《表1 ECD算法：基于整合治愈率模型的信贷违约时点预测》
提示：宽带有限、当前游客访问压缩模式
ECD的计算过程见表1。
| 图表编号 | XD00211216400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.25 |
| 作者 | 范新妍、方匡南、郑陈璐、张志远 |
| 绘制单位 | 厦门国际银行总行科技开发部人工智能与模型开发处 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同算法性能比较：个人信贷违约预测模型的研究》2020.06.01
- 《表6 非零回归系数表：基于整合治愈率模型的信贷违约时点预测》2021.02.25
- 《表5 变量说明：基于整合治愈率模型的信贷违约时点预测》2021.02.25
- 《表1 分类结构混淆矩阵：基于Logistic模型的网贷违约风险预测研究》2021.03.01
- 《表2 变量和编码：基于二分类LR的个人信贷违约风险评估》2020.08.01
- 《表1 样本数据：基于二分类LR的个人信贷违约风险评估》2020.08.01
- 《表2 数据集描述：基于软投票融合模型的消费信贷违约风险评估研究》2020.04.10
- 《表1 衍生变量：基于软投票融合模型的消费信贷违约风险评估研究》2020.04.10
- 《表2 主成分结构表：基于XGBoost算法的信用债违约预测模型》2019.10.20
- 《表2:描述性统计：基于机器学习的P2P违约预测算法比较——以“人人贷”为例》2019.06.20
- 《表1:变量说明：基于机器学习的P2P违约预测算法比较——以“人人贷”为例》2019.06.20
- 《表2 测试集预测结果：基于大数据算法的商业银行企业客户信贷风险评价模型建立与实证研究》2018.11.20
- 《表3 改进模型预测结果：基于信用债违约概率模型评估债券业务的风险研究》2019.10.25
- 《表3 改进模型预测结果：基于信用债违约概率模型评估债券业务的风险研究》2019.10.25
- 《表3 模型预测结果：基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测》2018.02.15
- 《表4 变量说明：基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测》2018.02.15
- 《表1 混淆矩阵：基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测》2018.02.15
- 《表7 基于投资不足及其信贷违约风险效应的回归结果》2018.07.10
- 《表2 描述性统计结果：企业投融资互动机制下的信贷违约风险——基于中国上市公司的实证研究》2018.07.10
- 《表1 变量定义表：企业投融资互动机制下的信贷违约风险——基于中国上市公司的实证研究》2018.07.10