袖珍的

创建紧凑型信用记分卡

页面上倒塌

句法

CSC =紧凑（SC）

描述

例子

CSC.=紧凑（SC.）转换现有CreditsCorecard.对象至A.CompactCreditScorecard.目的 （CSC.）。

笔记

要使用此功能，您必须具有风险管理工具箱™许可证。

例子

全部收缩

此示例使用：

打开直播脚本

转换A.CreditsCorecard.对象进入A.CompactCreditScorecard.使用的对象displaypoints.那分数， 和probdefault.从风险管理工具箱™与对象。

首先，创建一个CreditsCorecard.对象使用CreditCardData.mat.文件加载数据（使用来自Refaat 2011的数据集）。

加载CreditCardData.mat.sc = creditscorecard（数据）
sc = creditscorecard具有属性：goodlabel：0 responsevar：'status'weightsvar：'varnames：{1x11 cell} numericpredictors：{1x7 cell} cateCoricalpricictors：{'resstatus'empstatus''overcc'} binmissingdata：0 idvar：''predictorvars：{1x10小区}数据：[1200x11表]

在创建A之前CompactCreditScorecard.对象，必须使用autobinning.和Fitmodel.与之CreditsCorecard.目的。

sc = autobinning（sc）;sc = fitmodel（sc）;
1.添加询问，偏差= 1490.8527，pvalue = 1.1387992E-08 2.添加TMWBANK，Deviance = 1467.1415，Chi2Stat = 23.711203，Pvalue = 1.1192909E-06 3.添加余距，偏差= 1455.5715，Chi2stat = 11.569967那PValue = 0.00067025601 4. Adding EmpStatus, Deviance = 1447.3451, Chi2Stat = 8.2264038, PValue = 0.0041285257 5. Adding CustAge, Deviance = 1441.994, Chi2Stat = 5.3511754, PValue = 0.020708306 6. Adding ResStatus, Deviance = 1437.8756, Chi2Stat = 4.118404, PValue = 0.042419078 7. Adding OtherCC, Deviance = 1433.707, Chi2Stat = 4.1686018, PValue = 0.041179769 Generalized linear regression model: status ~ [Linear formula with 8 terms in 7 predictors] Distribution = Binomial Estimated Coefficients: Estimate SE tStat pValue ________ ________ ______ __________ (Intercept) 0.70239 0.064001 10.975 5.0538e-28 CustAge 0.60833 0.24932 2.44 0.014687 ResStatus 1.377 0.65272 2.1097 0.034888 EmpStatus 0.88565 0.293 3.0227 0.0025055 CustIncome 0.70164 0.21844 3.2121 0.0013179 TmWBank 1.1074 0.23271 4.7589 1.9464e-06 OtherCC 1.0883 0.52912 2.0569 0.039696 AMBalance 1.045 0.32214 3.2439 0.0011792 1200 observations, 1192 error degrees of freedom Dispersion: 1 Chi^2-statistic vs. constant model: 89.7, p-value = 1.4e-16

转换CreditsCorecard.对象进入A.CompactCreditScorecard.通过使用的对象袖珍的功能。使用袖珍的，您必须具有风险管理工具箱™许可证。

CSC =紧凑（SC）
CSC = CompactCreditScorecard具有属性：Description：''''goodlabel：0 responsevar：'sueportsvar：'''numericpredictors：{'custage''custincome''tmwbank''tmwbank''tmwbank''angalance'}类别：{'resstatus''empstatus''overcc'predictorvars：{1x7 cell}

然后你可以使用displaypoints.那分数， 和probdefault.来自风险管理工具箱™CompactCreditScorecard.目的。

输入参数

全部收缩

信用记分卡模型，指定为aCreditsCorecard.目的。

笔记

你必须使用一个CreditsCorecard.目的 （SC.）对于先前处理的输入autobinning.和Fitmodel.， 或者FitConstromedModel.。可选地，您可以使用格式点除了这些功能。

输出参数

全部收缩

紧凑的信用记分卡，作为一个返回CompactCreditScorecard.目的。然后你可以使用displaypoints.那分数， 和probdefault.来自风险管理工具箱CSC.目的。

参考

[1]安德森，R.信用评分工具包。牛津大学出版社，2007年。

[2] Refaat，M。信用风险记分卡：使用SAS开发和实现。Lulu.com，2011年。

也可以看看

|||||||||||||||

话题

在R2019A介绍

金融工具箱文档
金宝app
用Matlab建模财务风险的实用指南

用Matlab建模财务风险的实用指南

下载电子书