資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
Microsoft Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學判別分析在信用評分模型中的用途是什麼？
什麼是判別分析？
除了使用數值評分模型外，公司還可以在信用評分模型中使用判別分析。
用於信用評分的判別分析分為兩部分。它們如下：
簡單判別分析
多元判別分析模型。
判別模型是客觀地找出好客戶和壞客戶之間差異的方法。透過應用判別分析，貸款機構可以將優質信貸客戶與不良客戶區分開來。
簡單判別分析模型
如上所述，簡單判別分析模型是一種客觀地將不良信貸客戶與優質客戶區分開來的方法。貸款機構通常尋求一種可靠的方法，可以使用來自客戶財務報表的資料來識別不良客戶。這樣，使用簡單的判別分析就能為貸款機構提供可靠的解決方案。
簡單判別分析模型是客觀的。
例如，他們的實證分析可能表明，息稅折舊攤銷前利潤 (EBDIT) 與銷售額的比率是區分不良客戶和優質客戶的一個很好的判別因素。
但是，要使用這樣的模型，必須獲得 EBDIT 與銷售額比率的臨界值。
為此，首先，按 EBDIT 與銷售額的比率對優質客戶和不良客戶進行排序。
其次，選擇一個臨界點將陣列分成兩部分。必須以最小的誤分類來進行這種區分。臨界點必須透過目視檢查來選擇。現在，貸款機構可以向那些高於臨界點的客戶提供信貸。
貸款機構可以使用兩個因素而不是上面提到的一個因素來提高模型的準確性。
例如，可以使用息稅折舊攤銷前利潤與銷售額的比率和現金流與銷售額的比率來區分不良客戶和優質客戶。可以將這兩個因素的組合繪製在支付客戶和未支付客戶的圖表上。
一條直線可以分離這兩個因素，同時保持最小的誤分類。直線將表明每個比率的重要性。這將由判別指數給出，該指數可以從圖表中選擇。
此外，判別指數還將指示哪些客戶是優質客戶，哪些不是。
因此，根據簡單的判別分析模型，貸款機構可以區分優質客戶和不良客戶。
多元判別分析模型
多元判別分析模型為每個客戶提供一個綜合評分，並根據該評分，貸款機構可以決定將優質客戶與不良客戶區分開來的最低分數。上面提到的簡單判別分析模型只使用兩個因素。然而，實際上，可能有很多因素會影響信用評分的分析。這些因素會相互作用。
為了包括那些可能無法從簡單判別分析中排除的相互作用，多元判別分析模型對可能影響信用評分模型的每個因素給予適當的權重。
根據公司的屬性，Altman 透過多元判別分析指數預測了公司的潛在破產。
Altman 推匯出的函式為：
$$\mathrm{z=0.012\left(\frac{NWC}{TA}\right)+0.014\left(\frac{RE}{TA}\right)+0.033\left(\frac{EBIT}{S}\right)+0.006\left(\frac{MV}{D}\right)+0.010\left(\frac{S}{TA}\right)}$$
其中，
$$\mathrm{NWC \:= \:淨營運資本}$$
$$\mathrm{TA \:= \:總資產}$$
$$\mathrm{RE\:= \:留存收益}$$
$$\mathrm{EBIT \:= \:息稅前利潤}$$
$$\mathrm{MV\:= 市值}$$
$$\mathrm{S \:= \:銷售額}$$
$$\mathrm{D\:= \:債務賬面價值}$$
利用統計分析，Altman預測的臨界Z值為2.675。Z值等於或高於2.675的公司被認為財務狀況良好，而Z值低於2.675的公司則容易破產，因此屬於不良債務。
結論
判別分析是一種有效的多元分析方法，可以從海量資料中提取相關資訊。由於這種評分系統，貸款處理速度迅速提高。
瀏覽量：659
