- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
信用评分模型分析论文
一、信用评分概况
信用评分模型作为信用风险管理的基础和核心,无论是对于建立
社会征信体系还是对于金融机构的信贷资产管理,都有着不行替代的
作用。其主要目的,在于尽量将能够猜测借款人将来行为的指标加以
整合,并统一成可以比较的单一指标,以显示借款人在将来特定时间内
违约的可能性,全部的信用评分模型,无论接受什么理论或方法,其最
终目的都是将贷款申请者的信用级别分类。为达到分类目的。当前,
对个人信用评分模型的定义有多种,较为权威的种观点认为:“信用评
分是猜测贷款申请人或现有借款人违约可能性的一种统计方法。”这
一观点指出了信用评分的作用和目的,不过随着信用评分模型的不断
进展,信用评分已不仅是一种统计方法,也包含了运筹学,如数学规划
法、非线性模糊数学(如神经网络方法)等。此外,信用评分的实际操作
应用也与决策原则紧密相关,决策原则事实上打算了信用评分模型实
现其目的和作用的程度。因此,对个人信用评分模型这一数学工具在
金融和银行业中的应用来说,较为全面和恰当的定义应是,“信用评分
是运用数学优化理论(包括统计方法、运筹方法等),依照即定原则或策
略(损失最小原则或风险溢价原则),在数据分析决策阶段区分不同违
约率水平客户的方法。
二、各类信用评分模型概述
1.判别分析模型
1
判别分析法是对争辩对象所属类别进行判别的一种统计分析方
法。进行判别分析必需已知观测对象的分类和若干表明观测对象特征
的变量值。判别分析就是要从中筛选出能供应较多信息变量并建立判
别函数,使推导出的判别函数对观测样本分类时的错判率最小。这种
方法的理论基础是样本由两个分布有显著差异的子样本组成,并且它
们拥有共同的属性。它起源于1936年Fisher引进的线性判别函数,
这个函数的目的是查找一个变量的组合,把两个拥有一些共同特征的
组区分开来。
判别分析方法的优点:适用于二元或多元性目标变量,能够推断,
区分个体应当属于多个不同小组中的哪一组。自身也存在不行避开的
缺点:该模型假设前提是自变量的分布都是正态分布的,而实践中的数
据往往不是完全的正态分布,从而导致统计结果的不行靠性。
2.决策树方法
决策树模型是对总体进行连续的分割,以猜测肯定目标变量的结
果的统计技术。决策树构造的输入是一组带有类别标记的例子,构造
的结果是一棵二叉或多叉树。构造决策树的方法是接受自上而下的递
归构造。在实际中,为进行个人信用分析,选取个人信用作为目标属性,
其他属性作为独立变量。全部客户被划分为两类,即好客户的和坏客
户,将客户信用状况转换为“是否好客户”值(为1或0),而后利用数据集
合来生成一个完整的决策树。在生成的决策树中可以建立一个规章基。
一个规章基包含一组规章,每一条规章对应决策树的一条不同路径,这
条路径代表它经过节点所表示的条件的一条链接。通过创立一个对原
2
始祥本进行最佳分类判别的决策树,接受递归分割方法使期望误判损
失达到最小。
决策树模型的优点:浅层的决策树视觉上格外直观,简洁解释;
对数据的结构和分布不需做任何假设;可以简洁地转化成商业规章。
它的缺点在于:深层的决策树视觉上和解释上都比较困难;决策树对
样本量的需求比较大;决策树简洁过分微调于样本数据而失去稳定性
和抗震荡性。
3.回归分析法
回归分析法是目前为止应用最为广泛的一种信用评分模型,这其
中以有名的logistic回归为代表。除此之外,线性回归分析、probit回
归等方法亦属于此类。最早使用回归分析的Orgler,他接受线性回归模
型制定了一个类似于信用卡的评分卡,他的争辩表明消费者行为特征
比申请表资料更能够猜测将来违约可能性的大小。同数学规划方法中
一样,假设已经通过肯定的方法从样本变量中提取出了若干指标作为
特征向量,回归分析的思想就是将这些指标变量拟合成为一个可以猜
测申请者违约率的被解释变量,自然就是违约率p,回归分析中应用最
广泛的模型当属线性回归模型,它是对大量的数据点中表现出来的数
量关系模拟出一条直线,回归分析的目标就是使目标变量值和实际的
目标变量值之间的误差最小。因此最早将回归方法应用于信用评分争
辩的模型,就是简洁的线性回归模型
文档评论(0)