数学基础作业_第1页
数学基础作业_第2页
数学基础作业_第3页
全文预览已结束

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

本文格式为Word版，下载可任意编辑——数学基础作业

Logistic回归在信用风险管理和评价中的应用

学院东凌经济管理学院专业班级金融研13姓名尹新翠学号s20231273

2023年11月

现代基础作业东凌经济管理学院s20231273尹新翠

1.Logistic回归模型在信用风险管理及评价中的适用性

在应用概率模型评价信用风险中，主要有线性概率模型（LPM）和非线性概率模型（如Logistic回归模型）。在应用线性概率模型过程中，使用者发现其存在很严重的缺陷，即当自变量太小或者太大时，所得到的事件发生概率可能会超过[0,1]区间，这样的结果是没有意义的。而Logistic回归模型作为一种非线性的概率模型既战胜了线性判别模型的缺点，也不存在线性概率模型的严重缺陷。

首先，Logistic回归模型对预计变量没有要求，自变量可以是连续变量，也可以是离散变量或者虚拟变量，并且不需要假设它们是联合正态分布；其次，Logistic回归模型的线性形式保证了概率值在有意义的区间内取值；最终，Logistic回归模型的因变量是一个二分类变量，这个变量只能取0或者1两个值来代表某个事件是否发生，我们的兴趣则在于取得事件发生的概率，即因变量取1的概率，所以Logistic回归模型的结果是具有直观含义的，便于我们进行理论解释。

2.国外相关研究文献

将Logistic回归模型应用于商业银行信用风险管理的研究最早也是从国外开始的，早在1977年，学者Martin就将Logistic模型用于预计公司的破产及违约概率。他从1970—1977年间大约5700家美联储成员银行中界定出58家窘境银行，并从25个财务指标中选取总资产净利润率等8个财务比率，用来预计公司的破产及违约概率,建立了Logistic回归模型（Logisticregressionmodel），根据银行、投资者的风险偏好设定风险警界限，以此对分析对象进行风险定位和决策。他还将Z-Score模型，ZETA模型和Logistic模型的预计能力进行了比较，结果发现Logistic回归模型优于Z-Score模型和ZETA模型[1]。Logistic模型在商业银行信贷风险评价领域的应用是由Ohlson于1980年首先提出的，他使用了多元Logit回归方法分析了1970-1976年间破产的105家公司和2058家公司组成的非配对样本,通过该模型可以对企业贷款的违约概率进行预计，发现用公司规模、资本结构、业绩和当前的变现能力进行财务窘境的预计确凿率达到96.12%，然后结合提出的基准线对企业的信贷级别予以界定[2]。

在1986年，学者Madalla则采用Logistic模型区别违约与非违约贷款申请人。其研究结果说明白，当违约

人人文库> 全部分类> 教育资料 > 中学教育

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。

最新文档

评论

0/150

提交评论