Exponenta Banner
exponenta event banner

Пробит

Создать Probit объект модели для пожизненной вероятности дефолта

развернуть все на странице

Описание

Создание и анализ Probit объект модели для вычисления пожизненной вероятности дефолта (PD) с использованием этого рабочего процесса:

  1. Использовать fitLifetimePDModel для создания Probit объект модели.

  2. Использовать predict для прогнозирования условного PD и predictLifetime для прогнозирования времени жизни PD.

  3. Использовать modelDiscrimination для возврата данных AUROC и ROC. Результаты можно распечатать с помощью modelDiscriminationPlot.

  4. Использовать modelAccuracy вернуть RMSE наблюдаемых и прогнозируемых данных PD. Результаты можно распечатать с помощью modelAccuracyPlot.

Создание

Синтаксис

ProbitPDModel = fitLifetimePDModel (данные, ModelType)
ProbitPDModel = fitLifetimePDModel (___, Имя, Стоимость)

Описание

ProbitPDModel = fitLifetimePDModel(data,ModelType) создает Probit Объект модели PD.

Если информация о переменных не указана для IDVar, AgeVar, LoanVars, MacroVars, и ResponseVar, то:

  • IDVar установлен в первый столбец в data вход.

  • LoanVars включает все столбцы, начиная со второго и заканчивая вторым столбцами data вход.

  • ResponseVar установлен в последний столбец в data вход.

ProbitPDModel = fitLifetimePDModel(___,Name,Value) указывает параметры, использующие один или несколько аргументов пары имя-значение в дополнение к входным аргументам в предыдущем синтаксисе. Необязательные аргументы пары имя-значение задают свойства объекта модели. Например, ProbitPDModel = fitLifetimePDModel(data(TrainDataInd,:),"Probit",'ModelID',"Probit_A",'Descripion',"Probit_model",'AgeVar',"YOB",'IDVar',"ID",'LoanVars',"ScoreGroup','MacroVars',{'GDP','Market'},'ResponseVar',"Default") создает Probit объект модели.

Входные аргументы

развернуть все

Данные, указанные как таблица, в которой первый столбец IDVar, последний столбец - ResponseVar, и все остальные столбцы LoanVars.

Типы данных: table

Тип модели, указанный как строка со значением "Probit" или символьный вектор со значением 'Probit'.

Типы данных: char | string

Probit Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: ProbitPDModel = fitLifetimePDModel(data(TrainDataInd,:),"Probit",'ModelID',"Probit_A",'Descripion',"Probit_model",'AgeVar',"YOB",'IDVar',"ID",'LoanVars',"ScoreGroup','MacroVars',{'GDP','Market'},'ResponseVar',"Default")

Идентификатор пользовательской модели, указанный как пара, разделенная запятыми, состоящая из 'ModelID' и вектор строки или символа. Программное обеспечение использует ModelID для форматирования выходных данных, и ожидается, что они будут короткими.

Типы данных: string | char

Определяемое пользователем описание модели, указанное как пара, разделенная запятыми, состоящая из 'Description' и вектор строки или символа.

Типы данных: string | char

Переменная идентификатора, указывающая, какой столбец в data содержит идентификатор ссуды или заемщика, указанный как пара, разделенная запятыми, состоящая из 'IDVar' и вектор строки или символа.

Типы данных: string | char

Переменная возраста, указывающая, какой столбец в data содержит информацию о сроке займа, указанную как пара, разделенная запятыми, состоящая из 'AgeVar' и вектор строки или символа.

Типы данных: string | char

Переменные ссуды, указывающие, какой столбец в data содержит специфичную для ссуды информацию, такую как оценка происхождения или отношение ссуды к стоимости, указанное как пара, разделенная запятыми, состоящая из 'LoanVars' и строковый массив или массив ячеек символьных векторов.

Типы данных: string | cell

Переменные макросов, указывающие, какой столбец в data содержит макроэкономическую информацию, такую как рост валового внутреннего продукта (ВВП) или уровень безработицы, указанный как пара, разделенная запятыми, состоящая из 'MacroVars' и строковый массив или массив ячеек символьных векторов.

Типы данных: string | cell

Переменная, указывающая, какой столбец в data содержит переменную ответа, заданную как пара, разделенная запятыми, состоящая из 'ResponseVar' и вектор строки или символа.

Примечание

Переменная ответа в data должен быть двоичной переменной с 0 или 1 значения, с 1 с указанием значения по умолчанию.

Типы данных: logical

Свойства

развернуть все

Идентификатор пользовательской модели, возвращаемый в виде строки.

Типы данных: string

Определяемое пользователем описание, возвращаемое в виде строки.

Типы данных: string

Модель, возвращенная как вектор.

Типы данных: string

Переменная идентификатора, указывающая, какой столбец в data содержит идентификатор ссуды или заемщика, возвращаемый в виде строки.

Типы данных: string

Переменная возраста, указывающая, какой столбец в data содержит информацию о сроке ссуды, возвращаемую в виде строки.

Типы данных: string

Переменные ссуды, указывающие, какой столбец в data содержит информацию о ссуде, возвращаемую в виде строкового массива.

Типы данных: string

Переменные макросов, указывающие, какой столбец в data содержит макроэкономическую информацию, возвращаемую в виде строкового массива.

Типы данных: string

Переменная, указывающая, какой столбец в data содержит переменную ответа, возвращаемую как логическая 0 или 1.

Типы данных: logical

Функции объекта

predictВычислить условный PD
predictLifetimeВычислите совокупный срок службы PD, предельный PD и вероятность выживания
modelDiscriminationВычисление данных AUROC и ROC
modelAccuracyВычислить RMSE прогнозируемых и наблюдаемых PD по сгруппированным данным
modelDiscriminationPlotГрафик кривой ROC
modelAccuracyPlotГрафик наблюдаемых показателей по умолчанию по сравнению с прогнозируемыми ПД на сгруппированных данных

Примеры

свернуть все

Открыть сценарий в реальном времени

В этом примере показано, как использовать fitLifetimePDModel для создания Probit модель с использованием кредитных и макроэкономических данных.

Загрузить данные

Загрузите данные кредитного портфеля.

load RetailCreditPanelData.mat
disp(head(data))
    ID    ScoreGroup    YOB    Default    Year
    __    __________    ___    _______    ____

    1      Low Risk      1        0       1997
    1      Low Risk      2        0       1998
    1      Low Risk      3        0       1999
    1      Low Risk      4        0       2000
    1      Low Risk      5        0       2001
    1      Low Risk      6        0       2002
    1      Low Risk      7        0       2003
    1      Low Risk      8        0       2004

disp(head(dataMacro))
    Year     GDP     Market
    ____    _____    ______

    1997     2.72      7.61
    1998     3.57     26.24
    1999     2.86      18.1
    2000     2.43      3.19
    2001     1.26    -10.51
    2002    -0.59    -22.95
    2003     0.63      2.78
    2004     1.85      9.48

Объединение двух компонентов данных в один набор данных.

data = join(data,dataMacro);
disp(head(data))
    ID    ScoreGroup    YOB    Default    Year     GDP     Market
    __    __________    ___    _______    ____    _____    ______

    1      Low Risk      1        0       1997     2.72      7.61
    1      Low Risk      2        0       1998     3.57     26.24
    1      Low Risk      3        0       1999     2.86      18.1
    1      Low Risk      4        0       2000     2.43      3.19
    1      Low Risk      5        0       2001     1.26    -10.51
    1      Low Risk      6        0       2002    -0.59    -22.95
    1      Low Risk      7        0       2003     0.63      2.78
    1      Low Risk      8        0       2004     1.85      9.48

Данные раздела

Разделите данные на разделы обучения и тестирования. 

nIDs = max(data.ID);
uniqueIDs = unique(data.ID);

rng('default'); % for reproducibility
c = cvpartition(nIDs,'HoldOut',0.4);

TrainIDInd = training(c);
% TestIDInd = test(c);

TrainDataInd = ismember(data.ID,uniqueIDs(TrainIDInd));
% TestDataInd = ismember(data.ID,uniqueIDs(TestIDInd));

Создать Probit Модель жизненного цикла PD

Использовать fitLifetimePDModel для создания Probit модель с использованием обучающих данных.

pdModel = fitLifetimePDModel(data(TrainDataInd,:),"Probit",...
    'AgeVar','YOB',...
    'IDVar','ID',...
    'LoanVars','ScoreGroup',...
    'MacroVars',{'GDP','Market'},...
    'ResponseVar','Default');
disp(pdModel)
  Probit with properties:

        ModelID: "Probit"
    Description: ""
          Model: [1x1 classreg.regr.CompactGeneralizedLinearModel]
          IDVar: "ID"
         AgeVar: "YOB"
       LoanVars: "ScoreGroup"
      MacroVars: ["GDP"    "Market"]
    ResponseVar: "Default"

Отображение базовой модели.

disp(pdModel.Model)
Compact generalized linear regression model:
    probit(Default) ~ 1 + ScoreGroup + YOB + GDP + Market
    Distribution = Binomial

Estimated Coefficients:
                               Estimate        SE         tStat       pValue   
                              __________    _________    _______    ___________

    (Intercept)                  -1.6267      0.03811    -42.685              0
    ScoreGroup_Medium Risk      -0.26542      0.01419    -18.704     4.5503e-78
    ScoreGroup_Low Risk         -0.46794     0.016364    -28.595     7.775e-180
    YOB                         -0.11421    0.0049724    -22.969    9.6208e-117
    GDP                        -0.041537     0.014807    -2.8052      0.0050291
    Market                    -0.0029609    0.0010618    -2.7885      0.0052954


388097 observations, 388091 error degrees of freedom
Dispersion: 1
Chi^2-statistic vs. constant model: 1.85e+03, p-value = 0

Ссылки

[1] Бэзенс, Барт, Даниэль Рош и Харальд Шиле. Анализ кредитных рисков: методы измерения, приложения и примеры в SAS. Уайли, 2016.

[2] Беллини, Тициано. МСФО (IFRS) 9 и CECL «Моделирование и валидация кредитных рисков: практическое руководство с примерами, работающими в R и SAS». Сан-Диего, Калифорния: Elsevier, 2019.

[3] Бриден, Иосиф. Жизнь с CECL: The Modeling Dictionary. Santa Fe, NM: Prescient Models LLC, 2018.

См. также

Функции

Темы

Представлен в R2020b

Документация по инструментам управления рисками

Поддержка