主要内容

modelAccuracyPlot

情节观察违约率相比,预测PDs分组数据

自从R2021a

modelAccuracyPlot重命名为modelCalibrationPlotmodelAccuracyPlot不推荐。使用modelCalibrationPlot代替。

描述

modelAccuracyPlot (pdModel,数据,GroupBy)图观察到的违约率相比,预测违约概率(PD)。GroupBy是必需的,可以列吗数据输入(不一定是一个模型变量)。的modelAccuracyPlot函数计算每组观察到的PD的违约率和预测PD每组的平均PD。modelAccuracyPlot金宝app支持对参考模型的比较。

modelAccuracyPlot (___,名称,值)指定选项使用一个或多个名称-值对参数除了输入参数在前面的语法。

h= modelAccuracyPlot (斧头,___,名称,值)指定选项使用一个或多个名称-值对参数除了在前面的语法输入参数并返回图处理h

输入参数

全部折叠

违约概率模型,指定为一个物流,Probit,或考克斯之前创建的对象使用fitLifetimePDModel。或者,您可以创建一个定制的违约概率模型使用customLifetimePDModel

请注意

“ModelID”财产的pdModel对象是用作标识符或标记pdModel

数据类型:对象

数据,指定为一个NumRows——- - - - - -NumCols表与预计值预测寿命预测。预测的名称和数据类型必须与底层模型一致。

数据类型:

列的名称数据输入用于组数据,指定为字符串或字符向量。GroupBy不需要一个模型变量的名字。为每个组指定的GroupBy,modelAccuracyPlot函数计算观察到的违约率和平均预测PDs RMSE计算来衡量。modelAccuracyPlot金宝app最多支持两个分组变量。

数据类型:字符串|字符

(可选)有效轴对象,指定为一个斧头使用创建的对象。情节将在指定的轴创建可选的斧头论点,而不是在当前轴(gca)。可选参数斧头必须先于任何输入参数的组合。

数据类型:对象

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:modelAccuracyPlot (pdModel数据(印第安纳州,:),“GroupBy”,“小无赖”、“ScoreGroup”,“DataID”,“DataSetChoice”)

数据集标识符指定为逗号分隔组成的“DataID”和一个字符或字符串向量。DataID情节中包含标题为报告目的。

数据类型:字符|字符串

有条件的PD值预测数据参考模型,指定为逗号分隔组成的“ReferencePD”和一个NumRows——- - - - - -1数值向量。预测PD的策划pdModel对象和参考模型。

数据类型:

标识符的参考模型,指定为逗号分隔组成的“ReferenceID”和一个字符或字符串向量。ReferenceID用于报告目的的阴谋。

数据类型:字符|字符串

输出参数

全部折叠

图线的处理对象,作为处理对象返回。

更多关于

全部折叠

模型的准确性

模型的准确性测量的准确性预测违约概率(PD)值。

modelAccuracyPlot函数允许您可视化比较预测PD值来观察到的违约率。的modelAccuracyPlot函数需要一个分组变量来计算平均预测PD值在每个组和平均违约率也在每个组。预测PD值和观察到的违约率组策划针对分组变量值。

两个分组变量支持金宝appmodelAccuracyPlot。当两个分组变量指定,平均预测PD和违约率计算的所有定义的群体组合两个分组变量。第一个分组变量的数据,第二个变量用于区分情节上的数据用不同的颜色。

均方根误差(RMSE)的分组数据报告的标题。RMSE度量以编程方式,使用modelAccuracy

引用

[1]Baesens,巴特,丹尼尔•罗斯切和Harald Scheule。信贷风险分析:测量技术、应用程序和SAS的例子。威利,2016年。

[2]贝里尼,Tiziano。IFRS 9和CECL信用风险建模和验证:一个实用指南的例子在R和SAS。圣地亚哥CA:爱思唯尔出版社,2019年。

[3]布里登,约瑟夫。生活在CECL:建模字典。圣达菲,海里:先见之明模型有限责任公司,2018年。

[4]罗斯切,丹尼尔和哈拉尔德Scheule。与Python深信用风险:机器学习。独立出版,2020年。

版本历史

介绍了R2021a

全部展开