fitLGDModel

Создайте заданный тип объекта модели LGD

Описание

пример

lgdModel = fitLGDModel(data,ModelType) создает объект модели потери, данной значение по умолчанию (LGD), заданный data и ModelType. fitLGDModel берет в данных о кредите в табличной форме и подбирает модель LGD. ModelType поддерживается для Regression или Tobit.

пример

lgdModel = fitLGDModel(___,Name,Value) задает опции с помощью одного или нескольких аргументов пары "имя-значение" в дополнение к входным параметрам в предыдущем синтаксисе. Доступные дополнительные аргументы пары "имя-значение" зависят от заданного ModelType.

Примеры

свернуть все

В этом примере показано, как использовать fitLGDModel создать Regression модель для потери, данной значение по умолчанию (LGD).

Загрузите данные LGD

Загрузите данные LGD.

load LGDData.mat
head(data)
ans=8×4 table
      LTV        Age         Type           LGD   
    _______    _______    ___________    _________

    0.89101    0.39716    residential     0.032659
    0.70176     2.0939    residential      0.43564
    0.72078     2.7948    residential    0.0064766
    0.37013      1.237    residential     0.007947
    0.36492     2.5818    residential            0
      0.796     1.5957    residential      0.14572
    0.60203     1.1599    residential     0.025688
    0.92005    0.50253    investment      0.063182

Создайте Regression Модель LGD

Используйте fitLGDModel создать Regression модель с помощью data.

lgdModel = fitLGDModel(data,'regression',...
        'ModelID','Example',...
        'Description','Example LGD regression model.',...
        'PredictorVars',{'LTV' 'Age' 'Type'},...
        'ResponseVar','LGD');
disp(lgdModel)
  Regression with properties:

    ResponseTransform: "logit"
    BoundaryTolerance: 1.0000e-05
              ModelID: "Example"
          Description: "Example LGD regression model."
      UnderlyingModel: [1x1 classreg.regr.CompactLinearModel]
        PredictorVars: ["LTV"    "Age"    "Type"]
          ResponseVar: "LGD"

Отобразите базовую модель. Переменная отклика базовой модели является преобразованием логита данных об ответе LGD. Используйте 'ResponseTransform' и 'BoundaryTolerance' аргументы, чтобы изменить преобразование.

disp(lgdModel.UnderlyingModel)
Compact linear regression model:
    LGD_logit ~ 1 + LTV + Age + Type

Estimated Coefficients:
                       Estimate       SE        tStat       pValue  
                       ________    ________    _______    __________

    (Intercept)        -5.1939      0.28351     -18.32     1.203e-71
    LTV                 3.3217      0.33058     10.048    1.9484e-23
    Age                -1.4953     0.068658    -21.779    1.0596e-98
    Type_investment     1.3813      0.19406     7.1178    1.3259e-12


Number of observations: 3487, Error degrees of freedom: 3483
Root Mean Squared Error: 4.3
R-squared: 0.195,  Adjusted R-Squared: 0.194
F-statistic vs. constant model: 281, p-value = 2.32e-163

Предскажите LGD

Для предсказания LGD модель LGD применяет обратное преобразование, таким образом, предсказания находятся в шкале LGD, не в преобразованной шкале, используемой, чтобы подбирать базовую модель.

predictedLGD = predict(lgdModel,data);
histogram(predictedLGD)
title('Predicted LGD Histogram')
xlabel('Predicted LGD')
ylabel('Frequency')

Figure contains an axes. The axes with title Predicted LGD Histogram contains an object of type histogram.

Подтвердите модель LGD

Для проверки допустимости модели используйте modelDiscrimination, modelDiscriminationPlot, modelAccuracy, и modelAccuracyPlot.

Например, используйте modelDiscriminationPlot построить кривую ROC.

modelDiscriminationPlot(lgdModel,data)

Figure contains an axes. The axes with title ROC Example, AUROC = 0.68987 contains an object of type line. This object represents Example.

Используйте modelAccuracyPlot показать график рассеивания предсказаний.

modelAccuracyPlot(lgdModel,data)

Figure contains an axes. The axes with title Scatter Example, R-Squared: 0.063213 contains 2 objects of type scatter, line. These objects represent Data, Fit.

Входные параметры

свернуть все

Данные за потерю, данную значение по умолчанию в виде таблицы.

Типы данных: table

Тип модели PD в виде скалярной строки или вектора символов. Используйте одно из следующих значений:

  • Regression — Преобразуйте переменную отклика LGD и подбирайте модель линейной регрессии.

  • Tobit — Подбирайте модель регрессии Товита.

Типы данных: string | char

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: lgdModel = fitLGDModel(data,'regression','PredictorVars',{'LTV' 'Age','Type'},'ResponseVar','LGD','ResponseTransform','probit','BoundaryTolerance',1e-6)

Доступные аргументы пары "имя-значение" зависят от значения, которое вы задаете для ModelType.

Аргументы в виде пар имя-значение для объектов модели

Выходные аргументы

свернуть все

Потеря, данная модель по умолчанию, возвращенную как lgdModel объект. Поддерживаемыми классами является Regression и Tobit.

Ссылки

[1] Baesens, Барт, Дэниел Роеш и Харальд Шойле. Аналитика кредитного риска: техники измерений, приложения и примеры в SAS. Вайли, 2016.

[2] Беллини, Тициано. МСФО 9 и моделирование кредитного риска CECL и валидация: практическое руководство с примерами работало в R и SAS. Сан-Диего, CA: Elsevier, 2019.

Введенный в R2021a
Для просмотра документации необходимо авторизоваться на сайте