年
月
徐少锋等个人信用评估中的,
模型
因此它对自变量的取值就没有了任何限制因为不管,
回归模型回归模型与普通线性回归模型之比较回归模型的基本形式为‘
的值如何都能保证发生比的值大于零从而保证了数据的意义最后该模型提供给数据使用者的是代表客户呆,
,
,
帐的发生比
,
‘
二
竺生一
,
也即是呆帐发生与不发生的概
二
脚,
。
其中
,
一二甲一
,
为发生呆帐的概率‘
,
一
未发生呆,
率比值因此数据使用者将能更准确更具弹性更科学地把握了解客户的信用水平不至于简单地忽视其他因,
帐即如期还贷的概率为一维也可以为多维,,
为致使发生呆帐的因素可以尹为回归系数,
素而下呆帐发生与不发生之类的结论从回归模型的性质可看出该模型可以很方便地用来对,
二‘,
为影响呆,
帐发生的随机因素服从正态分布为该正态随机误差的方差,
,
其中少
客户的信用度进行评估即先根据银行已掌握的客户,
数据拟合回归方程并进行检验然后用通过检验的回,
,
通常在信用风险评估过程中一般选用回归模型而不是普通线性回归模型主要是由各模型,
归方程预测客户的发生比
,
二丁
二一再依照事先给定,
一
自身的优缺点决定的一般线性回归模型的缺陷一般线性回归模型可表示为、
的信用等级划分标准划分客户的信用等级譬如规定
,
当一客户的发生比大于,
,
则该客户的信用等级为,
若该客户的发生比小于等于,,
则该客户的信用
户,
、
。,
等级被评为,
因此可用客户的预测发生比来对照该
。
或
分别表示呆帐未发生与发生其中变量二‘
标准划分客户的信用等级从而建立一套较为完整的
表示影响呆帐发生与否的诸多因素的正态分布的误差项,
为服从均值为
信用体系回归模型的参数估计回归模型的参数估计一般都用最大似
仔细观察该模型的内在性质不难看出该模型存在先天的缺陷
然法来加以
估计计算具体算法如下,
,
首先通过运算可得该模型的误差项只能为离散,
设有为,,
个来自总体的客户案例样本观察值标注,
型随机变量它的取值分别为,
一
十
其方差为脚脚显然不具有等方差的性质也违背了误差项为正态分与,,,
一
一
‘
琢脚‘
‘
…,、二
。
,
令八
二
川、
,
,
为给定￡
、
的条件下一,
一
一
得到结果果‘
的条件概率而在相同条件下得到结,
二
的条件概率为
二
尸
、二
,
于是‘
布的假设其次即使我们可通过加权最小二乘法来消除异,
得到一个观察值的概率为沙
方差但该模型却仍存在先天的致命的弱点即该回归,,
尸了
尸
‘
,‘
一
‘
’一,‘
,
其中
。
脚
模型由于对自变量无任何限制因此因变量的值就很,
因为各项观察相互独立故联合密度函数即似然函数为
,
难刚好为,
或
,
甚至有可能超出,
一
的范围
最后由于该模型的因变量反应的是呆帐是否会
发生的二元数据考虑各种随机因素和操作误差的影响资料的使用者实在很难从,
几,
‘‘
一
。
一’,
’
与
两个数中挖掘山
则对数似然函数为
有用的信息回归模型的优势一般线性回归模型所短即为回归模型,二仁
一
尹‘
一’“
」了
之所长具体的讲
,
,‘
一
一
夕
。
首先由于在回归方程中直接采用选用具有连续,
」
变量性质的发生比的自然对数为因变量且其误差项,
闺浏二艺
。
,、
丁
卫一一
服从正态分布因此这就很好地克服了一般线性回归,
卜了
,
,
一
,
模型的异方差性其次由于该模型的因变量为发生比的自然对数,
脚
‘
,
口
‘。
户
© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.
http://www.77cn.com.cn