预测.首先阐述了变权组合预测模型的基本原理,构建出以每个样本点处误差绝对值最小为原则的变权组合模型,并对求解过程进行一些改进;然后分别选择单项模型、定权组合预测模型以及变权组合预测模型预测上海市2002～2013年货运量,再对变权组合预测模型的预测精度进行检验;最后运用该模型预测上海市未来5年货运量.     

基于神经网络的客户分类研究

汽车信贷已成为我国消费信贷业务中最重要的业务种类之一,但近年来其信用风险一直很高。本文旨在通过对学习向量量化(LV Q )人工神经网络基本理论和架构的研究,设计 LVQ 网络分类器,并结合主成分分析方法探讨对客户的分类研究,通过实证结果分析客户分类的一般性规律,对各行业客户分类应用都有重要实践指导意义。     

改进的灰色电力负荷预测研究——基于粒子群算法和BP神经网络

本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。     

一种基于Boosting的集成学习算法在银行个人信用评级中的应用

本文针对银行个人信用数据的分类预测问题,从数据集的特征选择和集成学习两个角度出发,提出了PCA-AdaboostLogistic集成学习算法。在采用Accuracy和AUC作为分类模型评价指标的前提下,本文选取了源于澳大利亚某银行的个人信贷数据集进行测试。测试结果表明本算法在有效提取关键特征后提高了Adaboost的稳定性,并且在分类准确度上相比单纯使用Logistic分类器有不同程度的提高。     

逻辑回归和支持向量机在客户信用分类中的应用

本文借助R语言，基于逻辑回归和支持向量机模型理论，分别建立客户存款信用分类模型来判断个人客户是否订阅定期存款的状况，通过对比两种模型的错判率和评估性能，选取出相对最优的逐步逻辑回归模型，刻画出最潜在的客户画像，预测订阅存款的可能性，进而对测试集数据分类和判别。这将作为商业银行界用来判断客户是否订阅定期存款的依据，同时也利于银行工作人员选择出更好的营销对策。     

基于神经网络的客户分类研究

汽车信贷已成为我国消费信贷业务中最重要的业务种类之一,但近年来其信用风险一直很高.本文旨在通过对学习向量量化(LVQ)人工神经网络基本理论和架构的研究,设计LVQ网络分类器,并结合主成分分析方法探讨对客户的分类研究,通过实证结果分析客户分类的一般性规律,对各行业客户分类应用都有重要实践指导意义.     

基于IOWA算子的组合预测模型在物流需求预测中的应用

根据2000~2009年宁波市物流需求的数据,采用灰色GM 1,,1,模型和一元线性回归模型进行组合优化,建立了基于诱导有序加权平均(IOWA)算子的物流需求量组合预测模型。结果表明基于IOWA算子的组合预测模型能有效提高预测精度,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010~2013年宁波市物流需求作出预测。