ISSN: 1948-5964
Bin Zhao, Jinming Cao
In diesem Dokument wird die Markov-Chain-Monte-Carlo-Methode (MCMC) verwendet, um die Parameter der logistischen Verteilung zu schätzen, und diese Methode wird verwendet, um die Kreditrisikoniveaus von Bankkunden zu klassifizieren. OpenBUGS ist eine Bayes-Analysesoftware, die auf der MCMC-Methode basiert. In diesem Dokument wird die OpenBUGS-Software verwendet, um die Bayes-Schätzung der Parameter des binomialen logistischen Regressionsmodells und des entsprechenden Konfidenzintervalls vorzunehmen. Die in diesem Dokument verwendeten Daten umfassen die Werte von 20 Variablen, die mit dem überfälligen Kredit von 1000 Kunden in Zusammenhang stehen können. Zuerst wird die „Boruta“-Methode angewendet, um die quantitativen Indikatoren zu filtern, die einen signifikanten Einfluss auf das Überfälligkeitsrisiko haben, und dann wird die optimale Segmentierungsmethode für die Unterabschnittsverarbeitung verwendet. Als Nächstes filtern wir die drei nützlichsten qualitativen Variablen. Entsprechend dem WOE- und IV-Wert werden sie als eine heiße Variable behandelt. Schließlich wurden 10 Variablen ausgewählt und OpenBU-GS wurde verwendet, um die Parameter aller Variablen zu schätzen. Aus den Ergebnissen können wir folgende Schlussfolgerungen ziehen: Die Kredithistorie eines Kunden und der aktuelle Stand seines Girokontos haben den größten Einfluss auf das Zahlungsausfallrisiko eines Kunden. Die Bank sollte diesen beiden Aspekten bei der Bewertung des Risikoniveaus des Kunden mehr Aufmerksamkeit schenken.