中小企業信用模型-营运风险预警管理.pptx

谢邦昌 辅仁大学商研所博士班所长 统计资讯系教授 中华数据挖掘协会荣誉理事长;导入数据挖掘技术于新巴塞尔协议下企业信用模型-以制造业为例;一、Basel Ⅱ;动机与目的;二、信用风险模型;信用评等的各项验证; 三、CRISP-DM;研究流程;商业理解;一、数据摘要;一、数据摘要;二、数据整并与选取;一、数据处理;数据准备：二、数据剖析与转换;三、建模变数筛选;四、数据抽样;一、抽样比例与模型方法比较;一、抽样比例与模型方法比较;二、企业违约机率模型;一、模型评估;二、模型校准;二、模型校准;三、信用评等;三、信用评等;一、回顾测试;二、模型系数之拔靴验证;二、模型系数之拔靴验证;三、标竿化测试;四、等级同构型检定;四、等级同构型检定;五、压力测试;五、压力测试;六、信用转移矩阵;结论;结论;建议;变数代码; ROC曲线 及AUC;Kolmogorov-Smironov检定;Kolmogorov-Smironov检定;吉尼系数（Gini Coefficient）;Cumulative Accuracy Profile (CAP);;CIER(Condition information entropy ratio)检定 ;CIER(Condition information entropy ratio)检定;最完美的信用评等系统能将违约受信户归于同一等级之内，而且会将正常的授信户分类于其他等级之中，此时信用评等系统会将违约信息上的不确定性完全预测出来，因此CIER等于1；对一个没有区隔能力的信用评等系统而言，每个评等等级内的违约受信户，其分配会与母体违约分配相同，此信用评等系统并无法提供额外的信息，则CIER=0。;中小企业违约机率模型建置;中小企业违约机率模型建置研究说明;中小企业违约机率模型建置挖掘模型建置;中小企业违约机率模型建置数据精细抽样;中小企业违约机率模型建置数据精细抽样;中小企业违约机率模型建置建立挖掘结构;中小企业违约机率模型建置将模型加入结构;中小企业违约机率模型建置 Microsoft判定树模型;中小企业违约机率模型建置 Microsoft判定树模型;中小企业违约机率模型建置 Microsoft判定树模型;中小企业违约机率模型建置模型的精确度;中小企业违约机率模型建置模型的评估指针;中小企业违约机率模型建置模型的分类矩阵;中小企业违约机率模型建置 Microsoft贝氏机率分类模型;中小企业违约机率模型建置 模型精确度比较;中小企业违约机率模型建置模型评估比较;运用数据挖掘技术于中国中小企业之绩效评等;文献探讨;文献探讨;文献探讨;文献探讨;文献探讨;实证分析;实证分析;实证分析;结论;三季的正确率之比较 比较三季的数据，可以发现无论是哪一季，表现最佳的是SVM支持向量机模型，整体正确率都达到八成以上，而敏感度、特异度的正确率也很高，显示出SVM支持向量机模型可以准确的公司做正确的判断。 ;