exponenta event banner

compactCreditScorecard

Создать compactCreditScorecard объект для модели кредитной карты показателей

Описание

Создание компактной модели кредитной карты показателей путем создания compactCreditScorecard объект из существующего creditscorecard объект.

После создания compactCreditScorecard для отображения точек можно использовать связанные функции объектов (displaypoints), вычислите вероятность дефолта (probdefault) или вычислить баллы (score).

Примечание

Нельзя непосредственно изменять compactCreditScorecard объект. Изменение compactCreditScorecard объект, необходимо изменить существующий creditscorecard , который вы использовали для создания compactCreditScorecard объект. Затем необходимо использовать compactCreditScorecard для создания нового compactCreditScorecard объект.

Создание

Описание

пример

csc = compactCreditScorecard(sc) создает compactCreditScorecard объект из существующего creditscorecard. Затем можно использовать compactCreditScorecard объект с displaypoints, score, и probdefault функции.

Примечание

Нельзя использовать compactCreditScorecard с помощью приложения Binning Explorer.

Входные аргументы

развернуть все

creditscorecard объект, указанный с помощью существующего creditscorecard объект.

Примечание

Использование creditscorecard для ввода необходимо сначала обработать объект с помощью autobinning и fitmodel функции. При необходимости можно также использовать formatpoints для обработки.

Типы данных: object

Свойства

развернуть все

Имена переменных предиктора, используемых на входе creditscorecard объект, возвращаемый в виде массива ячеек символьных векторов. PredictorVars свойство включает только имена предикторных переменных в подгоняемом creditscorecard объект.

Типы данных: cell

Числовые предикторы на входе creditscorecard объект, возвращаемый в виде массива ячеек символьных векторов. NumericPredictors свойство включает только числовые предикторы в подогнанном creditscorecard объект.

Типы данных: cell

Имена категориальных предикторов, используемых во входных данных creditscorecard объект, возвращаемый в виде массива ячеек символьных векторов. CategoricalPredictors свойство включает только категориальные предикторы в подогнанном creditscorecard объект.

Типы данных: cell

Определяемое пользователем описание, возвращаемое в виде символьного вектора или строки.

Типы данных: char | string

Функции объекта

displaypointsТочки возврата на предиктор на ячейку для compactCreditScorecard объект
scoreВычислить кредитные баллы для данного набора данных для compactCreditScorecard объект
probdefaultВероятность дефолта для данного набора данных для compactCreditScorecard объект
validatemodelПроверка качества модели компактной кредитной карты показателей

Примеры

свернуть все

Создание compactCreditScorecard объект, сначала создайте creditscorecard с использованием CreditCardData.mat для загрузки файла data (с использованием набора данных из Refaat 2011).

load CreditCardData.mat 
sc = creditscorecard(data)
sc = 
  creditscorecard with properties:

                GoodLabel: 0
              ResponseVar: 'status'
               WeightsVar: ''
                 VarNames: {1x11 cell}
        NumericPredictors: {1x7 cell}
    CategoricalPredictors: {'ResStatus'  'EmpStatus'  'OtherCC'}
           BinMissingData: 0
                    IDVar: ''
            PredictorVars: {1x10 cell}
                     Data: [1200x11 table]

Перед созданием compactCreditScorecard object, необходимо использовать autobinning и fitmodel с creditscorecard объект.

sc = autobinning(sc);
sc = fitmodel(sc);
1. Adding CustIncome, Deviance = 1490.8527, Chi2Stat = 32.588614, PValue = 1.1387992e-08
2. Adding TmWBank, Deviance = 1467.1415, Chi2Stat = 23.711203, PValue = 1.1192909e-06
3. Adding AMBalance, Deviance = 1455.5715, Chi2Stat = 11.569967, PValue = 0.00067025601
4. Adding EmpStatus, Deviance = 1447.3451, Chi2Stat = 8.2264038, PValue = 0.0041285257
5. Adding CustAge, Deviance = 1441.994, Chi2Stat = 5.3511754, PValue = 0.020708306
6. Adding ResStatus, Deviance = 1437.8756, Chi2Stat = 4.118404, PValue = 0.042419078
7. Adding OtherCC, Deviance = 1433.707, Chi2Stat = 4.1686018, PValue = 0.041179769

Generalized linear regression model:
    status ~ [Linear formula with 8 terms in 7 predictors]
    Distribution = Binomial

Estimated Coefficients:
                   Estimate       SE       tStat       pValue  
                   ________    ________    ______    __________

    (Intercept)    0.70239     0.064001    10.975    5.0538e-28
    CustAge        0.60833      0.24932      2.44      0.014687
    ResStatus        1.377      0.65272    2.1097      0.034888
    EmpStatus      0.88565        0.293    3.0227     0.0025055
    CustIncome     0.70164      0.21844    3.2121     0.0013179
    TmWBank         1.1074      0.23271    4.7589    1.9464e-06
    OtherCC         1.0883      0.52912    2.0569      0.039696
    AMBalance        1.045      0.32214    3.2439     0.0011792


1200 observations, 1192 error degrees of freedom
Dispersion: 1
Chi^2-statistic vs. constant model: 89.7, p-value = 1.4e-16

Используйте creditscorecard объект с compactCreditScorecard для создания compactCreditScorecard объект.

csc = compactCreditScorecard(sc)
csc = 
  compactCreditScorecard with properties:

              Description: ''
                GoodLabel: 0
              ResponseVar: 'status'
               WeightsVar: ''
        NumericPredictors: {'CustAge'  'CustIncome'  'TmWBank'  'AMBalance'}
    CategoricalPredictors: {'ResStatus'  'EmpStatus'  'OtherCC'}
            PredictorVars: {1x7 cell}

Затем можно использовать displaypoints, score, и probdefault с compactCreditScorecard объект.

Ссылки

[1] Андерсон, R. The Credit Скоринг Toolkit. Издательство Оксфордского университета, 2007 год.

[2] Рефаат, М. Подготовка данных для интеллектуального анализа данных с использованием SAS. Морган Кауфманн, 2006.

[3] Рефаат, М. Карты оценки кредитных рисков: разработка и внедрение с использованием SAS. lulu.com, 2011.

Представлен в R2019a