现代市场经济的一切活动都是建立在信用的基础之上的。随着信用经济的蓬勃发展，保险业也迅速崛起，和银行业、证券业一起构成我国金融市场的三大支柱。然而，在保险保费规模越来越大的同时，由于保险业务结构不合理以及投保人和保险人之间的信息不对称，退保的现象也频频发生。不管对于投保的客户来说，还是保险公司，退保都会给他们带来一定的损失，甚至退保可能会阻碍整个保险行业的发展。因此，降低退保率，使退保率维持在一个适当的范围内对整个保险市场的健康快速发展是至关重要的。　　 为了降低退保率，本文从保险人的角度出发，采用评分卡模型建立了一套操作性很强的方法，来甄别出那些退保倾向性比较大的客户，从而保险公司可以提前为客户制定出挽留策略，以尽量挽留住这些客户，从而降低退保率。本文首先分别建立观察窗口和表现窗口，客户在观察窗口的行为将用于产生模型所需的自变量，客户在表现窗口的行为用于产生模型的因变量，然后根据窗口的设定进行样本选择，我们最终选择了39，095个客户进入模型；第二，尽可能找出一切影响退保的因素，作为模型的自变量，因变量即是标志客户是否退保的属性变量，退保为1，否则为0；第三，对每个自变量按其取值范围将这些客户分为20个组，并计算每组退保的比率，进而计算出每个客户的权重值(woe值)；第四，对这些权重值进行Logistic回归，得到预测值，即每个客户退保的概率值，并对这些概率值做一个变换即得到每个客户的分数，分数越高表明退保概率越大，从而可以直观地看出哪些客户退保倾向性比较高；第五，对退保行为进行细化研究，按购买保险后退保时间的长短将客户分为4个信用等级，用多元有序累积Logistic回归模型预测客户属于各个信用等级的概率，研究年龄、工作性质、婚姻状况、籍贯等因素对于客户信用等级的影响。由于国内保险公司数据库系统不够完善，本文所用的数据来自于泰国某保险公司的客户数据，但本文的方法完全适用于国内保险市场。