[发明专利]银行客户流失预测方法及装置

权利要求书

1.一种银行客户流失预测方法，其特征在于，包括：

采集历史银行客户的交易数据；

根据历史银行客户的交易数据构建训练集和测试集；

重复如下对机器学习模型的训练和测试过程，直至银行客户流失预测模型的预测结果误差处于预设范围内：利用训练集对机器学习模型进行训练，得到银行客户流失预测模型；利用测试集对银行客户流失预测模型进行测试，根据测试得到的银行客户流失预测模型的预测结果误差，调整银行客户流失预测模型的模型参数；

将待测银行客户的交易数据输入银行客户流失预测模型，输出待测银行客户的流失预测结果；

其中，所述机器学习模型包括长短期记忆LSTM网络和卷积神经网络CNN，以LSTM网络提取交易数据的时序特征，以LSTM网络输出作为CNN的输入数据，进行交易数据空间特征的提取。

2.如权利要求1所述的方法，其特征在于，交易数据包括：交易流水、银行产品的签约信息、银行产品的使用信息其中之一或任意组合。

3.如权利要求1所述的方法，其特征在于，根据历史银行客户的交易数据构建训练集和测试集，包括：

根据历史银行客户的交易数据，筛选出交易金额大于阈值的历史银行客户的交易数据；

根据筛选出的历史银行客户的交易数据构建训练集和测试集。

4.如权利要求1所述的方法，其特征在于，根据历史银行客户的交易数据构建训练集和测试集，还包括：

根据交易时间，对历史银行客户的交易数据进行排序，构成时间序列；其中根据客户行为将交易数据分为不同特征的时间序列；

根据时间序列构建训练集和测试集。

5.如权利要求3所述的方法，其特征在于，所述不同特征的时间序列包括：按交易流水、已激活银行产品数量、已解约银行产品数量构成的时间序列。

6.如权利要求1所述的方法，其特征在于，所述机器学习模型中，输入数据依次经过输入层、LSTM网络、CNN，输出预测结果；其中LSTM网络输出依次经过CNN的卷积层、池化层、全连接层，输出预测结果。

7.如权利要求1所述的方法，其特征在于，利用测试集对银行客户流失预测模型进行测试，包括：

使用交叉验证方式，利用测试集对银行客户流失预测模型进行测试。

8.如权利要求1所述的方法，其特征在于，还包括：

在待测银行客户的流失预测结果为存在流失风险时，发出预警信息。

9.一种银行客户流失预测装置，其特征在于，包括：

数据采集模块，用于采集历史银行客户的交易数据；

模型构建模块，用于根据历史银行客户的交易数据构建训练集和测试集，重复如下对机器学习模型的训练和测试过程，直至银行客户流失预测模型的预测结果误差处于预设范围内：利用训练集对机器学习网络进行训练，得到银行客户流失预测模型；利用测试集对银行客户流失预测模型进行测试，根据测试得到的银行客户流失预测模型的预测结果误差，调整银行客户流失预测模型的模型参数；

流失预测模块，用于将待测银行客户的交易数据输入银行客户流失预测模型，输出待测银行客户的流失预测结果；

其中，所述机器学习模型包括LSTM网络和CNN，以LSTM网络提取交易数据的时序特征，以LSTM网络输出作为CNN的输入数据，进行交易数据空间特征的提取。

10.如权利要求9所述的装置，其特征在于，交易数据包括：交易流水、银行产品的签约信息、银行产品的使用信息其中之一或任意组合。

11.如权利要求9所述的装置，其特征在于，模型构建模块具体用于：

根据历史银行客户的交易数据，筛选出交易金额大于阈值的历史银行客户的交易数据；

根据筛选出的历史银行客户的交易数据构建训练集和测试集。