Page 196 - 信用評等模型12堂課-以消費金融為例
P. 196
182
3. Revolver :
(1) 保 留 所有 置: 合格 評分模型可能有多 本的 Bad 與 Indeterminate 種 不 同 開發方 。 式 , 特
樣
評分模型建
別
1. 以 下 述兩 點為主要 (Two-Stage Regression) 變化 所在 :
二階段迴歸
當 以多 元 迴歸 分析進 行 評分模型開發 時 ,可 採 取 二階段
迴歸 , 將特 定 變 數 納 入稍後 階段 之 模型開發。 尤 以 預測力 較
強的 變 數 可於後 階段 加入模型開發, 允 許 預測力 較弱的 變 數
能於先前
選
力 不 會 被 階段 被 高的 入評分模型,如此使得 變 數獨斷 影響。 最 終 評分模型 鑑 別
預測力
2. 羅吉斯迴歸 (Logistic Regression) 與線性迴歸 (Linear
Regression)
迴歸 分析過 程 旨 在 挑 選 對 Good 與 Bad 鑑 別 力最 佳 之變
數 組 合 並 指 定其 係 數 ,其間 變 數 相關性 (correlation) 使用 階段 亦會 數 併
羅吉斯迴歸
,
分析的
制在於其
限
無法
入考量。
變
;而
0
因其
殘 差 應變 數 永遠 階段 為 之應變 或 1 數 。 線 性 迴歸 則可以前 階段 分析 之
值做為後
承 上,此案例模型建 置 , Transactor 分 群 因 無 納 入 聯徵
資 料 變 數 ,故 採 用一 階段 羅吉斯迴歸 分析;而 Cash User 及
Revolver 兩 分 群 為 避免 模型分析 結 果 過度 依 賴 聯徵變 數 ,故
以 二階段 線 性 迴歸 方 式 為模型開發 選擇:第 一 階段 僅 納 入 行