主要内容

托特

创建托特丢失的模型对象默认丢失

描述

创建并分析托特使用此工作流程计算默认值(LGD)的模型对象:

  1. 使用<一种href="//www.tianjin-qmedu.com/help/risk/fitlgdmodel.html">fitLGDModel创建一个托特模型对象。

  2. 使用<一种href="//www.tianjin-qmedu.com/help/risk/regression.predict_lgd.html">预测预测LGD。

  3. 使用<一种href="//www.tianjin-qmedu.com/help/risk/logistic.modeldiscrimination_lifetimepd.html">Modeldiscimination.返回AUROC和ROC数据。您可以使用<一种href="//www.tianjin-qmedu.com/help/risk/regression.modeldiscriminationplot_lgd.html">modelDiscriminationPlot

  4. 使用<一种href="//www.tianjin-qmedu.com/help/risk/logistic.modelaccuracy_lifetimepd.html">模拟返回预测和观测LGD数据的r -平方、均方根误差、相关性和样本平均误差。您可以使用<一种href="//www.tianjin-qmedu.com/help/risk/regression.modelaccuracyplot_lgd.html">modelAccuracyPlot

创建

描述

例子

TobitLGDModel= fitLGDModel (<一种href="#mw_81c7c4ca-1ebe-4f62-a59b-e0be63636ece" class="intrnllnk">数据那<一种href="#mw_2290ede8-ab19-43c6-8610-4f20b5c170e9" class="intrnllnk">ModelType创建一个托特LGD模型对象。

例子

TobitLGDModel= fitLGDModel (___那<一种href="#namevaluepairarguments" class="intrnllnk">名称,价值除了前面语法中的输入参数外,还使用一个或多个名称-值对参数指定选项。可选的名称-值对参数设置模型对象<一种href="//www.tianjin-qmedu.com/help/risk/risk.credit.lgd.tobit.html" class="intrnllnk">属性。例如,lgdModel = fitLGDModel(data,'tobit','PredictorVars',{'LTV' 'Age' 'Type'},'ResponseVar','LGD','CensoringSide','left','LeftLimit',1e-4)创建一个托特模型对象。

输入参数

全部展开

数据默认为丢失,指定为表。

数据类型:表格

模型类型,指定为具有值的字符串“tobit”或者一个值为的字符向量'tobit'

数据类型:字符|字符串

托特名称值对参数

指定可选的逗号分离对名称,价值参数。的名字是参数名称和价值是对应的值。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,…,的家

例子:lgdModel = fitLGDModel(data,'tobit','PredictorVars',{'LTV' 'Age' 'Type'},'ResponseVar','LGD','CensoringSide','left','LeftLimit',1e-4)

用户定义的模型ID,指定为逗号分隔的对,由“ModelID”和一个字符串或字符向量。该软件使用ModelID文本格式化输出,预计将短。

数据类型:字符串|字符

用户定义的模型描述,由逗号分隔的对组成'描述'和一个字符串或字符向量。

数据类型:字符串|字符

预测器变量,由逗号分隔的一对组成'predictorvars'以及字符向量的字符串数组或单元格数组。PredictorVars控件中的哪些列数据输入包含预测器信息。默认,PredictorVars中的所有列数据输入除ResponseVar

数据类型:字符串|细胞

响应变量,指定为逗号分隔的对,由“ResponseVar”和一个字符串或字符向量。响应变量包含LGD数据,并且必须是介于之间的数值变量0.1(包容)。的LGD值0.表示没有损失(完全恢复),1表示总损失(无恢复)和值之间0.1显示部分损失。默认,ResponseVar设置为最后一列。

数据类型:字符串|字符

审查方面,指定为逗号分隔对组成“CensoringSide”和一个字符向量或字符串。CensoringSide表示期望的Tobit模型是左删删、右删删还是两边删删。

数据类型:字符串|字符

左审查限制,指定为逗号分隔对组成“LeftLimit”和标量数字0.1

数据类型:

右审查限制,指定为逗号分隔对组成'右极地'和标量数字0.1

数据类型:

选项,指定为逗号分隔的对,由“SolverOptions”优化选择使用创建的<一种href="//www.tianjin-qmedu.com/help/optim/ug/optim.problemdef.optimizationproblem.optimoptions.html">优化选择从优化工具箱™。的默认值。优化选择对象是:

  • “展示”-“没有”

  • “算法”-“sqp”

  • “MaxFunctionEvaluations”-500.✕模型系数个数

  • “MaxIterations”- Tobit模型系数的数量是在运行时确定的,它取决于预测器的数量和分类预测器中的类别的数量。

数据类型:目的

属性

全部展开

用户定义的模型ID,作为字符串返回。

数据类型:字符串

用户定义的描述,作为字符串返回。

数据类型:字符串

此属性是只读的。

基础统计模型,作为紧凑的线性模型对象返回。底层回归模型的紧凑版本是一个实例classreg.regr.CompactLinearModel类。有关更多信息,请参见<一种href="//www.tianjin-qmedu.com/help/stats/fitlm.html">Fitlm.和<一种href="//www.tianjin-qmedu.com/help/stats/classreg.regr.compactlinearmodel.html">CompactLinearModel

数据类型:字符串

预测器变量,作为字符串数组返回。

数据类型:字符串

响应变量,作为字符串返回。

数据类型:字符串

截边,作为字符串返回。

数据类型:字符串

左截尾极限,返回之间的标量数值0.1

数据类型:

右截尾极限,以标量数值的形式返回0.1

数据类型:

对象功能

预测 预测违约情况下的损失
Modeldiscimination. 计算AUROC和ROC数据
modelDiscriminationPlot 绘制ROC曲线
模拟 计算预测和观测lgd的r平方、均方根误差、相关性和样本平均误差
modelAccuracyPlot 预测和观察LGDS的散点图

例子

全部收缩

这个例子展示了如何使用<一种href="//www.tianjin-qmedu.com/help/risk/fitlgdmodel.html" class="a">fitLGDModel创建一个<一种href="//www.tianjin-qmedu.com/help/risk/risk.credit.lgd.tobit.html" class="a">托特为损失给定的违约(LGD)模型。

加载LGD数据

加载LGD数据。

加载LGDData.mat头(数据)
ans =8×4表LTV年龄类型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 0.14570.60203 1.1599 residential 0.025688 0.92005 0.50253 investment 0.063182

创建托特乐金显示器模型

使用<一种href="//www.tianjin-qmedu.com/help/risk/fitlgdmodel.html" class="a">fitLGDModel创建一个<一种href="//www.tianjin-qmedu.com/help/risk/risk.credit.lgd.tobit.html" class="a">托特模型使用数据

lgdmodel = fitlgdmodel(数据,'tobit'那...“ModelID”'示例tobit'那...'predictorvars', {'ltv'“年龄”“类型”},...“ResponseVar”“乐金显示器”那...“CensoringSide”“左”那...“LeftLimit”1的军医);disp (lgdModel)
Tobit with properties: CensoringSide: "left" LeftLimit: 1.0000e-04 RightLimit: 1 ModelID: "Example Tobit" Description: "" underingmodel: [1x1 risk.internal.credit.TobitModel] PredictorVars: ["LTV" "Age" "Type"] ResponseVar: "LGD"

显示底层模型。其基础模型是一个左删托比特模型。使用“CensoringSide”参数和“LeftLimit”'右极地'参数修改底层Tobit模型。

disp (lgdModel.UnderlyingModel)
Tobit回归模型,左删:LGD = max(0.0001,Y*) Y* ~ 1 + LTV + Age + Type估计系数:估计SE tStat pValue _________ ________ _______ _________ (Intercept) 0.023181 0.020978 1.105 0.26923 LTV 0.23047 0.024138 9.5482 0 Age -0.087242 0.005587 -15.615 0 Type_investment 0.098517 0.013769 7.1547 1.017e-12 (Sigma) 0.28925 0.004358 66.373 0观察数:3487左删观察数:右截尾数:0对数似然数:-1089.33

预测乐金显示器

对于Tobit模型,使用<一种href="//www.tianjin-qmedu.com/help/risk/regression.predict_lgd.html" class="a">预测计算预测值LGD值,即给定预测值后响应的无条件期望值。

predictedLGD =预测(lgdModel、数据(1:10,:))
predictedLGD =10×10.2374 0.1166 0.0902 0.1157 0.0659 0.1523 0.1483 0.3139 0.1686 0.0970

验证乐金显示器模型

使用<一种href="//www.tianjin-qmedu.com/help/risk/regression.modeldiscriminationplot_lgd.html" class="a">modelDiscriminationPlot绘制ROC曲线。

modelDiscriminationPlot (lgdModel、数据)

图中包含一个轴。具有标题ROC示例TOBIT的轴,AUTOC = 0.69103包含类型线的对象。此对象表示示例tobit。

使用<一种href="//www.tianjin-qmedu.com/help/risk/regression.modelaccuracyplot_lgd.html" class="a">modelAccuracyPlot显示预测的散点图。

modelAccuracyPlot (lgdModel、数据)

图中包含一个轴。标题为Scatter Example Tobit, R-Squared: 0.089736的轴包含了2个类型为Scatter, line的物体。这些对象代表Data, Fit。

更多关于

全部展开

参考文献

[1] Baesens,Bart,Daniel Roesch和Harald Scheule。信用风险分析:SAS中的测量技术、应用和实例。威利,2016年。

[2]贝里尼,Tiziano。IFRS 9和CECL信用风险建模和验证:一个实用指南,实例在R和SA中工作。圣地亚哥,加州:爱思唯尔,2019。

在R2021A介绍