主要内容

紧凑的

创建紧凑的信用记分卡

描述

例子

csc=紧凑(sc将现有的creditscorecard对象一个compactCreditScorecard对象(csc).

请注意

要使用此功能,您必须拥有“风险管理工具箱™”的许可证。

例子

全部折叠

把一个creditscorecard对象到一个compactCreditScorecard对象使用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)使用对象从风险管理工具箱™。

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.matsc = creditscorecard(数据)
sc = creditscorecard with properties: GoodLabel: 0 ResponseVar: 'status' WeightsVar: " VarNames: {1x11 cell} NumericPredictors: {1x7 cell} CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'} BinMissingData: 0 IDVar: " PredictorVars: {1x10 cell} Data: [1200x11 table]

在创建一个compactCreditScorecard对象,必须使用autobinningfitmodelcreditscorecard对象。

sc = autobinning (sc);sc = fitmodel (sc);
1.加上CustIncome, Deviance = 1490.8527, Chi2Stat = 32.588614, PValue = 1.1387992e-08添加TmWBank, Deviance = 1467.1415, Chi2Stat = 23.711203, PValue = 1.1192909e-06添加AMBalance, Deviance = 1455.5715, Chi2Stat = 11.569967, PValue = 0.00067025601增加EmpStatus, Deviance = 1447.3451, Chi2Stat = 8.2264038, PValue = 0.0041285257 5。添加CustAge, Deviance = 1441.994, Chi2Stat = 5.3511754, PValue = 0.020708306添加ResStatus, Deviance = 1437.8756, Chi2Stat = 4.118404, PValue = 0.042419078广义线性回归模型:状态~[7个预测因子中8项的线性公式]分布=二项式估计系数: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 0.039696AMBalance 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对象到一个compactCreditScorecard对象的紧凑的函数。使用紧凑的,则必须具有风险管理工具箱™许可证。

csc =紧凑(sc)
csc = compactCreditScorecard with properties: Description: " GoodLabel: 0 ResponseVar: 'status' WeightsVar: " NumericPredictors: {'CustAge' '' CustIncome' '' TmWBank' '' AMBalance'} CategoricalPredictors: {'ResStatus' '' EmpStatus' 'OtherCC'} PredictorVars: {1x7 cell}

你可以使用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)的风险管理工具箱™compactCreditScorecard对象。

输入参数

全部折叠

信用记分卡模型,指定为creditscorecard对象。

请注意

你必须使用creditscorecard对象(sc),用于先前处理过的输入autobinningfitmodel,或fitConstrainedModel.您可以选择使用formatpoints除了这些功能。

输出参数

全部折叠

紧凑型信用记分卡,返回为compactCreditScorecard(风险管理工具箱)对象。你可以使用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)从风险管理工具箱中提取csc对象。

参考文献

[1]安德森,R。信用评分工具包。牛津大学出版社,2007。

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

介绍了R2019a