C16084债券信用风险计量多套答案汇总100分_第1页
C16084债券信用风险计量多套答案汇总100分_第2页
C16084债券信用风险计量多套答案汇总100分_第3页
C16084债券信用风险计量多套答案汇总100分_第4页
C16084债券信用风险计量多套答案汇总100分_第5页
已阅读5页,还剩2页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

-.z下面三套题答案都经过纠正!试

题一、单项选择题1.在影子评级方法中,当违约数据缺乏、只能获得债务人的外部评级时,因变量不再是简单的二元变量〔如违约和非违约〕,而是有序多分类因变量,如AAA,AA+,AA,AA-等。对于此类因变量,应采用〔〕进展多变量分析。

A.有序多分类logistic回归模型

B.多重线性回归

C.泊松回归

D.负二项回归

描述:多变量分析您的答案:A题目分数:10此题得分:10.02.〔〕步骤不属于信用风险统计模型建模过程。

A.数据清洗及分析

B.多变量分析

C.设计模型特例调整事项

D.模型校准

描述:统计模型开发您的答案:C题目分数:10此题得分:10.03.ROC曲线描述了在一定累计好客户比例下的累计坏客户比例,模型的区分能力越强,ROC曲线越往〔〕靠近。

A.左下角

B.左上角

C.右上角

D.右下角

描述:统计模型开发阶段验证-区分能力验证您的答案:B题目分数:10此题得分:10.0二、多项选择题4.影子评级模型的根本组成要件主要有〔〕。

A.统计模型

B.专家经历调整

C.公司治理架构和政府支持因素调整

D.评级推翻

描述:影子评级模型您的答案:D,C,B,A题目分数:10此题得分:10.05.在构建多变量回归模型之前,应对每个单变量分别进展分析,以决定哪些变量是可以进入下一阶段多变量分析的。其中检验区分能力分析的统计量有〔〕。

A.AR统计量

B.K-S统计量

C.Somers'd统计量

D.Phi系数

描述:单变量分析-区分能力分析您的答案:A,C,B题目分数:10此题得分:10.06.在单变量分析中,为实现变量同一量纲,到达变量间可比进展变量转换。另外,通过转换还可以将连续变量离散化,进一步平滑噪音,提高运算效率,常见方法有〔〕。

A.Logistic转换

B.WOE转换

C.极差化处理

D.LOESS回归

描述:单变量分析-变量转换您的答案:B,C,A题目分数:10此题得分:10.0三、判断题7.债券评级模型一般会分为两个维度,发债主体评级模型和债项评级模型。〔〕

描述:P22,债券信用风险模型您的答案:正确题目分数:10此题得分:0.0题目看不见还不给分!8.债券信用风险计量结果的应用围很狭窄,仅能应用在投前准入环节。〔〕

描述:模型应用您的答案:错误题目分数:10此题得分:10.09.应根据数据〔尤其是违约数据〕的数据长度、数据质量、数据可信度选择适宜的信用风险模型建模方法。〔〕

描述:P9,债券信用风险模型您的答案:正确题目分数:10此题得分:10.010.Duration-based方法适用于在每年年初各个等级的债务人数量,且这一年里债务人违约的数量。则每个等级的PD=有评级历史以来的远约债务人数量/有评级历史以来的债务人数量。〔〕

描述:违约概率估计技术您的答案:错误题目分数:10此题得分:10.0试卷总得分:90.0C16084债券信用风险计量自测答案100分一、单项选择题1.在影子评级方法中,当违约数据缺乏、只能获得债务人的外部评级时,因变量不再是简单的二元变量〔如违约和非违约〕,而是有序多分类因变量,如AAA,AA+,AA,AA-等。对于此类因变量,应采用〔〕进展多变量分析。

A.有序多分类logistic回归模型

B.多重线性回归

C.泊松回归

D.负二项回归

描述:多变量分析您的答案:A题目分数:10此题得分:10.02.〔〕步骤不属于信用风险统计模型建模过程。

A.数据清洗及分析

B.多变量分析

C.设计模型特例调整事项

D.模型校准

描述:统计模型开发您的答案:C题目分数:10此题得分:10.03.ROC曲线描述了在一定累计好客户比例下的累计坏客户比例,模型的区分能力越强,ROC曲线越往〔〕靠近。

A.左下角

B.左上角

C.右上角

D.右下角

描述:统计模型开发阶段验证-区分能力验证您的答案:B题目分数:10此题得分:10.0二、多项选择题4.影子评级模型的根本组成要件主要有〔〕。

A.统计模型

B.专家经历调整

C.公司治理架构和政府支持因素调整

D.评级推翻

描述:影子评级模型您的答案:B,A,C,D题目分数:10此题得分:10.05.在构建多变量回归模型之前,应对每个单变量分别进展分析,以决定哪些变量是可以进入下一阶段多变量分析的。其中检验区分能力分析的统计量有〔〕。

A.AR统计量

B.K-S统计量

C.Somers'd统计量

D.Phi系数

描述:单变量分析-区分能力分析您的答案:B,C,A题目分数:10此题得分:10.06.在单变量分析中,为实现变量同一量纲,到达变量间可比进展变量转换。另外,通过转换还可以将连续变量离散化,进一步平滑噪音,提高运算效率,常见方法有〔〕。

A.Logistic转换

B.WOE转换

C.极差化处理

D.LOESS回归

描述:单变量分析-变量转换您的答案:C,A,B题目分数:10此题得分:10.0三、判断题7.债券评级模型一般会分为两个维度,发债主体评级模型和债项评级模型。〔〕---有的试题答〞正确〞也不得分!

描述:P22,债券信用风险模型您的答案:正确题目分数:10此题得分:10.08.债券信用风险计量结果的应用围很狭窄,仅能应用在投前准入环节。〔〕

描述:模型应用您的答案:错误题目分数:10此题得分:10.09.应根据数据〔尤其是违约数据〕的数据长度、数据质量、数据可信度选择适宜的信用风险模型建模方法。〔〕

描述:P9,债券信用风险模型您的答案:正确题目分数:10此题得分:10.010.Duration-based方法适用于在每年年初各个等级的债务人数量,且这一年里债务人违约的数量。则每个等级的PD=有评级历史以来的远约债务人数量/有评级历史以来的债务人数量。〔〕

描述:违约概率估计技术您的答案:错误题目分数:10此题得分:10.0试卷总得分:100.0一、单项选择题1.单变量分析中样本数据识别异常点时,将变量按从小到大的顺序进展排序,确定异常值的位置,将〔〕值规为异常值。

A.小于2%分位数和大于99%分位数

B.小于2%分位数和大于98%分位数

C.小于1%分位数和大于99%分位数

D.小于1%分位数和大于98%分位数

描述:样本异常点识别您的答案:C题目分数:10此题得分:10.02.LOESS回归,是一种局部拟合,中选择点*进展拟合时,*临近点的权重是根据它与点*的来确定的,即距离点*越近,权重越〔A〕。

A.高

B.低

C.与权重无关

D.不能确定

描述:变量平滑处理方法您的答案:B题目分数:10此题得分:0.03.ROC曲线描述了在一定累计好客户比例下的累计坏客户比例,模型的区分能力越强,ROC曲线越往〔B〕靠近。

A.左下角

B.左上角

C.右上角

D.右下角

描述:统计模型开发阶段验证-区分能力验证您的答案:D题目分数:10此题得分:0.0二、多项选择题4.影子评级模型的根本组成要件主要有〔〕。

A.统计模型

B.专家经历调整

C.公司治理架构和政府支持因素调整

D.评级推翻

描述:影子评级模型您的答案:B,C,A,D题目分数:10此题得分:10.05.在构建多变量回归模型之前,应对每个单变量分别进展分析,以决定哪些变量是可以进入下一阶段多变量分析的。其中检验区分能力分析的统计量有〔〕。

A.AR统计量

B.K-S统计量

C.Somers'd统计量

D.Phi系数

描述:单变量分析-区分能力分析您的答案:C,B,A题目分数:10此题得分:10.06.单变量分析包括〔〕。

A.缺失值和异常值处理

B.变量转换

C.区分能力分析

D.Logistic回归

描述:单变量分析-变量转换您的答案:C,A,B题目分数:10此题得分:10.0三、判断题7.债券评级模型一般会分为两个维度,发债主体评级模型和债项评级模型。〔〕

描述:P22,债券信用风险模型您的答案:正确题目分数:10此题得分:10.08.AUC系数表示ROC曲线下方的面积。AUC系数越高,模型的风险区分能力越强。〔〕

描述:统计模型开发阶段验证-区分能

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论