个人信用评估中的LOGISTIC模型

第

卷数学专刊月年

天津轻工业学院学报、

基【础与应用研究〕

个人信用评估中的徐少锋‘,

模型天津商学院基础部天津,

王延臣,

中国人民大学统计系北京摘

要通过对以信货申请书为基础的风险程度进行定量分析使信货决策合理化从而降低,,

个人信用风险

回归模型提供给我们一个用来评佑个人信用的非常有用的工具本

文利用美国花旗银行某分支机构了实证分析

年部分客户货款量数据应用,

回归模型进行

关键词个人信用评估中图分类号

回归发生比

文献标识码

文章编号

《

洲数学专刊戒

拱

一

,

,

,

,

,

,

肠招,

脚,

功

川

邵

解决这种问题的关键就是要建立完善的个人信用

个人信用评估概述改革开放以来我国国民经济的结构发生了很大,

评估体系所谓个人信用评估就是运用统计模型确定,

客户的信用等级和信贷额度其功能是通过对以信贷,

申请书为基础的风险程度进行数学分析使信贷决策,

的变化

,

‘

国退民进

’

,

国有资本在一些领域逐步退出,,

,

自动化具体而言银行根据已掌握的客户历史数据,、

,

民营资本在这些领域逐步进人非国有经济已成为推

主要是客户信贷偿还记录以及影响其偿还行为的诸多因素如收人职业等的记录建立特定的统计模型然,,

动我国经济发展的重要动力与此同时随着国家用于

支持非国有经济发展的个人商业信贷规模的急剧扩

后利用该模型对贷款申请者的信用进行评定并根据,

大整个银行业积聚了大量信用风险贷款违约事件屡,,

相关标准来确定其信用等级最后银行据此作出相应,

见不鲜《大洋新闻》有一篇报道讲到北京助学贷款曾,

的信贷决策这种利用模型来评定贷款申请者信用的方法由,

拖欠率竞高达很简单,,

无为何会出现这种情况

原因其实,

目前国内银行普遍缺乏对其贷款客户信用的,

于其具有较高的自动性和一定的科学性不仅可以减

,

科学评估在贷款审批中多凭主观经验和所谓的关系的呆帐也就不足为奇了‘’

少手工劳动简化贷款审批手续而且由于较准确地,,

,

、

没有有效地从源头上控制信用风险因此出现如此多

综合地

掌握了申请者的信息因而可以极大地降低贷

款风险

收稿日期

一

一

作者简介徐少锋

一

,

男浙江人

,

© 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.

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

&# …… 此处隐藏：2119字，全部文档内容请下载后查看。喜欢就下载吧 ……