客户特征对商业银行信用卡业务盈利水平的影响

第３４卷　第３期　２０１５年　３月　技　术　经　济　Ｔｅｃｈｎｏｌｏｇｙ　Ｅｃｏｎｏｍｉｃｓ　Ｖｏ１．３４。ＮＯ．３　Ｍａｒ．．２０ｌ５　客户特征对商业银行信用卡业务盈利水平的影响　王　星，金　淳，李延喜　（大连理工大学管理与经济学部，辽宁大连１１６０２４）　摘要：以中国商业银行的９２８３７个信用卡客户为研究样本，根据客户的自然特征，运用两步聚类法对之进　行分类，甄别出高盈利客户的特征。利用客户样本过去一年的交易记录测算各类客户对应的信用卡业务　的盈利水平。以能给银行信用卡业务带来高盈利的客户为例，对其特征（包括自然特征和消费行为特征）　与银行信用卡业务盈利水平的关系进行回归分析。研究结果显示：信用卡客户的自然特征和消费行为特　征与商业银行信用卡业务的盈利水平具有一定相关性。提出：商业银行应运用数据挖掘技术精准识别高　盈利客群、科学预估客户的盈利水平、合理配置营销资源以实现客户终身价值最大化。　关键词：商业银行；信用卡；客户特征；盈利水平　中图分类号：Ｆ８３Ｏ　文献标志码：Ａ　文章编号：１００２—９８０Ｘ（２０１５）０３—００９０—０７　信用卡业务是银行盈利的重要来源之一，也是　商业银行零售业务中利润最高、风险最为分散的业　１文献回顾和研究假设　１．１　生命周期理论与信用卡使用　务。统计数据显示：西方银行的信用卡业务毛利率　可达１３　左右，该业务的盈利能力远高于其他传统　业务＿１］。花旗银行的信用卡业务收益甚至为其纯利　润的三分之一［２］。可以看出，在发达国家信用卡业　务已成为商业银行收益的主要来源，其发展已相当　生命周期（１ｉｆｅ—ｃｙｃｌｅ）假说是研究用户家庭消费　行为和消费信贷行为的重要理论。Ａｎｄｏ和Ｍｏｄｉ—　ｇｌｉａｎｉ提出了生命周期模型，认为消费者试图通过　消费的跨期调节来实现生命周期内效用的最大化。　随着年龄、婚姻和子女等情况的变化，个人或家庭会　面Ｉ临不同的责任、义务和收人流，个人会根据自身情　况实施消费和借贷行为。Ａｗｈ和Ｗａｔｅｒｓ的研究结　果表明，年轻的持卡者比年老的持卡者更积极和频　繁地使用信用卡。Ａｒｏｒａ和Ｋｉｎｓｅｙ发现，中年人更　成熟。然而，从中国市场来看，大部分银行的信用卡　业务仍处于亏损状态，如何经营好客户以获得业务　盈利仍是商业银行面临的首要问题ｌ３］。　著名的“鲸鱼曲线”展示了“二八法则“，即企　业８０　的利润往往是由顶部２０　的客户创造的，　其中企业５０　的利润被３Ｏ　的非盈利客户所吞　噬。本文从客户的自然特征和消费行为特征两个　维度分析银行信用卡业务的盈利水平，即：首先利　愿意持有信用卡。Ｅｒｄｅｎｅｒ的研究也表明，中年人　是使用信用卡最多的人群。Ｋｉｎｓｅｙ、Ｍａｔｈｅｗｓ和　Ｓｌｏｃｕｍ都发现，婚姻状况是决定信用卡使用率的重　要因素。Ｗｈｉｔｅ、Ａｄｃｏｃｋ等提出，单身男性比女性更　用９２８３７个商业银行信用卡客户的数据，根据客　户的自然特征，运用两步聚类法对之进行分类以　甄别高盈利客户的特征；然后利用客户样本过去　一愿意使用信用卡。［５　基于此，本文提出假设１和假　设２。　年的交易记录测算各类客户所对应的信用卡业　假设１：客户年龄与信用卡盈利水平负相关，即　客户的年龄越大，为银行信用卡业务带来的盈利越　低，反之亦然。　假设２：男性、未婚的客户比女性、已婚的客户　务的盈利水平；最后以能给银行信用卡业务带来　高盈利的客户为例，对其特征（包括自然特征和消　费行为特征）与银行信用卡业务的盈利水平的关　系进行回归分析。本文的研究结果可帮助商业银　行提高客户营销精准度、科学配置营销资源、实现　盈利最大化的最终目标　。　收稿日期：２０１５一Ｏ１一Ｏ７　在同等条件下能为银行带来更高的信用卡业务盈利　水平。　１．２社会经济地位与信用卡使用　社会经济地位（ｓｏｃｉｏｅｃｏｎｏｍｉｃ　ｓｔａｔｕｓ）是在经济　作者简介：王星（１９８１一），女，甘肃兰州人，大连理工大学管理与经济学部博士研究生，研究方向：商业银行经营管理；金淳　（１９６３一），男，辽宁大连人，大连理工大学管理与经济学部教授，博士生导师，研究方向：物流与供应链管理、系　统仿真、信息系统集成；李延喜（１９７Ｏ一），男，辽宁大连人，大连理工大学管理与经济学部教授，博士生导师，研　究方向：行为财务、公司财务。　９０　王星等：客户特征对商业银行信用卡业务盈利水平的影响　学和社会学的框架下基于收入、教育和职业等因素　对个人或家庭社会地位的总体衡量。大量研究表　明，个人的社会经济地位对其信用卡负债行为有显　定比例范围内的提升而逐步提升，但是信用卡额度　不宜提高过多——这不仅不会使效益更好，反而有　适得其反的效果。Ｋａｒａ　Ａｌｉ、Ｅｒｄｅｎｅｒ　Ｋａｙｎａｋ和　著影响。Ｍａｔｈｅｗｓ和Ｓｌｏｃｕｍ用收入和受教育程度　衡量持卡人的社会阶层，对持卡人的社会阶层（ＳＯ－　Ｏｒｓａｙ　Ｋｕｃｕｋｅｒｎｉｒｏｇｌｕ运用联合分析（ＣＯｎｊｏｉｎｔ　ａ—　ｎａｌｙｓｉｓ）法分析了影响大学生选择信用卡的因　素——包括信贷额度、还款方式等，结果显示大学生　选择信用卡时最关注信贷利率、最高信贷额度。研　究客户的其他消费行为与其信用卡使用间关系的文　献很少，尤其鲜有文献进～步研究信用卡的消费频　ｃｉａｌ　ｃｌａｓｓ）对其信用卡负债行为的影响进行了探讨，　发现社会阶层较低的持卡人更倾向于使用信用卡的　信贷功能，社会阶层较高的持卡人更多地将信用卡　作为一种便利的支付工具。对该现象的一个可能解　释是：处于不同社会阶层的人群具有不同的推迟满　足感；与中产阶级更愿意储蓄和推迟购买的习惯不　同，社会阶层较低的消费者更容易产生冲动购买　（ｉｍｐｕｌｓｅ　ｂｕｙｉｎｇ）。［　］　然而，关于持卡人的社会经济地位与其信用卡　负债行为间关系的实证结论并不完全一致。从信用　卡负债的可能性来看：大多数研究认为持卡人的收　入和学历与其信用卡负债的可能性之间存在反向相　关关系；而Ｓｔｅｉｄｌｅ的研究结果却显示高收入者更容　易发生信用卡负债，Ｃａｎｎｅｒ也发现高教育水平和低　教育水平的消费者与中等教育水平的消费者相比更　易成为信用卡借贷者。从信用卡负债的金额来看：　Ｓｈｅｉｄｌｅ发现具有专业职位、高学历的消费者的信用　卡负债金额更高，持卡人的收人与其信用卡负债金　额之间存在反向关系；而Ｋｉｍ和ＤｅＶａｎｅｙ的研究　却显示持卡人的收入和学历都与其信用卡负债金额　正相关。由于信用卡持卡人的社会经济地位本身较　难精确衡量，并且不同国家各社会阶层的人的消费　行为存在较大差异，因此不难理解消费者的收入、学　历和职业与其信用卡负债行为之间的这种复杂关　系。［７　基于此，本文提出假设３和假设４。　假设３：客户的职务、职称、个人年收入与银行　信用卡业务的盈利水平正相关，即客户的职务越高、　职称越高、个人年收入水平越高，则银行信用卡业务　的盈利水平越高，反之亦然。　假设４：客户的受教育程度与银行信用卡业务　的盈利水平负相关，即客户的受教育程度越高，则银　行信用卡业务的盈利水平越低，反之亦然。　１．３消费行为特征与信用卡使用　除了生命周期、社会经济地位等客户的自然特　征外，国内外学者还试图从消费者行为的角度研究　信用卡使用。例如，Ｄｅｖｉｄ　Ｂ．Ｇｒｏｓｓ和Ｎｉｃｈｏｌａｓ　Ｓ．Ｓｏｕｌｅｌｅｓ发现，持卡人的信用卡负债金额随着信　用卡授信额度的增加而明显增加，这种现象在信用　卡负债金额已接近其信用额度的持卡人中表现得最　为明显。王连等分析了信用卡额度变化与银行收益　的关系，发现银行的获利能力随着信用卡额度在一　次、消费规模、持卡时间、持卡数量和拖欠级别等客　户消费行为对银行信用卡业务盈利水平的影　响ｏ￣９－１１３基于此，本文提出假设５。　假设５：客户的信用卡额度与银行信用卡业务　的盈利水平正相关，即客户的信用卡额度越高，银行　信用卡业务的盈利水平越高，反之亦然。　２　研究设计　２．１研究样本选取　本文选取商业银行的信用卡客户为研究样本，　以２０１４年７月３１日为选择样本的时间点。选择研　究样本的条件如下：第一，个人年收入在１００００元以　上，其支付能力与目前中国信用卡的卡均授信额度　（１２１００元）相匹配；第二，年龄大于等于１８岁，小于　等于６Ｏ岁。本文通过数据清洗剔除无效记录，采取　随机抽样方式最终确定了９２８３７个信用卡客户，提　取客户过去一年的交易流水数据。　２．２聚类方法选择及变量定义　本文根据客户的自然特征对９２８３７个信用卡客　户进行两步聚类，对自然特征相近的信用卡客户进　行归类。　聚类分析通常用于解决多因素、多指标的分类　问题，其基本思想是根据对象间的相关程度进行类　别聚合，所用方法大致可分为系统聚类法（ｈｉｅｒａｒ—　ｃｈｉｃａｌ　ｃｌｕｓｔｅｒ，如分层聚类法）、非系统聚类法（ｎｏｎ—　ｈｉｅｒａｒｃｈｉｃａｌ　ｃｌｕｓｔｅｒ，如快速聚类法）和两步聚类法　（ｔｏｗ　ｓｔｅｐ　ｃｌｕｓｔｅｒ）。与系统聚类法、非系统聚类法　相比，两步聚类法具有如下特征：第一，样本数据的　处理方法更为简便，用于聚类的变量可以是连续变　量，也可以是离散变量，不必像其他算法那样要求在　聚类前对离散变量做连续化处理；第二，相比其他聚　类算法，两步聚类法占用内存资源少、运算速度较　快；第三，可真正实现以统计量作为距离指标进行聚　类，并可根据一定的统计标准“自动地”建议甚至确　定最佳类别数，从而更能保障结果的正确性。　考虑到客户的自然特征包括受教育程度、单位　性质、职务、性别等，而这些变量均为离散变量，样本　９】　技术经济　第３４卷第３期　量相对较大，为便于数据处理，本文根据客户的自然　特征选择两步聚类法对客户进行分类。由于两步聚　类法主要利用距离测度，因此假设聚类模型中的变　量均为自变量，即假设连续型变量为正态分布、分类　类分析识别出的３类客户，即第１类客户、第２类客　户和第３类客户，分别命名为ＴＳＣ—ｌ、ＴＳＣ一２和　ＴＳＣ３，３类客户占比分别为１９．２　、５１．０　和　２９．６　０　０。表１中的离群者是指与上述３类客户的差　异过大、无法划入以上３类的客户样本。离群者（即　变量为多项式分布。　对分类变量和连续变量做如下定义：①分类变　量，包括受教育程度、单位性质、婚姻状况、职务、性　别、住宅情况、行业类别和职称；②连续变量，包括个　人年收入、年龄和房贷月还款额。　２．３客户特征与信用卡业务盈利水平的多元线性　回归模型　１类客户）客户占比为０．２　。已排除案例是指无　效样本，已在分析中剔除。　表１聚类分布结果　客户类别　１　Ｎ　３９６３２　组合（　）　１９．２　总计（　）　１９．１　２　１Ｏ５３０２　５１．Ｏ　５０．９　本文假设客户特征与银行信用卡业务的盈利水　平线性相关，建立如下多元线性回归模型：　Ｙ＝ａ１×－ｚ１＋ａ２×ｚ２＋ａ３×ｚ３＋ｎ４×ｚ４＋ａ５×　５聚类　３　６ｌ２１６　２９．６　２９．６　离群者（一１）　组合　已排除案例　总计　４８３　２０６６３３　３５１　２０６９８４　０．２　１００．ｏ　Ｏ．２　９９．８　０．２　ｌＯ０．０　＋ｎ６×３２８十ａ７×－ｚ７＋ｎ８×　８＋ａ９×－ｚ９＋ａ１ｏ×　１０　＋ａ１１×ｚ１１＋ａｌ　２×ｚ１２＋口ｌ３×Ｘｌ３＋ａ１４×３２１４十ａ１５×　ｌ５＋ａ１　６×ｚ１６＋ａ１７×ｚｌ７＋ａＩ８×－ｚ１８＋ｎ１９×ｚｌ９＋ａ２０　３．２　质心　×ｚ２ｏ＋　。　质心是指两步聚类算法中客户聚类分析的核心　变量，包括个人年收入、年龄和房贷月还款额（见表　２）。表２中，客户类别１、２、３及离群者（～１）的定义　１）因变量。ｙ表示银行信用卡业务盈利。　２）自变量。ｚ　表示交易金额；ｚ。表示客户所有账　户的最高拖欠级别；－ｚ。表示客户级额度；－ｚ　表示约定　还款方式；ｚ　表示单位性质；ｚ　表示贷款余额；ｚ　表示　交易笔数；－ｚｓ表示年龄；　。表示性别；　。表示住宅情　况；ｚ　表示个人年收入；ｏｚ＂　表示房贷月还款；ｚ　。表示　行业类别；ｏｒ　表示职称；ｚ　表示职务；　表示婚姻状　况；ｚ　表示受教育程度；．ｚ　表示卡片数目；ｚ　。表示最　后一次交易距目前的时间；ｚ：。表示持卡时间。　此外，　为误差项。　与表１中相同。组合是指全部样本客户。从个人年　收入来看：ＴＳＣ一２类客户的平均个人年收入最高，　其次为ＴＣＳ一３类客户，ＴＳＣ一１类客户的平均个人　年收入最低，其中ＴＳＣ一２类客户的个人年收入的波　动较大，ＴＳＣ＿３类客户的个人年收入的波动最小。从　年龄来看：ＴＳＣ一２类客户的平均年龄最大，ＴＳＣ１　类客户的平均年龄最小。从房贷月还款额来看：　ＴＳＣ２类客户的平均房贷月还款额最高、波动较　一大；ＴＳＣ１类客户的平均房贷月还款额最低、波动　３基于客户自然特征的两步聚类分析结果　３．１聚类分布　较小。　３．３聚类分布频率　表１中客户类别下的１、２、３分别指通过两步聚　根据两步聚类分析结果，本文分析各分类变量　和连续变量的聚类分布频率。　表２质心　客户类别　均值　ｌ　２　３　６５３３９．３Ｏ　９９９２５．０９　７１３９５．４３　个人年收入　标准差　５８１５４．４０１　ｌ４５８３５．１７４　４８１６１．１Ｏ５　年龄　均值　３１．４５　４６．９８　４６．１３　房贷月还款额　标准差　４．６０７　９．０９５　９．２２２　均值　３８０．４０　６２５．８２　４６３．３５　标准差　１２３９．７９２　１７９７．０４６　１３０９．２６９　离群者（一１）　组合　２７７８２３１．７８　９１１００．０１　５２３０８９６．９６３　３０５２２２．７２４　４５．１４　４３．７５　９．３９９　ｌ０．３７５　３１８５４．３８　６０３．６１　８４５２６．Ｉ４３　４６２７．３９７　１）受教育程度。ＴＳＣ一２类客户的受教育程度　普遍低于ＴＳＣ＿１类客户和ＴＳＣ一３类客户。关于受　教育程度为高中（中专）及以下客户的占比，ＴＳＣ一２　类客户的该比例高于样本总量；关于受教育程度为　其他两类客户；关于受教育程度为大学专科客户的　占比，ＴＳＣ＿１类客户的该比例高于其他两类客户。　２）单位性质。关于单位性质为事业单位的客户　的占比，ＴＳＣ一２类客户的该比例明显高于其他两类　大学本科客户的占比，ＴＳＣ一３类客户的该比例高于　９２　客户；关于单位性质为行政机关的客户的占比，ＴＳＣ　王星等：客户特征对商业银行信用卡业务盈利水平的影响　一３类客户的该比例明显高于其他两类客户。　３）婚姻状况。从未婚人群占比看，ＴＳＣ＿ｌ类客　户的该比例明显高于其他两类客户；从已婚且有子　女的客户的占比看，ＴＳＣ一２类客户和ＴＳＣ一３类客　户的该比例明显高于ＴＳＣ一１类客户和样本总量。　４）职务。从职务为职员的客户的占比看，ＴＳＣ一１　类客户的该比例明显高于其他两类客户；从职务为部　门经理及总经理的客户的占比看，ＴＳＣ一２类客户的　该比例明显高于其他两类客户ｉ从职务为科级、处级　和一般干部的客户的占比看，ＴＳＣ一３类客户的该比　例明显高于其他两类客户。　５）性别。在ＴＳＣ—ｌ类客户和ＴＳＣ一２类客户　中，男性客户普遍多于女性客户；在ＴＳＣ一３类客户　中，女性客户多于男性客户。　６）住宅情况。从住宅情况为自有房产且无贷款　的客户的占比看，ＴＳＣ一２类客户和ＴＳＣ一３类客户　的该比例明显高于ＴＳＣ一１类客户；从租房和与父母　同住的客户的占比看，ＴＳＣ一１类客户的该比例明显　高于其他两类客户。　７）行业类别。从工商业和服务贸易行业的客户　的占比看，ＴＳＣ一２类客户的该比例明显高于其他两　类客户；从金融业、电信和电力等优势行业的客户的　占比看，ＴＳＣ一１类客户的该比例明显高于其他两类　客户；从科教文卫、公共管理和社会组织行业的客户　的占比看，ＴＳＣ一３类客户的该比例明显高于其他两　类客户。　８）职称。从拥有初级职称的客户的占比看，　ＴＳＣ＿１类客户的该比例明显高于其他两类客户；从　拥有中级职称的客户的占比看，ＴＳＣ一３类客户的该　比例明显高于其他两类客户。　４银行信用卡业务盈利水平测算　４．１测算方法　本文利用以上３类客户２０１３年８月１日至　２０１４年７月３１日的交易数据测算银行信用卡业务　的盈利水平。　银行信用卡业务收入一商户回佣＋滞纳金＋取　现手续费＋超限费＋分期手续费＋利息＋年费＋其　他费用；　成本：资金成本＋运营成本＋风险成本＋经济　资本成本。　其中：　资金成本一客户日均贷款余额×ＦＴＰ价格；　运营成本一（商业银行信用卡过去一年运营总　成本／商业银行信用卡发卡量）×客户持卡数量；　风险成本一预期损失；　经济资本成本：＝：客户贷款余额ｘ经济资本系数　×经济资本最低回报率。　由于在成本核算过程中利用商业银行的总运营　成本估算单个客户的运营成本很难真实反映商业银　行对不同客户的营销费用配置水平，对客户盈利水　平的变异性较大，因此本文剔除了运营成本的影响　因素，仅用风险成本、经济资本成本和资金成本估算　单个客户成本。由于客户的日均贷款余额和预期损　失的计算过于繁琐，为简化数据处理，本文分别用数　据截取时间点的客户贷款余额和客户损失类贷款余　额替代其Ｅｔ均贷款余额和预期损失。　４．２测算结果　经测算，ＴＳＣ一２类客群对应的银行信用卡业务　总收入最高，相当于ＴＳＣ一３类客群总收入的５．４　倍，ＴＳＣ一１类客群对应的银行信用卡业务总收入相　当于ＴＳＣ一３类客群的１．１倍。　从单个客户盈利水平来看，ＴＳＣ一２类单个客户　盈利水平最高，相当于ＴＳＣ一３单个客户盈利水平的　２倍，相当于ＴＳＣ一１类单个客户盈利水平的３．９　倍。　５高盈利客户特征与银行信用卡业务　盈利水平的回归分析　５．１各类客户的自然特征分析　根据以上盈利水平测算结果，ＴＳＣ一２类客户为　商业银行信用卡业务带来的盈利最多，本文将该类　客户定义为高盈利客户。该类客户的自然特征更多　表现为受教育水平不高、已婚有子女、男性居多、职　务较高、住房压力较小、多从事工业／商业／ｌｉｐ务业贸　易工作等。该类客户的收入波动较大、风险相对较　高，能给银行带来较多盈利。　ＴＳＣ一３类客户所对应的信用卡业务盈利水平　介于ＴＳＣ２类客户与ＴＳＣ＿ｌ类客户之间。该类客　户的学历水平相对高于其他两类客户，其自然特征　表现为多从事科教文卫行业和行政工作、住房压力　小、女性客户居多。可以看出：ＴＳＣ３类客户的整　体素质优于其他两类客户，此类客户受过良好教育、　工作稳定、生活压力小、循环信用使用相对较少、风　险较低，能给银行带来持续盈利。　ＴＳＣ一１类客户所对应的信用卡业务盈利水平　最低。该类客户的较明显特征是年轻人居多、多数　未婚、有住房压力、受过普通专科教育、男性居多、金　融业／电力电气业等优势行业从业者占比较高。可　以看出，该类客户是具有较高成长性的年轻客群，具　有旺盛的消费需求，但对银行信用卡业务盈利的贡　献较少。　９３　技术经济　第３４卷第３期　５．２　高盈利客户特征与商业银行信用卡业务盈利　水平的回归结果　将ＴＳＣ一２类客户的数据代入上述多元线性回归模　型，对高盈利客户特征与商业银行信用卡业务的盈　本文以能给银行信用卡业务带来高盈利的客户　为例，对其特征（包括自然特征和消费行为特征）与　银行信用卡业务的盈利水平的关系进行回归分析。　利水平的关系进行回归分析。基于ＳＰＳＳ软件的回　归结果见表３～表６。　表３回归系数　变量　（常量）　交易金额　客户所有账户　非标准化系数　Ｂ　３５０．７１８　一ｏ．Ｏ０１　２３２．２８６　标准系数　（试用版）　标准误差　４９６．１９７　Ｏ．ＯＯＯ　３４．６３８　ｔ　Ｓｉｇ．　Ｂ的９５．ｏ　置信区间　下限　—６２２．０８９　——ｏ．００２　１　６４．３７６　上限　１３２３．５２４　一ｏ．ｏｏ１　３０Ｏ．１９５　Ｏ．７０７　—Ｏ．１３Ｏ　Ｏ．Ｏ８１　ｏ．４８０　Ｏ．ＯＯＯ　Ｏ．ＯＯＯ　一７．６８０　６．７Ｏ６　最高拖欠级别　客户级额度　ｏ．００８　Ｏ．ｏ０１　Ｏ．１２６　６．５４１　ｏ．０Ｏ０　ｏ．ｏｏ５　Ｏ．ＯｌＯ　约定还款方式　单位性质　一１ｏ０．９７５　３．３６２　ｌ３．６１６　７２．４６７　一Ｏ．Ｏ９４　Ｏ．０Ｏ１　—７．４１６　Ｏ．Ｏ４６　Ｏ．ＯＯＯ　Ｏ．９６３　一］Ｚ７．６６９　一ｌ３８．７ｌ２　—７４．２８２　１４５．４３６　贷款余额　交易笔数　年龄　性别　Ｏ．０５３　２．３４８　——１ｏ．９３８　１．７９９　ｏ．ｏｏ２　ｏ．６２３　５．０８２　８９．７４０　ｏ．５３８　Ｏ．Ｏ４８　Ｏ．Ｏ２６　Ｏ．ＯＯＯ　３２．２６５　３．７７１　—２．１５２　——ｏ．０２ｏ　ｏ．ｏｏｏ　Ｏ．ＯＯＯ　Ｏ．Ｏ３ｌ　Ｏ．９８４　ｏ．ｏ５ｏ　１．１２７　——２ｏ．９ｏ２　—１７７．７３７　Ｏ．ＯＳ７　３．５６９　——ｏ．９７５　１　７４．１３９　住宅情况　６４．３５１　６９．１２２　Ｏ．Ｏｌ２　ｏ．９３１　ｏ．３５２　—７Ｌ　１６４　ｌ９９．８６６　个人年收入　房贷月还款　行业类别　职称　ｏ．Ｏ０２　一０．０Ｏ４　——２４．９２１　一５２．９ｏ１　Ｏ．ＯＯＯ　Ｏ．Ｏ２２　２８．１１ｌ　５４．５８９　ｏ．１２４　——ｏ．ｏｏ３　Ｏ．Ｏｌ１　一Ｏ．Ｏ１３　７．５１９　——ｏ．２ｏ１　——ｏ．８８７　——ｏ．９６９　ｏ．０Ｏ０　Ｏ．８４１　Ｏ．３７５　Ｏ．３３３　ｏ．００２　——ｏ．０４７　——８ｏ．ｏ３３　—１５９．９２３　０．ｏ０３　Ｏ．０３８　３０．１　９１　５４．１２２　职务　一８．２７１　３０．９ｏｏ　—Ｏ．ＯＯ３　—０．２６８　Ｏ．７８９　—６８．８５２　５２．３ｌｏ　婚姻状况　受教育程度　卡片数目　最后一次交易　一２２．３１４　６２．４４６　２１．９２８　ｌ３１．Ｏ７４　１１４．３６９　５１．５２１　１９．８７５　１３．８７Ｏ　一Ｏ．ＯＯ２　Ｏ．Ｏ１６　Ｏ．０１　３　Ｏ．１１５　一Ｏ．１９５　１．２１２　１．１Ｏ３　—９．４５Ｏ　０．８４５　Ｏ．２２６　０．２７０　Ｏ．Ｏ００　２４６．５３８　—３８．５６１　一ｌ７．ｏ３７　—１５８．２６８　２Ｏ１．９Ｏ９　ｌ　６３．４５４　６ｏ．８９４　—１ｏ３．８８１　距目前的时间　持卡时间　６．４０９　３．３３６　Ｏ．Ｏ２４　１＿９２１　Ｏ．Ｏ５５　——０．１３２　１　２．９５０　表４模型汇总结果　Ｒ　０．６５５ａ　Ｒ２　０．４２９　调整Ｒ０　Ｏ．４２７　标准估计　的误差　２７０８．４５８３０　更改统计量　Ｒ０更改　Ｏ．４２９　Ｆ更改　１５８．９７４　ｄｒ１　２Ｏ　ｄｒ２　４２２６　Ｓｉｇ．Ｆ更改　Ｏ．ＯＯＯ　表５　Ｆ检验结果　平方和　回归　２．３３２Ｅ＋１０　ｄｆ　２Ｏ　均方　Ｆ　Ｓｉｇ．　Ｏ．Ｏ０Ｏａ　１．１６６Ｅ＋Ｏ９　１５８．９７４　盈利客户特征与该类客户所对应的银行信用卡业务　盈利水平的回归模型可表示为：　Ｙ一０．１３０×ｚ１＋０．０８１×　２＋０．１２６×　３—　残差　３．１００Ｅ＋１０　４２２６　７．３３６Ｅ＋０６　总计　５．４３２Ｅ＋１０　４２４６　０．０９４×ｚ４＋０．００１×　５＋０．５３８×　６＋０．０４８×．７２７　０．０２６　Ｘ　ｚ８＋０．００１×　９＋０．０１２×　ｊ０十０．１２４×　１ｌ一０．００３×ｚ１２—０．０１１×．３２ｌ　３—０．０１３×　ｌ‘…　表６残差统计量（Ｎ＝４２４７）　极小值　预测值　残差　标准预　极大值　均值　标准偏差　一８Ｏ３９．００８８　４１６５９．０１９５　１３７０．９１８６　２３４３．７４３５３　一２９８２５．９３１６４　５２３７６．８８２８１　０．ＯＯＯＯＯ　２７０２．０７１９２　４．０１５　１　７．１　９０　Ｏ．ＯＯＯ　１．０ＯＯ　０．００３×　ｌ　５—０．００２×　ｌ６＋０．０ｌ６×　ｌ　７斗０．０ｌ３×　ｚｌ　８—０．１１５×．７２１　９＋０．０２４×　２０＋３５０．７２　以上回归结果表明：客户年龄与银行信用卡业　测值　标准残差　一１１＿Ｏ１２　１９．３３８　０．０００　Ｏ．９９８　务盈利水平负相关，从而验证了假设ｌ；男性、未婚　的客户比女性、已婚的客户在同等条件下能为银行　带来更高的盈利水平，从而验证了假设２；银行信用　卡业务的盈利水平与客户的职务、职称和个人年收　调整回归模型后，Ｒ。值为０．４２７，Ｆ值统计量为　１５８．９７４，且都在０．０１的水平下显著。据此，可认为　模型总体上通过了显著性检验，模型设定有效。高　９４　入与正相关，与客户的受教育程度负相关，从而验证　王　星等：客户特征对商业银行信用卡业务盈利水平的影响　了假设３和假设４；客户的信用卡额度与银行信用　卡业务的盈利水平正相关，从而验证了假设５。　此外，回归结果还显示出更多的客户特征与银　行信用卡业务盈利水平的相关信息。在客户自然特　征方面：客户的单位性质越趋于稳定，客户为银行带　来的盈利水平越低；客户所在行业越具有优势，客户　为银行带来的盈利水平越高。在消费行为特征方　面：客户的贷款余额、交易笔数、卡片数目、持卡时间　和拖欠级别与信用卡业务的盈利水平均正相关；客　户的交易金额、最后一次交易距目前的时间与信用　卡业务的盈利水平负相关；采用约定还款方式还款　的客户比采用非约定还款方式还款的客户为银行带　来的盈利要少。　从模型中自变量的Ｓｉｇ值来看，客户的自然特　征变量对银行信用卡业务盈利水平的影响的显著性　普遍低于其消费行为特征变量，说明商业银行信用　卡业务的盈利水平受客户消费行为特征的影响更　大。这也很好地解释了回归分析结果与聚类分析结　果中关于高盈利客户的自然特征不完全一致的原　因：聚类分析中的高盈利客户多为已婚有子女、多来　自工商业和服务贸易业等竞争性行业；而回归分析　中未婚人群及来自金融、电力等优势行业的客户能　为银行贡献更多盈利。由于各客户特征变量对信用　卡业务盈利水平的影响程度不同，其中客户的消费　行为特征的影响更大，因此，即使客户的自然特征未　能完全吻合回归结果中高盈利客户的自然特征，仍　能为商业银行带来较高盈利。　根据以上方法还可分别对ＴＳＣ一１类客户和　ＴＳＣ一３类客户所对应的银行信用卡盈利水平与客　户特征进行回归分析，限于篇幅不再赘述。　６　结论　本文通过聚类分析将银行信用卡客户按照自然　特征分为３类，通过测算３类客户所　应的银行信　用卡业务盈利水平，识别出能带来最高盈利水平的　信用卡客户并甄别出其自然特征，以便商业银行在　开展客户营销时能根据客户的自然特征快速锁定高　盈利的目标客户。进而本文建立客户特征（自然特　征和消费行为特征）与银行信用卡业务盈利水平的　回归模型对两者的关系进行回归分析，以方便商业　银行根据客户特征准确预测客户级盈利水平。　本文通过聚类分析得出的高盈利客户的自然特　征为教育水平不高、多来自工商业和服务贸易行业、　收入波动较大等，这些特征与传统观念上的信用卡　优质客户（如公务员、国有大中型企业员工等）存在　很大差异。其主要原因在于：ＴＳＣ一２类客户的教育　水平不高、理财意识不强、收入波动性大、循环信贷　需求更高、多采取最小还款额还款或分期付款、能为　银行带来更多利息及手续费收入。从国外信用卡发　展情况来看，信用卡已从之前的消费支付方式演变　成消费信贷工具，循环信用、分期付款等类信贷业务　发展非常迅速，因此信贷需求更高的客户能给银行　的信用卡业务带来更高收益。而传统观念下的信用　卡优质客户——ＴＳＣ一３类客户呈现出高学历、在行　政机关工作、工作稳定、收入波动小、多为女性等特　征，虽然其风险水平相对较低，但是对商业银行盈利　的贡献也较低。这是因为：此类客户受过良好教育、　理念观念更强、收入稳定、更愿意享用信用卡免息还　款期、很少使用循环贷款或分期付款，虽然其风险水　平很低，但是对银行资金成本、运营成本和营销资源　的占用非常高，为银行带来的盈利相对有限。　本文的研究结果颠覆了商业银行传统的信用卡　经营理念——从风险导向转向客户终身价值最大化　导向，在客户定位方面也与传统经营理念存在一定　差异，即传统观念下的高风险客户反而成为能给银　行带来高盈利的价值客户，而传统观念下的优质客　户却成为寄生型低盈利客户。本文对客户的自然特　征和消费行为特征与银行信用卡业务盈利水平间关　系的讨论和验证，很好地统一了已有的研究结论，弥　补了现有研究的不足，丰富了信用卡客户特征的相　关研究，对于深入分析商业银行信用卡业务的经营　行为具有借鉴价值ｌ１引。　参考文献　［１］梁万泉．信用卡盈利模式的比较与借鉴［Ｊ］．现代金融，　２００９（４）：１４．　［２３中国银行业协会银行卡专业委员会．中国信用卡产业发　展蓝皮书（２０１２）［Ｍ］．北京：中国金融出版社，２０１３．　［３］苏宁，许罗德．中国银行卡产业发展报告［Ｍ］．上海：上　海文化出版社，２０１３．　［４］　ＮＥＳＳ　Ｊ　Ａ．Ｔｈｅ　ｒｏｌｅ　ｏｆ　ＡＢＭ　ｉｎ　ｍｅａｓｕｒｉｎｇ　ｃｕｓｔｏｍｅｒ　ｖａｌｕｅ　（ｐａｒｔ　ｏｎｅ）ＥＪ］．Ｓｔｒａｔｅｇｉｃ　Ｆｉｎａｎｃｅ，２００１，３８（３）：３２　３７．　Ｅｓ］黄卉，沈红波．生命周期、消费者态度与信用卡使用频率　ＥＪ］．经济研究，２０１０（１）：１０８一ｌｌ７．　［６］　江明华，任晓炜．信用卡持卡者人Ｅｌ统计特征及透支行为　关系的实证研究［Ｊ］．金融研究，２００４（４）：１０６　１１７．　Ｅ７３沈红波，黄卉，廖理．中国信用卡市场持卡人透支行为研　究［Ｊ］．统计研究，２０１３（１０）：６１　６７．　［８］　Ｗａｎｇ　Ｌｉｌｉ，Ｌｕ　Ｗｅｉ，Ｍａｌｈｏｔｒａ　Ｎ　Ｋ．Ｄｅｍｏｇｒａｐｈｉｃｓ，ａｔｔｉ—　ｔｕｄｅ，ｐｅｒｓｏｎａｌｉｔｙ　ａｎｄ　ｃｒｅｄｉｔ　ｃａｒｄ　ｆｅａｔｕｒｅｓ　ｃｏｒｒｅｌａｔｅ　ｗｉｔｈ　ｃｒｅｄｉｔ　ｃａｒｄ　ｄｅｂｔ［Ｊ］．Ｅｃｏｎｏｍｉｃ　Ｐｓｙｃｈｏｌｏｇｙ，２０１０（３２）：１７９　１９３．　Ｅ９］　胡少华．信用卡市场消费者行为研究文献综述［Ｊ］．新金　融，２００５（１０）：５７—６２．　［１０］ＳＴＡＮＧＯ　Ｖ．Ｐｒｉｃｉｎｇ　ｗｉｔｈ　ｃｏｎｓｕｍｅｒ　ｓｗｉｔｃｈｉｎｇ　ｃｏｓｔ：ｅｖｉ一　９５　技术经济　ｄｅｎｃｅ　ｆｒｏｍ　ｔｈｅ　ｃｒｅｄｉｔ　ｍａｒｋｅｔ［Ｊ］．Ｔｈｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｄｕｓｔｒｉ—　ａｌ　Ｅｃｏｎｏｍｉｃｓ，２００２（１２）：４７５－４９２．　第３４卷Ｂａｎｋｉｎｇ￣Ｆｉｎａｎｃｅ，２００６（３０）：１６５３—１６８５．　第３期　［１２］ＲＵＳＴ　Ｒ　Ｔ，ＬＥＭＯＮ　Ｋ　Ｎ，ＺＥＩＴＨＡＭＬ　Ｖ　Ａ．Ｒｅｔｕｒｎ　ｏｎ　ｍａｒｋｅｔｉｎｇ：ｕｓｉｎｇ　ｃｕｓｔｏｍｅｒ　ｅｑｕｉｔｙ　ｔｏ　ｆｏｃｕｓ　ｍａｒｋｅｔｉｎｇ　［１１］ＣＡＬＥＭ　Ｐ　ｓ，ＧＯＲＤＹ　Ｍ　Ｂ．Ｓｗｉｔｃｈｉｎｇ　ｃＯＳｔＳ　ａｎｄ　ａｄｖｅｒｓｅ　ｓｅｌｅｃｔｉｏｎ　ｉｎ　ｔｈｅ　ｍａｒｋｅｔ　ｆｏｒ　ｃｒｅｄｉｔ　ｃａｒｄｓ：ｎｅｗ　ｅｖｉｄｅｎｃｅ［Ｊ］．　ｓｔｒａｔｅｇｙ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｒｋｅｔｉｎｇ，２００４，６８（１）：２３—５３．　Ｉｍｐａｃｔ　ｏｆ　ＣｕｓｔｏｍｅＣｓ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｎ　Ｐｒｏｆｉｔａｂｉｌｉｔｙ　ｏｆ　Ｃｏｍｍｅｒｃｉａｌ　Ｂａｎｋ＇ｓ　Ｃｒｅｄｉｔ　Ｃａｒｄ　Ｂｕｓｉｎｅｓｓ　Ｗａｎｇ　Ｘｉｎｇ，Ｊｉｎ　Ｃｈｕｎ，Ｌｉ　Ｙａｎｘｉ　（Ｆａｃｕｌｔｙ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ　ａｎｄ　Ｅｃｏｎｏｍｉｃｓ，Ｄａｌｉａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ　Ｌｉａｏｎｉｎｇ　１　１　６０２４。Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｃｈｏｏｓｉｎｇ　９２８３７　ｃｒｅｄｉｔ　ｃａｒｄ　ｃｕｓｔｏｍｅｒｓ　ａｓ　ｔｈｅ　ｓａｍｐｌｅ，ｔｈｉｓ　ｐａｐｅｒ　ｕｓｅｓ　ａ　ｔｗｏ—ｓｔｅｐ　ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ　ｔｏｏｌ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｔｈｅ　ｎａｔｕｒａｌ　ｃｈａｒ　ａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｈｉｇｈ—ｐｒｏｆｉｔ　ｃｕｓｔｏｍｅｒｓ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｃｕｓｔｏｍｅｒ＇ｓ　ｎａｔｕｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｅｎ　ｉｔ　ＵＳｅＳ　ｔｈｅ　ｃｕｓｔｏｍｅｒｓ＇ｔｒａｎｓａｃｔｉｏｎ　ｒｅｃｏｒｄｓ　ｉｎ　ｌａｓｔ　ｙｅａｒ　ｔｏ　ｍｅａｓｕｒｅ　ｔｈｅ　ｐｒｏｆｉｔ　ｌｅｖｅｌ　ｏｆ　ｂａｎｋ＇ｓ　ｃｒｅｄｉｔ　ｃａｒｄ　ｂｕｓｉｎｅｓｓ．Ａｎｄ　ｉｔ　ｓｔｕｄｉｅｓ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｎａｔｕｒａｌ　ａｎｄ　ｂｅｈａｖｉｏｒａ１　ｃｈａｒａｃｔｅ　ｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　ｈｉｇｈ－ｐｒｏｆｉｔ　ｃｕｓｔｏｍｅｒｓ　ａｎｄ　ｔｈｅ　ｐｒｏｆｉｔ　ｌｅｖｅｌ　ｏｆ　ｂａｎｋ＇ｓ　ｃｒｅｄｉｔ　ｃａｒｄ　ｂｕｓｉｎｅｓｓ　ｔｈｒｏｕｇｈ　ｔｈｅ　ｒｅｇｒｅｓｓｉｏｎ　ａｎａｌｙｓｉｓ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ａｓ　ｆｏｌｌｏｗｓ：ｔｈｅｒｅ　ｉｓ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｃｒｅｄｉｔ　ｃａｒｄ　ｃｕｓｔｏｍｅｒｓ　ｎａｔｕｒａｌ　ａｎｄ　ｂｅｈａｖｉｏｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｎｄ　ｔｈｅ　ｃｏｍｍｅｒｃｉａｌ　ｂａｎｋｓ　ｃｒｅｄｉｔ　ｃａｒｄ　ｐｒｏｆｉｔｓ．Ｆｉｎａｌｌｙ．ｉｔ　ｓｕｇｇｅｓｔｓ　ｔｈａｔ　ｃｏｍｍｅｒｃｉａｌ　ｂａｎｋｓ　ｓｈｏｕｌｄ　ｕｓｅ　ｔｈｅ　ｄａｔａ　ｍｉｎｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ　ｔｏ　ｉｄｅｎｔｉｆｙ　ｈｉｇｈ—ｐｒｏｆｉｔ　ｃｕｓｔｏｍｅｒｓ。ａｎｄ　ｆｏｒｅｃａｓｔ　ｃｕｓｔｏｍｅｒ＇ｓ　ｐｒｏｆｉｔａｂｉｌｉｔｙ　ｓｃｉ　ｅｎｔｉｆｉｃａｌｌｙ，ａｎｄ　ａｌｌｏｃａｔｅ　ｍａｒｋｅｔｉｎｇ　ｒｅｓｏｕｒｃｅｓ　ｒａｔｉｏｎａｌｌｙ　ｔｏ　ａｃｈｉｅｖｅ　ｔｈｅ　ｍａｘｉｍｉｚａｔｉｏｎ　ｏｆ　ｃｕｓｔｏｍｅｒ　ｌｉｆｅｔｉｍｅ　ｖａｌｕｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｏｍｍｅｒｃｉａｌ　ｂａｎｋ；ｃｒｅｄｉｔ　ｃａｒｄ；ｃｕｓｔｏｍｅｒ＇ｓ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ；ｐｒｏｆｉｔａｂｉｌｉｔｙ　（上接第６２页）　Ｅｍｐｉｒｉｃａｌ　Ａｎａｌｙｓｉｓ　ｏｎ　Ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ＦＤＩ　ａｎｄ　Ｕｒｂａｎ—Ｒｕｒａｌ　Ｉｎｃｏｍｅ　Ｇａｐ　ｕｎｄｅｒ　Ｃｏｎｔｅｘｔ　ｏｆ　Ｕｒｂａｎ—Ｒｕｒａｌ　Ｃｏｏｒｄｉｎａｔｉｎｇ　Ｄｅｖｅｌｏｐｍｅｎｔ：　Ｂａｓｅｄ　ｏｎ　Ｄａｔａ　ｏｆ　Ｇｕａｎｇｄｏｎｇ　Ｐｒｏｖｉｎｃｅ　Ｙａｎ　Ｄｏｎｇ　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｅｃｏｎｏｍｉｃｓ，Ｓｈｅｎｚｈｅｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｚｈｅｎ　５１８０６０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔａｋｉｎｇ　Ｇｕａｎｇｄｏｎｇ　ｐｒｏｖｉｎｃｅ　ｗｉｔｈ　ｔｈｅ　ｈｉｇｈｅｓｔ　ｄｅｇｒｅｅ　ｏｆ　ｏｐｅｎｎｅｓｓ　ａｓ　ｔｈｅ　ｅｘａｍｐｌｅ，ｔｈｉｓ　ｐａｐｅｒ　ｅｘａｍｉｎｅｓ　ｔｈｅ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ＦＤＩ　ａｎｄ　ｕｒｂａｎ—ｒｕｒａｌ　ｉｎｃｏｍｅ　ｇａｐ．Ｔｈｅ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ａｓ　ｆｏｌｌｏｗｓ：ＦＤＩ　ｉｓ　ｓｔｉｌｌ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｆａｃｔｏｒ　ｉｎｆｌｕｅｎｃｉｎｇ　ｔｈｅ　ｕｒｂａｎ—ｒｕｒａｌ　ｉｎｃｏｍｅ　ｇａｐ　ｉｎ　Ｇｕａｎｇｄｏｎｇ　ｐｒｏｖｉｎｃｅ；ｔｈｅｒｅ　ｉｓ　ａ　ｌｏｎｇ—ｔｅｒｍ　ｓｔａｂｌｅ　ｅｑｕｉｌｉｂｒｉｕｍ　ｒｅｌａｔｉｏｎｓｈｉｐ　ａｎｄ　Ｇｒａｎｇｅｒ　ｃａｕｓａｌｉｔｙ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ｔｈｅｍ；ＦＤＩ　ｉｓ　ｔｈｅ　Ｇｒａｎｇｅｒ　ｃａｕｓｅ　ｏｆ　ｕｒ　ｂａｎ～ｒｕｒａｌ　ｉｎｃｏｍｅ　ｇａｐ　ｉｎ　Ｇｕａｎｇｄｏｎｇ　ｐｒｏｖｉｎｃｅ，ａｎｄ　ｔｈｅ　ｉｎｃｒｅａｓｅ　ｏｆ　ＦＤＩ　ｂｙ　１　ｗｏｕｌｄ　ｍａｋｅ　ｎａｒｒｏｗ　ｔｈｅ　ｕｒｂａｎ—ｒｕｒａｌ　ｉｎｃｏｍｅ　ｇａｐ　ｉｎ　Ｇｕａｎｇｄｏｎｇ　ｐｒｏｖ　ｉｎｃｅ　ｂｙ　０．０８９４　．　Ｋｅｙ　ｗｏｒｄｓ：ｕｒｂａｎ—ｒｕｒａｌ　ｉｎｃｏｍｅ　ｇａｐ；ＦＤＩ；ｅｃｏｎｏｍｉｃ　ｄｅｖｅｌｏｐｍｅｎｔ　ｌｅｖｅｌ　９６