Page 118 - 信用評等模型12堂課-以消費金融為例

104

3.
將排
樣
20
等分及 序 後 之 等分等，再計 本切成 n 等分，可能是 一等分的 好 件數 等分、 、 壞件 30
算每
50
數 、 好 壞比 、 Ln(Odds) 及平 均 分 數 。
4. 建 立每種 切等 之 平 均 分 數 及 Ln(Odds) 間的 迴歸 式 ，
觀 察 在 哪 種 切等方 式下 ， 迴歸 式會 有 最 佳 的 解 釋 能
力 ， 亦 即 有 最 高的 R-Square ，並 觀 察 期 望 好 壞比 值

vs. 實際 好 壞比 值是 否 相 近 。

5. 由上 述 迴歸 式套 入 Score ＝ A+B×Ln(Odds) ，則可得
到 最 後 之 校 準 函數 ，如 Base Score 為 400 ， PDO 為
40 ，則

Final Score ＝ 400+40/ln (2)×ln(Odds)

其中對 數 好 壞比 值 【 ln(Odds) 】 則是由平 均 分 數 及對
數 好 壞比 值間所建 立之最 佳 迴歸 式帶 入 即 可，其可
利用 各種統 計 套 裝軟 體求 得其 最適 模型。

6. 以 校 準 分 數 為 應變 數 ， 最 終 評分模型 之變 數 為 自變

數 進 行 迴歸 分析，可得到 最 後 各變 數 屬性 之係 數 ，
此 即 為風險 校 準 後評分 卡 (Calibrated Scorecard) 的
分 數 。 日 後評分 卡變 數 使用及定 期 監控 皆 以

為主。
Calibrated Scorecard
8-3
之解
以表
2 為 8-2 及表 最 高 ) ，則其 為例，可以得到分 校 準 函數 則如 群 30 所 列： 釋 能 力最
下
0.993
佳
(R
2 3 4
x -0.25 x +0.01 x )
400+40/ln (2
最後分數＝
)×
(-190.7+0.002