《表4 治愈率与危险函数拟合结果(100次模拟的中位数(中位数绝对偏差))》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于整合治愈率模型的信贷违约时点预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于篇幅限制，本文仅列出p=200的结果。参数选择与估计效果见表2～3，治愈率与危险函数的拟合效果见表4。从表2～3可以看出:（1）考虑符号惩罚会提高变量选择准确性。如在变量为同分布连续变量，w=0.25且系数取值为情形I时，考虑符号惩罚α，β的TPR取值均为1.00和0.90，而未考虑符号惩罚的ICR和MCR方法的TPR都远小于1.00。（2）融合多个数据集信息提高TPR取值降低FPR值，如在变量为混合型变量时，w=0.25且系数取值为情形II时，所提方法TPR取值不小于MCRS而FPR取值小于MCRS，对于αTPR、FPR值分别为（0.83，0.01）和（0.83，0.03），对于βTPR、FPR值分别为（0.87，0.02）和（0.83，0.03），所提方法的TPR值更高，FPR值更小。（3）所提模型的RMSE均小于其他三种方法，如变量为混合类型时，w=2，系数取值为情形I时，所提方法、ICR、MCRS、MCR （α，β）的RMSE分别为（0.54，0.62）、（3.78，1.72）、（0.67，0.75）、（2.26，1.80），所以模型参数估计更加准确。此外，w=2相较于w=0.25删失比例提高，系数估计的RMSE变差，这是有效样本个数减少导致的。从表4可以看出所提方法的治愈率估计和危险函数的拟合效果更好。