主要内容

fitEADModel

创建指定的EAD模型对象类型

在页面中全部折叠

语法

ModelType eadModel = fitEADModel(数据)
eadModel = fitEADModel (___名称=值)

描述

例子

eadModel= fitEADModel (数据，ModelType）所指定的公开(EAD)模型对象数据而且ModelType．fitEADModel采用表格形式的信贷数据，并符合EAD模型。ModelType的支持回归，托比特书,或β模型。

例子

eadModel= fitEADModel (___，名称=值）除前面语法中的输入参数外，还使用一个或多个名称-值参数指定选项。可用的可选名称-值参数取决于指定的ModelType．

例子

全部折叠

打开生活的脚本

这个例子展示了如何使用fitEADModel创建一个回归默认曝光(EAD)模型。

筒子,数据加载

加载EAD数据。

负载EADData.mat头(EADData)
使用率年龄婚姻限制所绘EAD _______________ ______________ __________ __________ __________ 0.24359 25未结婚44776 10907 44740 0.96946 44未结婚2.1405e+05 2.0751e+05 40678 0 40结婚1.6581e+05 1.6567e+05 0.53242 38未结婚1.7375e+05 1.6567e+05 0.53242 38未结婚1.7375e+05 92506 1593.5 0.2583 30未结婚26258 6782.5 54.175 0.17039 54结婚1.7357e+05 29575 576.69 0.18586 27未结婚19590 3641 998.49 0.85372 42未结婚2.0712e+05 1.7682e+05 1.6454e+05
rng (“默认”）;NumObs =身高(EADData);c = cvpartition (NumObs“坚持”, 0.4);TrainingInd =培训(c);TestInd =测试(c);

选择模型类型

选择的模型类型回归或托比特书．

ModelType =“回归”；

选择转换测量

为EAD响应值选择转换度量。

ConversionMeasure =“性能”；

创建回归EAD模型

使用fitEADModel创建一个回归模型使用EADData．

eadModel = fitEADModel (EADData ModelType PredictorVars = {“UtilizationRate”，“年龄”，“婚姻”}，.．.ConversionMeasure = ConversionMeasure DrawnVar =“画”LimitVar =“限制”ResponseVar =“o”）;disp (eadModel);
ModelID: "Regression"描述:"底层模型:[1x1 classreg.regr.]预测变量:[" utilization " "Age" "Marriage"] ResponseVar: "EAD" LimitVar: "Limit" DrawnVar: "Drawn" converversionmeasure: "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“BoundaryTolerance”，“LimitVar”,“DrawnVar”名称-值参数来修改转换。

disp (eadModel.UnderlyingModel);
紧凑线性回归模型:EAD_lcf_logit ~ 1 +利用率+年龄+婚姻估计系数:估计SE tStat pValue _________ _________ _______ __________(截)-2.4745 0.29892 -8.2781 1.6448e-16利用率6.0045 0.19901 30.172 7.703e-182年龄-0.020095 0.0073019 -2.752 0.0059471未婚婚姻-0.03509 0.13935 -0.2518 0.8012观察数:4378，误差度:4374均方根误差:4.48 r -平方:0.173，调整后r -平方:0.173 f -统计量与常数模型:305,p值= 5.7e-180

预测含铅

EAD预测操作底层的紧凑统计模型，然后将预测值转换回EAD标度。您可以指定预测函数的不同选项“ModelLevel”name-vale论点。

predictedEAD = predict(eadModel, EADData(TestInd，:)，ModelLevel=“o”）;predictedConversion = predict(eadModel, EADData(TestInd，:)，ModelLevel=“ConversionMeasure”）;

验证EAD模型

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

使用modelDiscrimination然后modelDiscriminationPlot绘制ROC曲线。

ModelLevel =“ConversionMeasure”；[DiscMeasure1, DiscData1] = modelDiscrimination(eadModel, EADData(TestInd，:)，ModelLevel=ModelLevel);modelDiscriminationPlot(eadModel, EADData(TestInd，:)， ModelLevel=ModelLevel,SegmentBy=“婚姻”）;

图中包含一个axes对象。标题为EAD_lcf ROC segmentation ented by Marriage的axes对象包含两个类型为line的对象。这些对象表示回归，已婚，AUROC = 0.70813，回归，未婚，AUROC = 0.70921。

使用modelAccuracy然后modelAccuracyPlot显示预测的散点图。

YData =“观察”；[AccMeasure1, AccData1] = modelAccuracy(eadModel, EADData(TestInd，:)， ModelLevel=ModelLevel);modelAccuracyPlot (eadModel EADData (TestInd:), ModelLevel = ModelLevel YData = YData);

图中包含一个axes对象。标题为Scatter Regression, R-Squared: 0.16148的axis对象包含两个类型为Scatter, line的对象。这些对象表示数据、适合。

绘制观察到的相对于预测EAD的直方图。

图;直方图(AccData1.Observed);持有在；直方图(AccData1。（(“Predicted_”+ ModelType)));包含(ConversionMeasure);传奇(“观察”，“预测”）;

图中包含一个axes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

全部折叠

默认情况下的损失数据，指定为表。

数据类型:表格

EAD模型的类型，指定为标量字符串或字符向量。使用以下值之一:

数据类型:字符串|字符

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

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-值参数取决于指定的值ModelType．

模型对象的名称-值参数

输出参数

全部折叠

损失给定的默认模型，返回作为eadModel对象的一个回归，托比特书,或β模型。

参考文献

[1]贝森斯，巴特，丹尼尔·罗施，哈拉尔德·舒勒。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。国际财务报告准则9和CECL信用风险建模和验证:R和SAS实例的实用指南。加州圣地亚哥:爱思唯尔，2019年。

[3]布朗,伊恩。利用SAS企业Miner和SAS/STAT建立信用风险模型:理论与应用。SAS研究所,2014年。

[4] Roesch, Daniel和Harald Scheule。深的信用风险。独立出版,2020年。

版本历史

介绍了R2021b

全部展开

另请参阅

||

主题

Baidu
map