随着国内商业银行零售业的迅速发展,信用卡发行量也在逐年迅猛增长,信用卡客户必定会成为商业银行的重要利润来源。保持和提高信用卡客户忠诚作为银行客户关系管理所追求的一个主要目标,也已经成为学者们研究的热点问题。近年来国内外有关客户忠诚度的研究多趋向于实证型研究,集中讨论不同行业中客户忠诚度的关键决定因素和环境影响变量。有关客户忠诚度的预测型研究还是一个较为新颖的领域,特别是基于交易数据的客户忠诚预测研究。本文根据真实的商业银行信用卡客户交易数据在客户忠诚预测研究上进行了一定的开创性工作,并提出了一种基于神经网络技术的信用卡客户忠诚预测模型。论文的主要工作及成果包括:1.在充分调研基础上,对国内某商业银行真实的信用卡客户交易数据进行了数据清洗、交易记录合并等必要的预处理工作;深入分析了问卷调查形式的不足,提出了基于客户客观属性数据的客户忠诚度评价指标体系。2.提出了一种基于反向传播(BP)神经网络的客户忠诚预测模型,通过大量实验调整模型参数、比较不同训练算法的优劣,并在国内某商业银行真实的信用卡客户交易数据上进行了验证,达到了良好的预测精度。3.应用概率神经网络(PNN)、支持向量机(SVM)和决策树(DT)等典型数据挖掘技术分别建立了客户忠诚预测模型,并将几种预测模型进行了深入地对比研究。实验结果表明,基于BP神经网络的客户忠诚预测模型在整体测试样本预测正确率和高忠诚客户测试样本预测正确率两方面效果最好。4.针对基于BP神经网络的客户忠诚预测模型进行了规则提取工作,应用BIO-RE算法提取出了一系列直观的客户忠诚预测规则,增强了预测模型的可解释性,且对银行决策者具有一定的参考价值。