實際上受益於邏輯回歸來估計違約機率
有誰知道使用邏輯回歸估計違約機率導致銀行、金融機構、政府或任何在實踐中真正受益的事件？
我看到很多關於邏輯回歸用於估計 PD 的期刊、論文和論文。一些開發模型，一些驗證。但是有多少實際上證明在實踐中是有益的？
動機：對於數學金融項目，我必須說服銀行、金融機構或政府接受使用來自邏輯回歸的違約機率的想法。**理論上的理由或預測是行不通的。它必須是真正來自使用 PD 的良好效果。**就像，模型被實施然後結果很好（暫時不要介意黑天鵝）。
如果銀行/金融機構/政府不選擇實施，該項目已經完成，但在未來研究的書架之外完全沒有意義。
我尋找的不一定是期刊、論文或論文。它可以是新聞或雜誌文章或其他東西，任何東西。
首先，使用 logit 模型來估計 PD 在某些信貸行業中特別受歡迎，例如信貸零售行業。logit 模型很好地預測了貸款、消費信貸、信用卡等方面的 PD，以及所有涉及零售消費領域的問題。
主要是logit模型執行良好的信貸業務的主要子行業。
在其他情況下，logit 模型不起作用。最著名的案例是低違約組合的 PD 估計，其中違約很少，無法使用 logit 模型估計違約機率；政府債券投資組合就是其中的一個例子。
其次，我建議從銀行節省的資金角度來看待這些模式的好處；您可能知道，通常銀行必須估計自己的信用風險敞口的違約機率，以便能夠留出正確數量的資金以滿足巴塞爾協議 III 的資本要求。
隨著有關銀行信用風險的 PD 估計越準確，銀行越節省資金（所需資本）。
這是銀行想要正確估計 PD、EAD、LGD 的主要原因……因為通過這種方式，通過向監管機構展示，它可以正確地開發模型，並且比監管機建構議的模型更好，銀行可以在資本要求方面留出更少的資金，因此可以將資金投資於業務。
現在，為了向銀行展示為什麼要使用這種模型，您應該估計文獻中建議的不同模型：
- 物流模型；
- 機率模型；
- 神經網路;
並比較它們，看看哪種模式可以讓您同時在資本需求方面節省資金並在業務方面賺錢。事實上，您為滿足資本要求而預留的資金不能被銀行用於業務（銀行不能用這筆錢發行，例如貸款）。
第三，沒有文章、論文或類似的東西可以作為您對項目工作的回答的依據，因為這個主題相對較新，學術文獻對此仍有爭議。我建議就該問題提供您自己的（合理的）考慮。