基于Logistic模型的商业银行信用风险分析

发布时间：2022-01-16 10:46

　　商业银行在金融体系中占据重要的地位,信用风险成为影响商业银行自身发展稳定的主要因素。本文将商业银行信贷数据进行卡方分箱,利用Logistic回归模型来预测贷款用户的违约概率,以AUC作为评价指标,结果表明基于Logistic回归模型的AUC值为0.75,模型效果良好,对商业银行进行风险管理有重要意义。 

【文章来源】：品牌研究. 2019,(19)

【文章页数】：2 页

【文章目录】：
一、引言
二、数据来源和评价方法
    (一)样本来源
    (二)评价方法
三、卡方分箱与WOE编码
    (一)卡方分箱
    (二)WOE编码
四、Logistic回归模型的建立
    (1)单变量分析
    (2)多变量分析
    (3)模型参数估计和显著性检验
五、结论与建议


【参考文献】：
期刊论文
[1]局部最优分箱及其在评分卡模型中的应用[J]. 夏晨琦.  统计与决策. 2019(07)
[2]基于VAR模型的地方中小商业银行信用风险分析[J]. 杨彩丽.  河北金融. 2018(08)
[3]基于因子分析模型的商业银行信用风险测度分析[J]. 周旺,许信旺,陈柳英.  长春师范大学学报. 2017(08)

硕士论文
[1]基于机器学习的信用评分模型研究[D]. 林一帆.天津商业大学 2019
[2]商业银行信用卡违约概率评估的实证研究[D]. 盛洁.厦门大学 2014
[3]商业银行个人贷款风险管理研究[D]. 吴立成.上海交通大学 2014



本文编号：3592507