随着金融行业的国际化和规范化，中国证券市场开始步入高速发展阶段，经纪业务的开放意味着客户选择的余地越来越大。在资源有限的情况下，许多券商开始意识到客户的重要性，开始设法从竞争对手中争取客户，伴随而来的是，客户平均生命周期越来越短，客户不断流失。另外，在牛市中大家都抢着去开户，而在熊市中则可能相反，许多对市场绝望的客户纷纷离开市场。有研究证明，发展一个新客户的成本是挽留一个老客户的4倍。在白热化的市场竞争中，证券公司意识到应该转变原有的业务模式，在争取新客户的同时，更重要的是保持现有客户。本论文的目的是利用数据挖掘的技术，实现证券客户流失模型的短期商业目标:定期预测某时间段内可能流失的客户名单，供营业部参考，及时采取有效的挽留措施。　　论文以东部沿海某证券公司于2008年1月至2009年2月这一熊市阶段中的经纪业务数据为研究对象，以SAS的EM模块为主要工具，基于logistic回归的方法建立客户流失模型。按照CRISP-DM数据挖掘的方法论，以理解模型的商业目的为起点，定义目标变量和预测变量，建立和评估模型，对证券营业部客户流失模型的建立思路做一个系统论述。根据模型运行结果找出最可能影响客户流失的预测因子，并针对这些因素提出相应的对策和建议。