Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Discriminazione logistica per la valutazione del rischio di credito

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

Capitolo 1. Modelli Statistici ed Economici per il Credit Scoring nomiche, alle evoluzioni demogra che, ai cambiamenti nello stile di vita ( popula- tion drift) sono solo una delle cause che richiedono la modi cazione del data set. Nel paragrafo successivo saranno approfonditi alcuni aspetti connessi al campione di dati. 1.3 Data set Il campione di dati utilizzato per costruire sistemi di credit scoring ‘e molto ampio, cos‘ come sono molte le variabili considerate nell analisi: capita spesso di lavorare con 100000 soggetti su cui sono state osservate pi‘u di 100 variabili. Nella maggior parte dei casi sono variabili categoriali. Poche sono le variabili che presentano molte modalit‘a. La gran parte dei sistemi di credit scoring ‘e sviluppata con variabili dummy. Si sta diffondendo, comunque, anche la strategia opposta ovvero quella di codi care le variabili categoriali in forma numerica in modo da applicare modelli adatti a variabili di tipo continuo. Una strategia del genere ‘e quella dei weights of evidence (w ). Sia X = (X1; :::;Xp)0 il vettore di variabili osservate nel campione. Si assuma, per semplicit‘a, che ciascuna di esse presenti un numero nito di modalit‘a nl (l =1; :::; p) e sia xj =(xj1; :::; xjp)0 il vettore che sintetizza le informazioni sul j -mo cliente che compone il data set (j = 1; :::; n) per ogni variabile. Sepsl ‘e la proporzione dei buoni che presenta la modalit‘a s-ma della variabile l -ma sul numero totale dei buoni della variabile l -ma;qsl ‘e il numero dei cattivi che presentano la modalit‘a s-ma della variabile l -ma sul numero totale dei cattivi della variabile l -ma; si ha che wsl =ln(psl=qsl) 9

Anteprima della Tesi di Annalisa Aiello

Anteprima della tesi: Discriminazione logistica per la valutazione del rischio di credito, Pagina 9

Tesi di Laurea

Facoltà: Economia

Autore: Annalisa Aiello Contatta »

Composta da 173 pagine.

 

Questa tesi ha raggiunto 2992 click dal 20/03/2004.

 

Consultata integralmente 18 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.