主要内容

fitLGDModel

创建指定的LGD模型对象类型

折叠所有页面

语法

lgdModel = fitLGDModel（数据，ModelType）
lgdModel = fitLGDModel（＿＿＿，名称，价值）

描述

例子

lgdModel= fitLGDModel (数据，ModelType）创建指定的损失给定默认(LGD)模型对象数据和ModelType．fitLGDModel以表格形式接收信用数据，并适合LGD模型。ModelType支持万博1manbetx回归或者托比特书．

例子

lgdModel= fitLGDModel (＿＿＿，名称,值）使用一个或除了在前面的语法的输入参数更名称 - 值对的参数指定的选项。可用可选的名称 - 值对参数取决于指定的ModelType．

例子

全部收缩

打开直播脚本

这个例子展示了如何使用fitLGDModel创建一个回归给定违约损失模型(LGD)。

乐金显示器数据加载

加载LGD数据。

负载LGDData.mat头（数据）
ans =.8×4的表LTV年龄型LGD _______ _______ ___________ _________ 0.89101 0.39716 residential 0.032659 0.70176 2.0939 residential 0.43564 0.72078 2.7948 residential 0.0064766 0.37013 1.237 residential 0.007947 0.36492 2.5818 residential 0.0.796 1.5957 residential 0.14572 0.60203 1.1599 residential 0.025688 0.92005 0.50253 investment 0.063182

创建回归LGD模型

用fitLGDModel创建一个回归模型使用数据．

lgdModel = fitLGDModel(数据,“回归”，．..“ModelID”，“例子”，．..“描述”，LGD回归模型的例子，．..“PredictorVars”{“值”'年龄'“类型”}，．..“ResponseVar”，'LGD');disp (lgdModel)
带有属性的回归:ResponseTransform: "logit" BoundaryTolerance: 1.0000e-05 ModelID: "Example" Description: "Example LGD Regression model."UnderlyingModel: [1 x1 classreg.regr。CompactLinearModel] PredictorVars:[“LTV”“年龄”“类型”]ResponseVar:“LGD”

显示基础模型。底层模型的响应变量是LGD响应数据的分对数变换。使用“ResponseTransform”和'BoundaryTolerance'参数修改转换。

DISP（lgdModel.UnderlyingModel）
紧实线性回归模型:LGD_logit ~ 1 + LTV + Age + Type Estimated Coefficients: Estimate SE tStat pValue ________ ________ _______ __________ (Intercept) -5.1939 0.28351 -18.32 1.203e-71 LTV 3.3217 0.33058 10.048 1.9484e-23 Age -1.4953 0.068658 -21.779 1.0596e-98 Type_investment 1.3813 0.19406 7.1178 1.3259e-123487，误差自由度:3483均方根误差:4.3 r平方:0.195，调整r平方:0.194 F-statistic vs. constant模型:281,p-value = 2.32e-163

预测乐金显示器

对于LGD预测，LGD模型应用了逆变换，因此预测是在LGD尺度上，而不是在适合底层模型的转换尺度上。

predictedLGD =预测(lgdModel、数据);直方图(predictedLGD)标题(“预测乐金显示器直方图”）Xlabel（“预计LGD”）ylabel（'频率'）

图中包含一个轴对象。轴对象与标题预测LGD直方图包含类型的直方图的一个目的。

验证LGD模型

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

例如,使用modelDiscriminationPlot绘制ROC曲线。

modelDiscriminationPlot (lgdModel、数据)

图中包含一个轴对象。标题为ROC Example的axis对象，AUROC = 0.68987包含一个类型为line的对象。该节点表示Example。

用modelAccuracyPlot以显示预测的散点图。

modelAccuracyPlot（lgdModel，数据）

图中包含一个轴对象。轴与标题散点图实施例，R平方对象：0.063213包含类型散射线的2个对象。这些对象代表数据，飞度。

输入参数

全部收缩

对违约损失率的数据，指定为表。

数据类型:桌子

类型PD模型，指定为一个标量字符串或字符向量。使用下列值之一：

  • 回归-转换LGD响应变量，拟合线性回归模型。

  • 托比特书-拟合Tobit回归模型

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：lgdModel = fitLGDModel（数据， '回归'， 'PredictorVars'，{ 'LTV' '年龄'， '类型'}， 'ResponseVar'， 'LGD'， 'ResponseTransform'， '概率'， 'BoundaryTolerance'，1E-6）

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

违约损失率模型，返回一个lgdModel目的。万博1manbetx支持类回归和托比特书．

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：测量技术，应用，和SAS的例子。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，CA：爱思唯尔，2019。

另请参阅

|

主题

介绍了R2021a

风险管理工具箱文档

万博1manbetx

有效模式的风险管理与MATLAB

有效模式的风险管理与MATLAB

下载白皮书