数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
Microsoft Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学判别分析在信用评分模型中的用途是什么？
什么是判别分析？
除了使用数值评分模型外，公司还可以在信用评分模型中使用判别分析。
用于信用评分的判别分析分为两部分。它们如下：
简单判别分析
多元判别分析模型。
判别模型是客观地找出好客户和坏客户之间差异的方法。通过应用判别分析，贷款机构可以将优质信贷客户与不良客户区分开来。
简单判别分析模型
如上所述，简单判别分析模型是一种客观地将不良信贷客户与优质客户区分开来的方法。贷款机构通常寻求一种可靠的方法，可以使用来自客户财务报表的数据来识别不良客户。这样，使用简单的判别分析就能为贷款机构提供可靠的解决方案。
简单判别分析模型是客观的。
例如，他们的实证分析可能表明，息税折旧摊销前利润 (EBDIT) 与销售额的比率是区分不良客户和优质客户的一个很好的判别因素。
但是，要使用这样的模型，必须获得 EBDIT 与销售额比率的临界值。
为此，首先，按 EBDIT 与销售额的比率对优质客户和不良客户进行排序。
其次，选择一个临界点将数组分成两部分。必须以最小的误分类来进行这种区分。临界点必须通过目视检查来选择。现在，贷款机构可以向那些高于临界点的客户提供信贷。
贷款机构可以使用两个因素而不是上面提到的一个因素来提高模型的准确性。
例如，可以使用息税折旧摊销前利润与销售额的比率和现金流与销售额的比率来区分不良客户和优质客户。可以将这两个因素的组合绘制在支付客户和未支付客户的图表上。
一条直线可以分离这两个因素，同时保持最小的误分类。直线将表明每个比率的重要性。这将由判别指数给出，该指数可以从图表中选择。
此外，判别指数还将指示哪些客户是优质客户，哪些不是。
因此，根据简单的判别分析模型，贷款机构可以区分优质客户和不良客户。
多元判别分析模型
多元判别分析模型为每个客户提供一个综合评分，并根据该评分，贷款机构可以决定将优质客户与不良客户区分开来的最低分数。上面提到的简单判别分析模型只使用两个因素。然而，实际上，可能有很多因素会影响信用评分的分析。这些因素会相互作用。
为了包括那些可能无法从简单判别分析中排除的相互作用，多元判别分析模型对可能影响信用评分模型的每个因素给予适当的权重。
根据公司的属性，Altman 通过多元判别分析指数预测了公司的潜在破产。
Altman 推导出的函数为：
$$\mathrm{z=0.012\left(\frac{NWC}{TA}\right)+0.014\left(\frac{RE}{TA}\right)+0.033\left(\frac{EBIT}{S}\right)+0.006\left(\frac{MV}{D}\right)+0.010\left(\frac{S}{TA}\right)}$$
其中，
$$\mathrm{NWC \:= \:净营运资本}$$
$$\mathrm{TA \:= \:总资产}$$
$$\mathrm{RE\:= \:留存收益}$$
$$\mathrm{EBIT \:= \:息税前利润}$$
$$\mathrm{MV\:= 市值}$$
$$\mathrm{S \:= \:销售额}$$
$$\mathrm{D\:= \:债务账面价值}$$
利用统计分析，Altman预测的临界Z值为2.675。Z值等于或高于2.675的公司被认为财务状况良好，而Z值低于2.675的公司则容易破产，因此属于不良债务。
结论
判别分析是一种有效的多元分析方法，可以从海量数据中提取相关信息。由于这种评分系统，贷款处理速度迅速提高。
浏览量：659
