基于样本数据库的回收率计量模型
基于样本数据库的回收率计量模型国内外的研究都表明，回收率的分布具有双峰的特征，在穆迪的模型中，回收率在附近和附近均有个峰，而在中国，不良贷款的回收率虽然也呈现双峰分布，但是峰在和附近，而且附近的峰很高，而附近的峰较低. 鉴于回收率的双峰特征，直接对回收率进行建模估计将会导致较大的偏差，因此先对回收率进行分类再进行预测是对回收率进行建模的一套行之有效的方法。具体来说就是：先判断回收率是否有回收，对一笔贷款，如果判断它无回收，则认为它的回收率为零，如果被判别成有回收，再对其进行建模预测。因此从这个角度，对回收率的分类是建模过程中的重要部分。同时，如果能对一笔贷款有无回收作出判断，能为商业银行和资产管理公司管理和处置不良贷款提供有力的帮助，能够减少财务损失，节省人力物力，提高管理效率。银行和金融资产管理公司能够有效调配资源，在有回收的贷款上投入更多的精力，避免了资源浪费，同时通过对影响一笔贷款有无回收的因素进行深入分析，能够及时发现风险和规避风险，同时更有效率的进行不良贷款的管理。传统的判别模型主要针对违约率的判别，即对的判别模型，研究银行贷款是否有违约的情况。分别利用判别分析给出了评分模型和模型；此后在年代广泛被评级公司引用的模型的建立；年代后信息化的发展，数据挖掘技术的普遍运用，使得判别技术更进一歩。而把判别模型引入到计量中，主要是为了克服我国不良贷款双峰分布，零回收率不易进行数学变换，无法纳入回收率广义线性模型框架的困难。一般的对是否有回收的判别模型主要包括有：模型、模型、贝叶斯判别分析模型等参数模型和支持向量机、神经网络等非参数模型。本文利用样本数据库的不良贷款损失率数据建立的判别分类的模型有判别分析模型和支持向量机模型。贝叶斯判别分析的主要思想判别分析模型有很多，根据我们的实际研究测试，使用贝叶斯判别分析模型具有比较好的测算效果。贝叶斯判别法的基本思想就是假定对所研究的对象已有一定的认识，常用先验概率来描述这种认识。感谢楼主分享！
多努力 加油哦 我支持你
多努力 加油哦 我支持你
多努力 加油哦 我支持你
多努力 加油哦 我支持你
多努力 加油哦 我支持你
多努力 加油哦 我支持你
多努力 加油哦 我支持你
多努力 加油哦 我支持你
页:
[1]
2