基于半参数方法进行拒绝推断的信用评级模型.PDFVIP

第30卷第 10期 管理评论 Vol. 30,No. 10 2018年10月 Management Review Oct.,2018 基于半参数方法进行拒绝推断的信用评级模型 1,2 2 夏利宇 　 何晓群 (1.国网能源研究院有限公司,北京 102209; 2.中国人民大学应用统计科学研究中心,北京 100872) 摘要:拒绝推断可视为因变量非随机缺失问题的特例,它处理信用评级建模中由于被拒客户的 信用表现未知,样本偏差导致的参数估计有偏问题。 本文基于Kim和Yu2011年提出的非随机 缺失下均值泛函的半参数估计模型,提出处理拒绝推断的迭代半参数法。 运用此方法在5类缺 失情形下进行模拟研究,并对Australian数据和中国某银行的征信数据进行实证研究。 结果表 明,与常用方法相比,迭代半参数法可以有效地识别被拒绝申请者中的“坏”客户,降低金融机 构的违约风险,是一种相对保守的方法。 关键词:信用评级模型;拒绝推断;半参数估计;非随机缺失 引　 言 信用评级是通过构建模型对贷款申请者的违约风险进行预测,并划分申请者信用等级的技术。 在评级结 果的基础上,结合贷款政策的调整,金融机构可以判断申请者的“好”与“坏”,做出批准或拒绝申请的决策。 当前,信用评级模型已经广泛应用于银行等金融机构,作为其识别“坏”客户,规避贷款违约风险的有力手段。 构建信用评级模型时,征信数据往往是具有删失结构的非完备数据,即金融机构的数据库中虽有所有贷款申 请者的特征属性信息,但仅有贷款获批申请者的信用表现记录,而缺失贷款被拒申请者的信用表现记录。 在 统计模型的构建过程中,需考虑建模样本的选择机制,样本选择性偏差容易导致参数估计的有偏与非一致。 同理,构建信用评级模型时排除被拒绝的申请者,仅将贷款获批申请者作为训练样本,建模样本与目标样本的 不一致将导致模型参数估计有偏,无法做出准确的判断,易造成金融机构的经济损失。 利用统计方法推断贷 款被拒客户的信用表现,获得信用评级模型的无偏估计,是银行等金融机构不得不面对的拒绝推断问题。 理论角度上,拒绝推断可以处理信用评级领域中的删失结构数据,该类数据结构可归因于因变量非随机 [1] 缺失。 Rubin 根据因变量缺失概率是否受到其自身和自变量两类因素影响,将数据缺失机制划分为随机缺 失、完全随机缺失和非随机缺失三类。 在随机缺失与完全随机缺失的情况下,因变量的缺失与其自身无关,统 计推断不受缺失机制的影响,缺失机制可忽略,删除含缺失数据的样本不影响建模效果。 但在非随机缺失的 情况下,因变量的缺失与其自身和自变量均有关,不完备的样本不再适合推断总体的性质,建模时必须考虑样 本的缺失机制。 金融机构预估贷款申请者未来的信用表现,根据评级结果决定是否批准其贷款申请,这一过 程是有选择而非随机的。 被拒申请者信用表现的缺失机制应视为非随机缺失,可以采用处理非随机缺失数据 的方法解决拒绝推断难题。 [2] [3] 在信用评级领域的实践中,仍有部分金融机构采用直接删除法构造信用评级模型,Boyes等 、Greene 、 [4] Jacobson和Roszbach 在理论上均已证明仅使用贷款获批申请者的样本数据建立信用评级模型,样本选择性 偏差会产生估计偏差,加入申请被拒样本将显著提高模型的有效性。 充分认识到样本选择偏差给信用评级模 型带来的影响,实践中一些金融机构采用信息补充的方法,即通过增加被拒申请者的信用表现来降低数据的 选择性偏差,如部分金融机构在较短时间内接受本应被拒绝的申请者,完成信用表现的短期试错模拟过程;通 过多方机构合作的形式,整合和共享信用记录数据库。 当然,针对具有删失结构的信用记录数据,也有一些统 - -