Создание Regression
объект модели для потерь по умолчанию
Создайте и проанализируйте Regression
объект модели для вычисления потерь по умолчанию (LGD) с помощью этого рабочего процесса:
Использовать fitLGDModel
для создания Regression
объект модели.
Использовать predict
для предсказания LGD.
Использовать modelDiscrimination
для возврата данных AUROC и ROC. Вы можете построить график результатов, используя modelDiscriminationPlot
.
Использовать modelAccuracy
для возврата R-квадрата, RMSE, корреляции и средней ошибки выборки предсказанных и наблюдаемых данных LGD. Вы можете построить график результатов, используя modelAccuracyPlot
.
задает опции, использующие один или несколько аргументы пары "имя-значение" в дополнение к входным параметрам в предыдущем синтаксисе. Необязательные аргументы пары "имя-значение" задают свойства объекта модели. Для примера, RegressionLGDModel
= fitLGDModel(___,Name,Value
)lgdModel = fitLGDModel(data,'regression','PredictorVars',{'LTV' 'Age' 'Type'},'ResponseVar','LGD','ResponseTransform','probit','BoundaryTolerance',1e-6)
создает Regression
объект модели.
predict | Предсказать потерю по умолчанию |
modelDiscrimination | Вычисление данных AUROC и ROC |
modelDiscriminationPlot | Постройте кривую ROC |
modelAccuracy | Вычислите R-квадрат, RMSE, корреляцию и среднюю ошибку выборки предсказанных и наблюдаемых LGD |
modelAccuracyPlot | График поля точек предсказанных и наблюдаемых ЛГД |
[1] Baesens, Bart, Daniel Roesch, and Harald Scheule. Аналитика 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, используемыми в R и SAS». Сан-Диего, Калифорния: Elsevier, 2019.