主要内容

fitEADModel

创建指定的EAD模型对象类型

折叠所有页面

语法

ModelType eadModel = fitEADModel(数据)
EADMODEL = FITEADMODEL（＿＿＿，名称，价值）

描述

例子

eadModel= fitEADModel (数据,ModelType）以默认（EAD）模型对象创建曝光数据和ModelType．fitEADModel接受表格形式的信用数据并适合EAD模型。ModelType支持一金宝app个回归或者托比特书模型。

例子

eadModel= fitEADModel (＿＿＿,名称,值）除了以前语法中的输入参数之外，使用一个或多个名称值对参数指定选项。可用的可选名称 - 值对参数取决于指定的参数ModelType．

例子

全部收缩

打开直播脚本

这个例子展示了如何使用fitEADModel创建一个回归违约曝光模型（EAD）。

加载EAD数据

加载EAD数据。

负载EADData.mat头（EADDATA）
ans =.8×6表UtilizationRate婚姻年龄限制含铅  _______________ ___ ___________ __________ __________ __________ 25没结婚44776 10907 44740 0.96946 0.24359 2.1405 44岁没有结婚2.0751 e + e + 05年05 40678 0 40结婚1.6581 0.53242 1.6567 e + e + 05 0 05 38岁没有结婚e + 05 92506 1593.5 0.2583 1.7375 26258 6782.5 54.175 0.17039没有结婚54岁结婚1.7357e+05 29575 576.69 0.18586 27 not married 19590 3641 998.49 0.85372 42 not married 2.0712e+05 1.7682e+05 1.6454e+05
RNG（'默认'）;NumObs =身高(EADData);c = cvpartition (NumObs“坚持”，0.4）;培训=培训（c）;testind =测试（c）;

选择模型类型

选择模型类型回归或者托比特书．

modeltype =“回归”；

选择转换测量

为EAD响应值选择转换度量。

ConversionMeasure =“LCF”；

创建回归EAD模型

用fitEADModel创建一个回归模型使用EADData．

eadModel = fitEADModel (EADData ModelType,“PredictorVars”，{'利用率','年龄','婚姻'}，．..“ConversionMeasure”ConversionMeasure,“DrawnVar”,'画','limitvar',“限制”,“ResponseVar”,含铅的）;DISP（EADMODEL）;
带有属性的回归:converontransform: "logit"边界公差:1.0000e-07 ModelID: "回归"描述:""底层模型:[1x1 classregr .regr. "CompactLinearModel] PredictorVars: ["UtilizationRate" "Age" "Marriage"] ResponseVar: "EAD" LimitVar: "Limit" DrawnVar: " draw " converonmeasure: "lcf"

显示底层模型。底层模型的响应变量是EAD响应数据的转换。使用'边界是','limitvar'， 和“DrawnVar”修改转换的名称-值参数。

DISP（EADMODEL.underlyingModel）;
紧凑型线性回归型号：EAD_LCF_LOGIT〜1 + UILERIACIENTRATE + AGE +婚姻估计系数：估计SE TSTAT PVALUE _________________________________2.752 0.0059471结婚 -  0.03509 0.13935 -0.2518 0.8012观测数量：4378，误差自由度：4374根均匀误差：4.48 R线：0.173，调整R线：0.173 F统计与常数型号：305，p值= 5.7e-180

预测EAD

EAD预测在基础的紧凑统计模型上操作，然后将预测值转换回EAD尺度。您可以指定预测函数的不同选项“ModelLevel”name-vale论点。

predieteead =预测（EADMODEL，EADDATA（TESTIND，:)，“ModelLevel”,含铅的）;predictedConversion =预测（EADMODEL，EADDATA（TESTIND，:)，“ModelLevel”,“ConversionMeasure”）;

验证EAD模型

对于模型验证，使用modelDiscrimination,modelDiscriminationPlot,modelAccuracy， 和modelAccuracyPlot．

用modelDiscrimination进而modelDiscriminationPlot绘制ROC曲线。

ModelLevel =“转换筹集”；[DiscMeasure1，discData1] =正常选择性（EADMODEL，EADDATA（TESTIND，:)，“ModelLevel”，典型的模型）;modeldiscriminationplot（EADMODEL，EADDATA（TESTIND，:)，“ModelLevel”，modellevel，'segmentby','婚姻'）;

图中包含一个轴对象。标题为E A D _ l c f blank R O c blank S E E m E D blank b y A R R i g的轴对象包含2个类型为line的对象。这些对象分别代表Regression，已婚，AUROC = 0.70813, Regression，未婚，AUROC = 0.70921。

用modelAccuracy进而modelAccuracyPlot显示预测的散点图。

YData =“观察”；[AccMeasure1，AccData1] = ModelAccuracy（EADMODEL，EADDATA（TESTIND，:)，“ModelLevel”，典型的模型）;ModelAccuralyplot（EADMODEL，EADDATA（TESTIND，:)，“ModelLevel”，modellevel，“YData”，ydata）;

图中包含一个轴对象。具有标题散点回归的轴对象，R形突变：0.16148包含2个散射，线的2个对象。这些对象代表数据，适合。

绘制关于预测的EAD观察的直方图。

数字;直方图（AccData1.observed）;抓住在；直方图(AccData1。（('预料到的_'+ modeltype））））;传奇（'观察到的','预料到的'）;

图中包含一个轴对象。坐标轴对象包含两个直方图类型的对象。这些对象代表观察到的，预测到的。

输入参数

全部收缩

默认丢失的数据，指定为表。

数据类型:桌子

PD模型的类型，指定为标量串或字符向量。

数据类型:字符串|char

名称-值参数

指定可选的逗号分隔的对名称,值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：eadModel = fitEADModel (EADData、ModelType PredictorVars,{“UtilizationRate”、“年龄”、“婚姻”},“ConversionMeasure”、“ccf”,‘DrawnVar’,‘画’,‘LimitVar’,“限制”,“ResponseVar”,“o”)

可用的名称-值对参数取决于您指定的值ModelType．

模型对象的名称-值对参数

输出参数

全部收缩

丢失给定的默认模型，作为一个返回eadModelA的对象回归或者托比特书模型。

参考

[1]贝森斯，巴特，丹尼尔·罗施，哈拉尔德·舍勒。信用风险分析：SAS中的测量技术，应用和示例。威利,2016年。

[2]贝里尼,Tiziano。IFRS 9和CECL信用风险建模和验证:在R和SAS中工作的实例的实用指南。圣地亚哥，加利福尼亚州：2019年elestvier。

[3]棕色，iain。使用SAS Enterprise Miner和SAS / Stat开发信用风险模型：理论和应用。SAS学院，2014年。

Roesch Daniel Scheule和Harald Scheule。深度信用风险。独立发布，2020年。

另请参阅

|

主题

在R2021B中介绍

风险管理工具箱文档

金宝app

与MATLAB有效的模型风险管理

与MATLAB有效的模型风险管理

下载白皮书