创建creditscorecard
对象构建信用计分卡模型
建立一个信用计分卡模型通过创建一个creditscorecard
对象和表中指定输入数据的格式。
在创建一个creditscorecard
对象,您可以使用相关的对象功能本数据和执行逻辑回归分析,开发信用计分卡模型来指导信贷决策。这个工作流展示如何开发一个信用计分卡模型。
使用screenpredictors
(风险管理工具箱)从风险管理工具箱™削减可能很大的一组预测的一个子集,是信用评分卡的最有预测力的响应变量。创建时使用这个预测的子集creditscorecard
对象。
创建一个creditscorecard
对象(如创建creditscorecard和属性)。
本的数据使用autobinning
。
使用逻辑回归模型fitmodel
或fitConstrainedModel
。
审查和格式使用信用计分卡点displaypoints
和formatpoints
。工作流在这一点上,如果你有一个许可风险管理工具箱,您可以选择创建一个compactCreditScorecard
对象(csc
)使用紧凑的
函数。然后,您可以使用以下功能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)从风险管理的工具箱csc
对象。
分数的数据使用分数
。
计算违约概率数据使用probdefault
。
验证的质量信用计分卡模型使用validatemodel
。
更详细的信息在这个工作流,看到信用计分卡建模工作流程。
创建一个sc
= creditscorecard (数据
)creditscorecard
通过指定对象数据
。信用计分卡模型,作为一个返回creditscorecard
对象,包含装箱地图或规则(减少点或类别分组)一个或多个预测。
集属性使用名称-值对和任何的参数在前面的语法。例如,sc
= creditscorecard (___,名称,值
)sc = creditscorecard(数据,“GoodLabel”, 0,‘IDVar’,‘CustID’,‘ResponseVar’,‘身份’,‘PredictorVars’, {‘CustAge’,‘CustIncome},‘WeightsVar’,‘RowWeights’,‘BinMissingData’,真的)
。您可以指定多个名称-值对。
请注意
使用观察(样品)权重在信用计分卡工作流,当创建一个creditscorecard
对象,您必须使用可选的名称-值对WeightsVar
来定义哪些列数据
包含权重。
autobinning |
执行自动装箱的预测因子 |
bininfo |
返回的信息预测的垃圾箱 |
predictorinfo |
摘要信用计分卡预测属性 |
modifypredictor |
设置属性的信用计分卡预测 |
fillmissing |
信用计分卡取代缺失值预测 |
modifybins |
修改预测的垃圾箱 |
bindata |
被预测变量 |
plotbins |
绘制直方图统计的预测变量 |
fitmodel |
符合逻辑回归模型的重量(悲哀)数据证据 |
fitConstrainedModel |
符合逻辑回归模型的证据(悲哀)数据受约束模型系数 |
setmodel |
设置模型预测和系数 |
displaypoints |
返回点/预测/ bin |
formatpoints |
格式计分卡点和可伸缩性 |
分数 |
为给定数据计算信用评分 |
probdefault |
违约的可能性对于给定数据集 |
validatemodel |
质量信用计分卡模型进行验证 |
紧凑的 |
创建契约信用计分卡 |
[1]安德森,R。信用评分工具包。牛津大学出版社,2007年。
[2]Refaat, M。数据准备使用SAS数据挖掘。2006年摩根考夫曼。
[3]Refaat, M。信用风险记分卡:使用情景应用程序开发和实现。lulu.com, 2011。
autobinning
|bindata
|bininfo
|displaypoints
|fillmissing
|fitConstrainedModel
|fitmodel
|formatpoints
|modifybins
|modifypredictor
|plotbins
|predictorinfo
|probdefault
|分数
|setmodel
|表
|validatemodel
|screenpredictors
(风险管理工具箱)