创造CreditsCorecard.
对象构建信用记分卡模型
创建一个信用记分卡模型CreditsCorecard.
对象,并以表格格式指定输入数据。
创建A后CreditsCorecard.
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.
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CreditsCorecard.
对象。
创建一个CreditsCorecard.
对象(参见创建CreditsCorecard.和属性).
使用数据autobinning
.
使用以下公式拟合逻辑回归模型:Fitmodel.
或fitConstrainedModel
.
检查和格式化信用记分卡点数使用显示点
和格式点
. 此时,在工作流中,如果您拥有“风险管理工具箱”许可证,则可以选择创建CompactCreditScorecard.
对象(csc
) 使用袖珍的
功能。然后可以使用以下功能显示点
那分数
,及probdefault.
风险管理工具箱中的csc
对象。
使用数据进行评分分数
.
计算使用默认值的概率probdefault.
.
使用使用的信用记分卡模型的质量viewatemodel.
.
有关此工作流的更详细信息,请参见信用记分卡建模工作流程.
创建一个sc
=信用记分卡(数据
)CreditsCorecard.
通过指定数据
.信用记分卡模型,作为一个返回CreditsCorecard.
对象,包含一个或多个预测器的分类映射或规则(切点或类别分组)。
autobinning |
执行给定预测器的自动装箱 |
宾FO. |
返回预测格的箱信息 |
predictorinfo |
信用记分卡预测因素属性摘要 |
modifypredictor. |
设置信用记分卡预测器的属性 |
ModifierBins. |
修改预测器的箱子 |
bindata. |
Binned Predictor变量 |
绘图赛 |
绘制直方图计数预测变量 |
Fitmodel. |
适合逻辑回归模型,以证据重量(WOE)数据 |
fitConstrainedModel |
适合逻辑回归模型,以对模型系数的约束进行限制的证据重量(WOE)数据 |
模型 |
设置模型预测因子和系数 |
显示点 |
每个料仓每个预测器的返回点 |
格式点 |
格式化记分卡点和缩放 |
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 |
viewatemodel. |
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] 雷法特,M。使用SAS进行数据挖掘的数据准备。摩根Kaufmann,2006。
[3] Refaat,M。信用风险记分卡:使用SAS开发和实现。露露网,2011年。
autobinning
|bindata.
|宾FO.
|显示点
|fitConstrainedModel
|Fitmodel.
|格式点
|ModifierBins.
|modifypredictor.
|绘图赛
|predictorinfo
|probdefault.
|分数
|screenPredictors.
|模型
|桌子
|viewatemodel.