Kết hợp mô hình

Một phần của tài liệu (LUẬN văn THẠC sĩ) ứng dụng mô hình logistic trong xây dựng mô hình đo lường xác suất không trả được nợ của khách hàng doanh nghiệp theo basel II tại vietinbank (Trang 88 - 89)

Sau kết thúc bước hồi quy Logit, SPSS sẽ tự động ước lượng PD cho mỗi mô hình. Với PD dự báo cho biến tài chính và phi tài chính, PRE_1 và PRE_2, Tỷ trọng cấu phần tài chính thay đổi từ 40% tới 80% tương ứng với các cấu phần phi tài chính thay đổi trong khoảng 60% và 20%.

Mô hình cuối cùng được là kết hợp của mô hình tài chính và phi tài chính. Mô hình lựa chọn cuối cùng sẽ dựa trên khả năng phân biệt của PD_combine bằng cách so sánh AUROC của các kết hợp khác nhau và kỳ vọng của ngân hàng về mức độ ảnh hưởng của biến định lượng và biến định tính trong mô hình.

Kết quả AUROC cho các kết hợp khác nhau được minh họa ở các Bảng 3.14. Nhìn chung, kết hợp có AUROC cao nhất sẽ được lựa chọn cùng với kỳ vọng của ngân hàng về các cấu phần trong mô hình. Ví dụ, ngân hàng có thể đề xuất thông tin biến định lượng đáng tin cậy hơn khi đánh giá một khách hàng thì tỷ trọng mô hình tài chính sẽ được tăng lên.

Bảng 3.14 – Kết quả kết hợp mô hình cho phân khúc Thương mại và Dịch vụ

Tên % Tài chính % Phi tài chính AUROC

PD40 40% 60% 0.827892 PD45 45% 55% 0.830966 PD50 50% 50% 0.832706 PD55 55% 45% 0.832421 PD60 60% 40% 0.830469 PD65 65% 35% 0.825416 PD70 70% 30% 0.818973 PD75 75% 25% 0.809732 PD80 80% 20% 0.798356

Mô hình sau khi xây dựng cần được kiểm định, xác thực tính ổn định và tính hiệu lực trên cơ sở dữ liệu ngoài mẫu, từ đó điều chỉnh cho phù hợp với tổng thể. Trong khuôn khổ mục tiêu nghiên cứu, luận văn dừng lại ở nội dung xây dựng mô

CHƯƠNG 4. ĐÁNH GIÁ VÀ KHUYẾN NGHỊ

Một phần của tài liệu (LUẬN văn THẠC sĩ) ứng dụng mô hình logistic trong xây dựng mô hình đo lường xác suất không trả được nợ của khách hàng doanh nghiệp theo basel II tại vietinbank (Trang 88 - 89)

Tải bản đầy đủ (PDF)

(111 trang)