[发明专利]基于监督学习的优质客户流失预测方法、装置及存储介质

权利要求书

1.一种基于监督学习的优质客户流失预测方法，其特征在于，包括：

获取待流失预测的优质客户，并提取待流失预测的优质客户预设时间段内的流失特征数据；

将待流失预测的优质客户的流失特征数据输入预先训练好的优质客户流失预测模型中，输出优质客户流失预测结果；其中，所述优质客户流失预测模型，是使用XGBoost算法在构建的优质客户流失预测数据集上训练得到。

2.根据权利要求1所述的基于监督学习的优质客户流失预测方法，其特征在于，所述优质客户流失预测样本数据集通过如下方法构建：

获取客户在银行的资产情况并与预设阈值比较，筛选出多个优质客户；

选定观测期，判断出多个优质客户的流失标签和观测时间；对于观测期内流失的优质客户，观测时间为该优质客户的最终流失时间，对于观测期内未流失的优质客户，观测时间为观测期的截止时间；

针对多个优质客户，基于各自对应的观测时间，分别从其自然属性、持有产品状态信息、行内资产信息以及交易行为提取流失特征数据，得到优质客户流失预测样本数据集；

所述获取待流失预测的优质客户，并提取待流失预测的优质客户预设时间段内的流失特征数据，包括：

筛选出时间t下待流失预测的优质客户；

分别从其自然属性、持有产品状态信息、行内资产信息以及交易行为提取时间t前预设时间段内的流失特征数据。

3.根据权利要求2所述的基于监督学习的优质客户流失预测方法，其特征在于，所述选定观测期，判断出多个优质客户的流失标签和观测时间，包括：

选定一个观测期[t₀,t_n]；

基于每个优质客户的定期、活期及理财这三类产品的情况判断流失标签和流失时间；

验证每个优质客户的流失标签的准确性，确保其流失标签与实际场景中流失的一致性；

将每个流失的优质客户的流失时间向前调整预设时长后作为最终流失时间；对于观测期内流失的优质客户，将最终流失时间作为其对应的观测时间，对于观测期内未流失的优质客户，将观测期的截止时间t_n作为其对应的观测时间。