基于Logistic模型的信用卡风险管理实证研究
[摘 要] 根据中国信用卡业务风险管理现状以及存在的问题,采用Logistic回归方法构建用于量化申请人信用风险的模型，通过统计信用卡业务的实际经营数据，针对我国信用卡的风险管理进行实证分析，得出结论：性别方面：男性的违约性高于女性；年龄方面：随着年龄的增长，客户的违约率逐渐降低；教育程度方面：学历高的持卡人，违约率较低；婚姻方面：未婚客户的违约率高于已婚客户；收入方面：收入越高的人违约概率会越低。
[关键词] Logistic模型；信用卡；风险管理；结论 一、Logistic回归模型的基本原理 对于风险，存在风险发生与不发生的两种情况。我们可以对这两种情况分别进行赋值，当风险发生时，Y=1，反之Y=0。本文所采用的二元Logistic回归分析，正是一种将因变量分为0和1两类，在线性回归的基础上，利用Logit对数函数变换，引入多个自变量进行回归的统计技术。利用一般线性多元回归模型，对因变量取值为1的概率P进行建模，即：Py=1=β0+βiXi，此时模型因变量的取值是0～1之间，而一般线性回归模型要求因变量取值于-∞～+∞之间，在实际应用中，这个概率与pLogitP变换说的便是上述两步转换过程。在经过LogitP变换后，就可以利用一般线性回归模型建立因变量与自变量之间的依存模型：1n=β0+βiXi。该公式左边即是履约客户发生比的对数，显然该值越高，客户履约的可能性越大。只要将其与商业银行设定的履约率相比，即可据此做出是否授信及授信额度区间的决策。
二、实证分析
(一)数据样本及客户界定
信用卡风险管理的重点在于防范信用卡客户违约的信用风险上，且客户的申请状况和履约程度直接影响了商业银行对信用卡的风险控制。因此本文研究的样本数据均来自于中国工商银行黑龙江省分行的实际经营业务数据。选取210位有效客户作为样本数据，这些样本是从2011年3月新办理信用卡的客户中随机选取的，包括姓名、性别、婚姻状况、出生年月、年龄、教育程度、居住条件、收入水平、职业、岗位、工作年限等基本信息。
判别客户能否正常履约的标准是申请人的信用状况，即为模型的响应定义。所谓正常履约客户是指发卡银行愿意为持卡客户提供各项服务并且授信银行对这些客户能够按时还本付息有着较好的预期；违约客户是指银行不愿意为其提供服务且对其支付本息的能力有所怀疑。本文将在1年中有三次不能够及时偿还信用卡透支款项记录的客户定义为违约客户，履约的正常客户则与之相反。在这210个样本中，正常履约客户有150位，违约客户有60位。经过指标的选取，数据收集、整理后，本文选取的指标体系如表1。
(二)虚拟变量的定义
在建立模型时之所以必须用虚拟变量来表示，是因为要选取的指标都是定序变量或者是定类变量。所以根据虚拟变量的个数要比所分的类少一个从而避免虚拟变量陷阱的这一原则，将各个指标用虚拟变量表示如表2。
(三)变量的格兰杰因果检验
对各影响因素变量与履约率进行格兰杰因果检验，根据多次实验对比，选取滞后阶数为2阶。结果如表3。
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于Logistic模型的信用卡风险管理实证研究在线全文阅读。
相关推荐：