第四章 信用评分模型.pdfVIP免费

信用风险度量第四章信用评分模型判别分析模型线性概率模型非线性概率模型信用评分模型线性概率模型非线性概率模型判别分析模型判别分析方法Z-score模型ZETA模型Logit模型Probit模型知识结构图2015/8/273第一节判别分析模型2015/8/274判别分析是根据已掌握的分类明确的样品数据，建立一个适当的判别函数，使得用此判别函数对观测量的分类进行判别，并且在判断其所属类别时的错判率最小，然后对一个待判定的新样本，同样采用此判别函数判断其所属类别。例如，从事信用评级的人员，根据被评对象的信用记录、财务状况、发展前景等指标，在进行全面分析研究和综合集成后，可以判别某人信用风险的高低或是一个公司是否有可能破产。医院的大夫在经过医学院的长时间的学习与实践，有些甚至是通过人体解剖才能够理解，熟悉了大量疾病的主要特征（聚类分析过程）；然后，面对一个新的病人，大夫可以根据患者的体制特征、疾病症状。各种化验结果判别出病人患的疾病，而不需对每个病人进行解剖。2015/8/275（一）距离判别分析方法基本思想是：根据已知分类的数据，分别计算出各个总体的重心（分类的均值），然后根据判别准则判断样本与哪一总体的重心距离最近，据此认为样本属于哪个总体。假设有两个总体和，其协方差矩阵均为，它们的分布分别是和，马氏距离定义样本X到总体的距离为：(4-1)按距离最短的判别准则为：那么，(4-2)令(4-3)则判别准则还可以写为：如果、和均为已知数时，W(X)是X的线性函数，即为相应的线性判别函数。一、判别分析方法1G2G1(,)N2(,)N,1,2iGi21(,)()()iiidXGXX2211222212,(,)(,),(,)(,)XGdXGdXGXGdXGdXG221122112(,)(,)2()()2dXGdXGX-11212()()'(),()/2WXX12,()0,()0XGWXXGWX12（二）贝叶斯判别分析方法距离判别法把所有总体等同看待，没有考虑总体会以不同的概率（先验概率）出现，也没有考虑误判后所造成损失的差异。贝叶斯判别法是为解决这两个问题而提出的判别方法。贝叶斯判别法的基本思想是：假设有k个总体，总体的概率密度函数为，样本X来自总体的先验概率为，显然，，根据贝叶斯理论，可以计算样本X属于总体的后验概率为：(4-4)对于待判样本X，如果在所有的中是最大的，则判定X属于第n总体。通常会以样本的频率作为各总体的先验概率。2015/8/276一、判别分析方法12,,,k...