违约概率的寿命模型

根据寿命分析估计损失准备金

基于宏观经济情景下的生存期分析，开发并验证违约概率(PD)的生存期模型。使用预期信用损失(ECL)计算器计算估计损失准备金。

功能

PD功能

`fitLifetimePDModel`	创建指定的生命周期PD模型对象类型
`预测`	计算条件PD
`predictLifetime`	计算累积生命周期PD、边际PD和生存概率
`modelDiscrimination`	计算AUROC和ROC数据
`modelDiscriminationPlot`	绘制ROC曲线
`modelAccuracy`	在分组数据上计算预测pd和观测pd的RMSE
`modelAccuracyPlot`	在分组数据上绘制观察到的违约率与预测pd的比较图

终身预期信用损失(ECL)计算器

portfolioECL 计算个人或投资组合级别的生命周期ECL

对象

`物流`	创建`物流`为违约的生存期概率建模对象
`Probit`	创建`Probit`为违约的生存期概率建模对象
`考克斯`	创建`考克斯`为违约的生存期概率建模对象
`customLifetimePDModel`	创建`customLifetimePDModel`对象表示违约的生存期概率

主题

默认模型的生命周期概率概述
根据宏观经济情景条件下的生命周期分析估计损失准备金。
基本寿命PD模型验证
此示例展示了如何通过查看拟合模型、估计系数和对违约(PD)模型的生命周期概率执行基本模型验证p值。
终生PD的Logistic模型与冠军模型比较
这个例子展示了如何比较new物流终生PD模型对抗“冠军”模型。
使用交叉验证比较生命周期PD模型
这个例子展示了如何使用交叉验证比较三个生命周期PD模型。
预期信用损失计算
此示例展示了如何执行预期信用损失(ECL)计算portfolioECL使用模拟贷款数据、宏观场景数据和现有的终身违约概率(PD)模型。
违约概率的模型判别与准确性比较
这个例子显示了用于验证违约概率(PD)模型的鉴别和准确性度量之间的一些差异。
用考克斯比例风险建模违约概率
这个例子展示了如何使用消费者(零售)信贷面板数据来可视化观察到的不同级别的违约概率。
解释和压力测试深度学习网络的违约概率
利用深度神经网络训练信用风险的违约概率(PD)预测。
创建自定义终身PD模型的信用记分卡模型与功能句柄
这个例子展示了如何使用customLifetimePDModel为违约概率建立一个生命周期模型。
为具有函数句柄的决策树模型创建自定义生命周期PD模型
此示例演示如何为信用评分拟合决策树模型，然后使用customLifetimePDModel对象创建违约概率的生存期模型。
在贷款组合ECL计算中纳入宏观经济情景预测
这个例子展示了如何为一个贷款组合生成宏观经济场景和执行预期信用损失(ECL)计算。