基于神经网络的银行长期存款客户预测研究

摘要：

因客户数据量庞大、各种理财产品的兴起和疫情的短期冲击,银行面临的压力越来越大,使用数据分析和预测方法能够更大程度提升银行的业务量.使用传统的分类树模型无法根据客户信息对可能长期存款的客户做出更加精准的预测,从而导致无法对客户进行精准营销.因此,提出了一种分三层搭建的神经网络模型.通过实验,对葡萄岛银行机构客户数据进行预测,并和传统的决策树模型、随机森林模型、Adaboost模型、XGBoost模型的预测结果进行了对比.结果表明,相比于其他四种模型,神经网络模型预测效果更好,模型评估AUC达到了0.977 7,准确率达到了99.06%.

关键词：神经网络、决策树、随机森林、Adaboost模型、XGBoost模型、精准营销

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省社会科学规划基金重点项目L19AGL010

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：91-96