Exponenta Banner
exponenta event banner

probdefault

Вероятность дефолта для данного набора данных для compactCreditScorecard объект

свернуть все на странице

Синтаксис

pd = probdefault (csc, данные)

Описание

пример

pd = probdefault(csc,data) вычисляет вероятность дефолта для compactCreditScorecard (csc) на основе data.

Примеры

свернуть все

Открыть сценарий в реальном времени

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 использовать probdefault с compactCreditScorecard объект. Для иллюстрации предположим, что несколько строк из исходных данных являются нашими «новыми» данными. Используйте data входной аргумент в probdefault для получения вероятности дефолта с помощью newdata.

newdata = data(10:20,:);
pd = probdefault(csc,newdata)
pd = 11×1

    0.3047
    0.3418
    0.2237
    0.2793
    0.3615
    0.1653
    0.3799
    0.4055
    0.4269
    0.1915
      ⋮

Входные аргументы

свернуть все

Модель кредитной карты показателей, указанная как compactCreditScorecard объект.

Создание compactCreditScorecard объект, использование compactCreditScorecard или compact из Финансового Toolbox™.

Набор данных для применения правил вероятности по умолчанию, указанный как таблица MATLAB ®, где каждая строка соответствует отдельным наблюдениям. Данные должны содержать столбцы для каждого из предикторов в compactCreditScorecard объект.

Типы данных: table

Выходные аргументы

свернуть все

Вероятность дефолта, возвращенная как NumObsоколо-1 численный массив вероятностей по умолчанию.

Подробнее

свернуть все

Вероятность по умолчанию

После вычисления немасштабированных баллов (см. Алгоритмы вычисления и масштабирования баллов) вероятность того, что баллы являются «хорошими», представляется следующей формулой:

ProbGood = 1./(1 + exp(-UnscaledScores))

Таким образом, вероятность дефолта равна

pd = 1 - ProbGood

Ссылки

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

См. также

| | |

Темы

Представлен в R2019a

Документация по инструментам управления рисками

Поддержка