Создайте Regression
объект модели за потерю, данную значение по умолчанию
Создайте и анализируйте Regression
объект модели, чтобы вычислить потерю, данную значение по умолчанию (LGD) с помощью этого рабочего процесса:
Использование fitLGDModel
создать Regression
объект модели.
Использование predict
предсказать LGD.
Использование modelDiscrimination
возвратить данные ROC и AUROC. Можно построить использование результатов modelDiscriminationPlot
.
Использование modelAccuracy
возвратить R-квадрат, RMSE, корреляцию и демонстрационную среднюю погрешность предсказанных и наблюдаемых данных LGD. Можно построить использование результатов modelAccuracyPlot
.
задает опции с помощью одного или нескольких аргументов пары "имя-значение" в дополнение к входным параметрам в предыдущем синтаксисе. Дополнительные аргументы пары "имя-значение" устанавливают свойства объекта модели. Например, RegressionLGDModel
= fitLGDModel(___,Name,Value
)lgdModel = fitLGDModel(data,'regression','PredictorVars',{'LTV' 'Age' 'Type'},'ResponseVar','LGD','ResponseTransform','probit','BoundaryTolerance',1e-6)
создает Regression
объект модели.
predict | Предскажите потерю, данную значение по умолчанию |
modelDiscrimination | Вычислите данные ROC и AUROC |
modelDiscriminationPlot | Постройте кривую ROC |
modelAccuracy | Вычислите R-квадрат, RMSE, корреляцию и демонстрационную среднюю погрешность предсказанного и наблюдаемого LGDs |
modelAccuracyPlot | График поля точек предсказанного и наблюдаемого LGDs |
[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.