按照如下方法创建、建模和分析信用记分卡。
使用screenpredictors
(风险管理工具箱)从风险管理工具箱™一个潜在的大组预测的削减下来的一个子集是最能预测的信用评分卡的响应变量。在创建时使用预测的这个子集creditscorecard
目的。此外,还可以使用阈值屏幕预测因素(风险管理工具箱)交互集信用记分卡预测使用阈值从输出screenpredictors
(风险管理工具箱).
创建一个creditscorecard
通过以表格的形式指定“训练”数据对象的信用记分卡分析。训练数据,有时也被称为造型来看,是多个数据准备任务的结果(参见关于信用计分卡),必须在创建之前执行creditscorecard
目的。
的可选输入参数creditscorecard
要指定计分卡属性,如响应变量和GoodLabel
.执行一些初始数据探索的时候creditscorecard
对象被创建,尽管数据分析是与数据合并组合通常完成(参见步骤2)。欲了解更多信息和示例,请参阅creditscorecard
和步骤1中信用记分卡分析的案例研究.
创建一个creditscorecard
对象使用训练数据。
当你创建一个creditscorecard
对象为信用记分卡,您可以指定表的格式“培训”的数据。训练数据,有时也被称为造型来看,是多个数据准备任务的结果(参见关于信用计分卡),必须在创建之前执行creditscorecard
目的。
的可选输入参数creditscorecard
要指定计分卡属性,如响应变量和GoodLabel
.执行一些初始数据探索的时候creditscorecard
对象被创建,尽管数据分析是与数据合并组合通常完成(参见步骤2)。欲了解更多信息和示例,请参阅creditscorecard
和步骤1中信用记分卡分析的案例研究.
本数据。
控件中加载的数据执行手动或自动分类creditscorecard
目的。
一个常见的起点是对所有或所选变量应用自动装箱autobinning
,报告使用bininfo
,并采用可视化相对于库计数和统计或关联措施斌信息,如证据的重量(WOE)plotbins
.这些容器可以手动修改或微调modifybins
或者使用不同的自动装箱算法autobinning
.在信用记分卡环境中,经常需要在WOE中显示接近线性趋势的Bins。
另外,随着风险管理工具箱,你可以使用装箱的探险家应用交互箱。这装箱的探险家可以通过交互应用分级算法和修改箱。有关更多信息,请参阅装箱的探险家(风险管理工具箱).
欲了解更多信息和示例,请参阅autobinning
那modifybins
那bininfo
,plotbins
和步骤2中信用记分卡分析的案例研究.
符合逻辑回归模型。
符合逻辑回归模型,从该数据WOEcreditscorecard
目的。这fitmodel
函数内部存储训练数据,将其转换为祸值,映射响应变量,以便‘好’
是1
,与配合线性回归模型。
默认情况下,fitmodel
使用逐步程序,以确定哪些预测应在模型中,而是可选的输入参数,也可以使用,例如,以适合整个模型。欲了解更多信息和示例,请参阅fitmodel
和步骤3中信用记分卡分析的案例研究.
或者,您可以应用等式、不等式或约束约束,使逻辑回归模型适合来自的WOE数据creditscorecard
使用对象fitConstrainedModel
.
检查和格式化信用记分卡点数。
装修后的逻辑模型,使用displaypoints
总结记分卡点。默认情况下,该点是未缩放,并直接从证据权重(WOE)值和模型系数的组合来。
这formatpoints
函数让您控制计分卡点数的缩放和舍入。欲了解更多信息和示例,请参阅displaypoints
和formatpoints
和在步骤4信用记分卡分析的案例研究.
您还可以使用以下方法创建一个紧凑的信用记分卡
创建一个compactCreditScorecard
对象,使用紧凑的
创建compactCreditScorecard
目的。然后,您可以使用以下功能displaypoints
(风险管理工具箱)那分数
(风险管理工具箱),probdefault
(风险管理工具箱)从风险管理工具箱与compactCreditScorecard
目的..
评分的数据。
这分数
函数计算训练数据的分数。
可选的数据输入,也可以传递给分数
中,例如,验证数据。为每一位客户每预测的点还提供了一个可选的输出。欲了解更多信息和示例,请参阅分数
第五步信用记分卡分析的案例研究.
计算违约的信用记分卡成绩的概率。
这probdefault
函数来计算训练数据的默认概率。
此外,可以计算用于使用一个不同的数据集(例如,验证数据集)默认的可能性probdefault
功能。欲了解更多信息和示例,请参阅probdefault
和第6步中信用记分卡分析的案例研究.
验证信用评分卡模型。
使用validatemodel
函数来验证信用记分卡模型的质量。
您可以获取累积精度配置文件(CAP),受试者工作特征(ROC)和柯尔莫哥洛夫 - 斯米尔诺夫(KS)地块和统计使用给定数据集validatemodel
功能。欲了解更多信息和示例,请参阅validatemodel
和步骤7中信用记分卡分析的案例研究.
对于这个工作流程的一个例子,见信用记分卡分析的案例研究.
creditscorecard
|autobinning
|bininfo
|predictorinfo
|modifypredictor
|modifybins
|bindata
|plotbins
|fitmodel
|displaypoints
|formatpoints
|分数
|则setModel
|probdefault
|validatemodel