创建信用记分卡
对象构建信用记分卡模型
创建一个信用记分卡模型信用记分卡
对象,并以表格格式指定输入数据。
在创建信用记分卡
对象,您可以使用相关的对象函数来存放数据并执行逻辑回归分析,以开发一个信用记分卡模型来指导信用决策。这个工作流展示了如何开发一个信用记分卡模型。
使用screenpredictors
(风险管理工具箱)从风险管理工具箱™中将潜在的大量预测因素缩减为最能预测信用评分卡响应变量的子集。在创建信用记分卡
对象。
使用autobinning
.
拟合逻辑回归模型使用fitmodel
或fitConstrainedModel
.
检查和格式化信用记分卡点数使用displaypoints
和格式点
.在工作流的这一点上,如果您有风险管理工具箱的许可证,您可以选择创建一个compactCreditScorecard
对象(csc
)使用袖珍的
函数。然后可以使用以下函数displaypoints
(风险管理工具箱),分数
(风险管理工具箱),probdefault
(风险管理工具箱)风险管理工具箱中的csc
对象。
使用分数
.
使用以下公式计算数据的默认概率:probdefault
.
使用验证信用评分卡模型的质量验证模型
.
有关此工作流程的更多详细信息,请参阅信用记分卡建模工作流.
autobinning |
对给定的预测器执行自动分类 |
bininfo |
返回预测器的bin信息 |
predictorinfo |
信用记分卡预测属性摘要 |
modifypredictor |
设置信用记分卡预测器的属性 |
fillmissing |
替换信用记分卡预测器的缺失值 |
改装箱 |
修改预测的垃圾箱 |
宾达 |
分级预测变量 |
plotbins |
绘制直方图计数预测变量 |
fitmodel |
符合逻辑回归模型重量证据(WOE)数据 |
fitConstrainedModel |
适合logistic回归模型证据重量(WOE)数据受到上模型系数的约束 |
setmodel |
设置模型预测因子和系数 |
displaypoints |
返回点每个预测器每箱 |
格式点 |
设置记分卡点数和比例 |
分数 |
计算给定数据的信用分数 |
probdefault |
给定数据集的默认可能性 |
验证模型 |
验证信用记分卡模型的质量 |
袖珍的 |
创建紧凑的信用记分卡 |
[1]安德森,R。信用评分工具包。牛津大学出版社,2007。
[2] Refaat, M。使用SAS为数据挖掘做数据准备。摩根·考夫曼,2006年。
[3] 雷法特,M。信用风险记分卡:制定和实施使用SAS。lulu.com, 2011。
autobinning
|宾达
|bininfo
|displaypoints
|fillmissing
|fitConstrainedModel
|fitmodel
|格式点
|改装箱
|modifypredictor
|plotbins
|predictorinfo
|probdefault
|分数
|setmodel
|表格
|验证模型
|screenpredictors
(风险管理工具箱)