主要内容

probdefault

的默认数据集的可能性compactCreditScorecard对象

折叠所有页面

语法

Pd = probdefault(csc,data)

描述

例子

pd= probdefault (csc，数据）的违约概率compactCreditScorecard（csc)，以数据．

例子

全部折叠

打开实时脚本

要创建compactCreditScorecard对象，首先创建一个creditscorecard对象使用CreditCardData.mat文件来加载数据(使用Refaat 2011的数据集)。

负载CreditCardData.mat信用记分卡(数据)
sc =信用记分卡与属性:GoodLabel: 0 responsear: '状态' WeightsVar: " VarNames: {1x11单元}NumericPredictors: {1x7单元}CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'} BinMissingData: 0 IDVar: " PredictorVars: {1x10单元}数据:[1200x11表]

在创建compactCreditScorecard对象，必须使用autobinning而且fitmodel与creditscorecard对象。

Sc = autobinning(Sc);Sc = fitmodel(Sc);
1.添加CustIncome, Deviance = 1490.8527, Chi2Stat = 32.588614, PValue = 1.1387992e-08添加TmWBank, Deviance = 1467.1415, Chi2Stat = 23.711203, PValue = 1.1192909e-063 .添加AMBalance, Deviance = 1455.5715, Chi2Stat = 11.569967, PValue = 0.00067025601。5.添加EmpStatus, Deviance = 1447.3451, Chi2Stat = 8.2264038, PValue = 0.0041285257。添加CustAge, Deviance = 1441.994, Chi2Stat = 5.3511754, PValue = 0.020708306添加ResStatus, Deviance = 1437.8756, Chi2Stat = 4.118404, PValue = 0.042419078。添加OtherCC, Deviance = 1433.707, Chi2Stat = 4.1686018, PValue = 0.041179769广义线性回归模型:状态~[7个预测因子中有8项的线性公式]分布=二项式估计系数:估计SE tStat pValue ________ ________ ______ __________(拦截)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观测值，1192误差自由度离散度:1 Chi^2统计与常数模型:89.7, p-value = 1.4e-16

使用creditscorecard对象与compactCreditScorecard要创建compactCreditScorecard对象。

csc = compactCreditScorecard(sc)
csc = compactCreditScorecard属性:描述:“GoodLabel: 0 ResponseVar: 'status' WeightsVar:”NumericPredictors: {'CustAge' 'CustIncome' 'TmWBank' 'AMBalance'}类别predictors: {'ResStatus' 'EmpStatus' 'OtherCC'} PredictorVars: {1x7 cell}

然后使用probdefault与compactCreditScorecard对象。为了便于说明，假设原始数据中的几行是我们的“新”数据。使用数据中的Input参数。probdefault函数获取违约概率newdata．

Newdata = data(10:20，:);Pd = probdefault(csc,newdata)
pd =11×10.3047 0.3418 0.2237 0.2793 0.3615 0.1653 0.3799 0.4055 0.4269 0.1915

输入参数

全部折叠

信用记分卡模型，指定为compactCreditScorecard对象。

要创建compactCreditScorecard对象,使用compactCreditScorecard或紧凑的来自金融工具箱™。

数据集应用概率默认规则，指定为MATLAB®表，其中每一行对应单独的观测值。中每个预测器的数据必须包含列compactCreditScorecard对象。

数据类型:表格

输出参数

全部折叠

违约概率，返回为aNumObs——- - - - - -1违约概率的数值数组。

更多关于

全部折叠

违约概率

计算完未缩放的分数后(参见计算和缩放分数的算法)，则该点为“好”的概率由下式表示:

ProbGood = 1。/(1 + exp(-UnscaledScores))

因此，违约的概率为

pd = 1 - ProbGood

参考文献

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

版本历史

在R2019a中引入

另请参阅

|||

主题