クレジット・スコアリング・モデルの高度化に関する研究 : ロジット・モデルと拡張階層ベイズモデルの判別力比較
スポンサーリンク
概要
- 論文の詳細を見る
クレジット・スコアリング・モデルにおける統計モデルの主流はロジット・モデルである。ロジット・モデルは最尤法によりパラメータの推定を行うため,モデル構築の際にはサンプルサイズに注意する必要がある。小サンプルでモデルを構築した場合,安定した推定値は得られない。不安定な推定結果による誤った統計的推測は,結果として間違った結論を導くこととなる。本研究は小サンプルでも比較的安定的な推定値を得られる奥村・各務(2012)の階層ベイズモデルの拡張モデルを提案する。奥村・各務(2012)のモデルは地域間の異質性はパラメータの分布の違いで表現されていたが,実際的にはモデルも異なると考える方がより自然である。その上で,一般的なスコアリング・モデルである個別のロジット・モデルと判別力比較を行うことが目的である。実証分析の結果,拡張階層ベイズモデルは奥村・各務(2012)同様にパフォーマンスを向上させることが確認できた。
- 2013-09-30
著者
関連論文
- 階層ベイズ・モデルによるクレジット・スコアリング・モデル : 住宅ローンコンソーシアム・データへの応用
- クレジット・スコアリング・モデルの高度化に関する研究 : ロジット・モデルと拡張階層ベイズモデルの判別力比較