武振昆的logistic判别模型在风险管理中的应用自动保存的1.docxVIP

logistic判别模型在风险管理中的应用 Application of Logistic Model to the Risk Management Analysis 学院：经济学院 班级：金融三班 姓名：武振昆 学号指导教师：花秋玲 日期：2012年12月 logistic判别模型在风险管理中的应用 武振昆 （经济学院 金融三班 指导教师:花秋玲） 摘要：logistic模型又称logistic回归分析，是多元回归分析的拓展，其因变量不是连续的变量；在logistic分析中，因变量是分类的变量；logistic和probit回归皆为定性回归方程的一种；他们的特点就在于回归因变量的离散型而非连续型。Logistic回归又分为binary和multinominal两类,模型主要在流行病学中应用较多，根据危险因素预测某疾病发生的概率等等,logistic模型目前主要还应用在我国商业银行信用风险管理中，因为在信贷风险管理上的模型方法还很落后，而恰好我国商业银行的信贷数据满足logistic模型的要求，因此logistic模型在信贷风险管理中占有一定地位，本文借用由财经报提供的数据，用logistic模型进行预测，并通过未来数据对预测结果进行检验。 关键词：logistic模型，违约率，违约企业，非违约企业 一、引言 进入20世纪80年代以来，logistic回归分析法逐步取代了传统的判别分析法。这种方法不仅本身灵活简便，而且它的许多前提假设比较符合经济现实和金融数据的分布规律，譬如它不要求模型变量间具有线性的相关关系，不要求变量服从协方差矩阵相等和残差项服从正态分布等，这使得模型的分析结果比较客观。同时，具体公司数据带入模型之后得到的是一个概率值，在实际使用中简单方便。结合我国商业银行信用风险管理及上市公司财务数据的现状，前提假设及对数据的要求相对符合经济现实的logistic模型更加适合我国企业信用风险的度量和管理研究。 一、方法理论 1.1、Logistic回归原理 Logistic回归模型描述的是概率P与协变量之间的关系，考虑到P的取值在0----1之间，为此要首先把logistic变换为，使得它的取值在之间，然后建立logistic回归模型： P=p(Y=1) = Logistic回归模型的数据结构： 观察值个数 取1的观察值个数 取0的观察值个数 协变量的值 N1 r1 n1-ri ……………………… N2 r2 n2-r2 ………………………. . . . . . . . . Nt rt nt-rt ………………………. 根据数据，得到参数的似然函数 使用迭代算法可以求得的极大似然估计。 1.2、含名义数据的logistic模型 婚姻状况是名义数据，分为四种情形：未婚、有配偶、丧偶、离婚；在建立logistic模型时，定义变量M1、M2、M3，使得 （M1=1，M2=0，M3=0）表示未婚； （M1=0，M2=1，M3=0）表示有配偶 （M1=0，M2=0，M3=1）表示丧偶 （M1=-1，M2=-1，M3=-1）表示离婚 也可以将三变量定义为 （M1=1，M2=0，M3=0）表示未婚； （M1=0，M2=1，M3=0）表示有配偶 （M1=0，M2=0，M3=1）表示丧偶 （M1=0，M2=0，M3=0）表示离婚 一般来说，只要矩阵 非奇异，可以定义 （M1=a1，M2=b1，M3=c1）表示未婚； （M1=a2，M2=b2，M3=c2）表示有配偶 （M1=a3，M2=b3，M3=c3）表示丧偶 （M1=a4，M2=b4，M3=c4）表示离婚 1.3、含有有序数据的logistic回归 文化程度是有序的定性变量，他有一个顺序，由低到高为文盲、小学、中学、高中、中专；大学。常用数字来表示顺序变量，例如用0、1、2、3、4、5表示文化程度由低到高。 1.4、multinominal多项logistic回归模型 以上讨论的都是二值logistic回归，实际问题中有许多响应变量是多值的情形，这时就需要用到多值logistic