Journal des antiviraux et des antirétroviraux
Libre accès

Abstrait

Modèle logistique du risque de crédit basé sur la méthode MCMC

Bin Zhao, Jinming Cao

Dans cet article, la méthode de Monte Carlo par chaîne de Markov (MCMC) est utilisée pour estimer les paramètres de la distribution logistique, et cette méthode est utilisée pour classer les niveaux de risque de crédit des clients des banques. OpenBUGS est un logiciel d'analyse bayésienne basé sur la méthode MCMC. Cet article utilise le logiciel OpenBUGS pour donner l'estimation bayésienne des paramètres du modèle de régression logistique binomiale et son intervalle de confiance correspondant. Les données utilisées dans cet article comprennent les valeurs de 20 variables qui peuvent être liées au crédit en souffrance de 1 000 clients. Tout d'abord, la méthode « Boruta » est adoptée pour filtrer les indicateurs quantitatifs qui ont un impact significatif sur le risque de retard, puis la méthode de segmentation optimale est utilisée pour le traitement des sous-sections. Ensuite, nous filtrons les trois variables qualitatives les plus utiles. Selon la valeur WOE et IV, et traitées comme une variable chaude. Enfin, 10 variables ont été sélectionnées et OpenBU-GS a été utilisé pour estimer les paramètres de toutes les variables. Nous pouvons tirer les conclusions suivantes des résultats : l'historique de crédit du client et l'état actuel du compte courant ont le plus grand impact sur le risque de défaut d'un client, la banque devrait accorder plus d'attention à ces deux aspects lors de l'évaluation du niveau de risque du client.