本文采用阿里云網(wǎng)站天池實(shí)驗(yàn)室中的公開(kāi)部分個(gè)人信貸面板數(shù)據(jù)資料,利用STATA軟件實(shí)現(xiàn)二分類(lèi)Logistics Regression建模,對(duì)個(gè)人信貸信用風(fēng)險(xiǎn)進(jìn)行了研究。研究結(jié)果顯示:該模型的擬合能力較好,對(duì)違約的識(shí)別正確率較高,達(dá)到80.26%。在0.95的置信區(qū)間內(nèi),工齡、信用卡負(fù)債和負(fù)債率對(duì)信用違約風(fēng)險(xiǎn)有顯著的影響,而其他的因素的影響不是很明顯。借款公司可借助該模型評(píng)估貸款客戶的違約風(fēng)險(xiǎn),改善貸款的質(zhì)量。 

【文章來(lái)源】：軟件. 2020,41(08)

【文章頁(yè)數(shù)】：3 頁(yè)

【部分圖文】：

Sigmoid函數(shù)圖像

采用STATA軟件進(jìn)行二分類(lèi)LR計(jì)算，考慮到在置信區(qū)間內(nèi)，自變量對(duì)結(jié)果是否存在明顯影響，本文采用逐步后退法對(duì)其進(jìn)行回歸，剔除變量過(guò)程如圖2，最終得到回歸OR值、回歸系數(shù)、標(biāo)準(zhǔn)差、顯著性水平等結(jié)果如圖3，可得違約的LR方程可以表示為。圖3 最終LR結(jié)果

最終LR結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于多因素Logistic回歸分析的廢舊物資處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 席衛(wèi)華.  軟件. 2018(09)
[2]基于Logistic回歸模型的個(gè)人小額貸款信用風(fēng)險(xiǎn)評(píng)估及應(yīng)用[J]. 羅方科,陳曉紅.  財(cái)經(jīng)理論與實(shí)踐. 2017(01)
[3]P2P網(wǎng)絡(luò)借貸個(gè)人信用風(fēng)險(xiǎn)評(píng)估[J]. 宋麗平,張利坤,徐瑋.  財(cái)會(huì)月刊. 2015(35)
[4]中國(guó)農(nóng)戶小額信貸信用風(fēng)險(xiǎn)評(píng)估研究——基于模糊綜合評(píng)價(jià)模型[J]. 王穎.  西南金融. 2010(08)

碩士論文
[1]基于貝葉斯網(wǎng)絡(luò)的SVM客戶信用評(píng)估模型研究[D]. 王華松.遼寧工程技術(shù)大學(xué) 2017



本文編號(hào)：3314318