近年来,国家制定了一系列政策来支持保险业的发展,车险业务也迎来巨大爆发。但受新车销量增速放缓以及“商车费改”的影响,车险的市场竞争也愈演愈烈。由于车险的功能相似,同质性比较严重,为了进一步扩大市场规模,不少保险公司不惜在销售渠道上投入更高的费用,使得综合费用率越来越高。这种不合理的竞争方式,制约了车险市场的健康有序发展,一些保险公司甚至因此连续亏损,这与车险改革的初衷背道而驰。客户流失是各行各业都面临的问题,开发一个新客户的成本远远高于维持一个老客户的成本,保留和满足现有客户比吸引新客户更加有利。因此对于保险公司而言,提高续保率,减少已有客户的流失,是盈利的关键。利用公司掌握的信息建立客户流失预测模型进行分析,实际上是希望在客户做出决策前预测客户最可能发生的行为,并选择是否对客户的行为作出干预,是理论指导实践的过程。客户流失预测的方法有很多,但随机森林有着不可比拟的优势:较少的参数调整;不必担心过度拟合;即使数据集中存在大量的噪音同样可以取得很好的预测性能。因此本文在众多模型中,选择随机森林算法预测保险公司的客户在下一年是否会流失。全文总共分成五个章节来研究财险公司的客户流失问题。第一章首先阐明了在新车销量增速放缓以及“商车费改”的背景下,研究保险公司客户流失的意义,接着比较系统地梳理了国内外学者关于客户流失研究的相关文献,最后阐明了论文采用的研究方法、可能存在的创新与不足。第二章重点介绍了客户生命周期理论、行业以及T公司的车险续保现状,接着进一步讨论了续保对公司和客户的重要价值。第三章为理论阐述部分,从基础的决策树开始,了解了决策树的形成、剪枝过程;然后阐述了随机森林与Logistic模型的相关理论,并将两者进行了比较。第四章为实证部分。选用T财险公司的部分投保数据,经过预处理、特征选择、调参等建立了随机森林模型,作为对比,同时还建立了Logistic回归模型,以及未进行特征选择的随机森林模型。通过模型比较发现,不作特征选择的随机森林泛化能力最好,优于Logistic回归模型,同时也验证了随机森林的其它方面的优势。第五章简单总结全文的主要工作,说明尚存在的不足。最后基于随机森林输出的变量重要性结果,给出了相应的客户挽留建议。