對於零售信貸中的違約機率，更流行的邏輯回歸或具有Poisson分佈的 GLM 是什麼？為什麼？

試圖了解哪種回歸模型在零售信用卡行業更流行邏輯回歸或具有Poisson分佈的 GLM，為什麼？

來自http://rmi.nus.edu.sg/gcr/files/04%20GCR%20vol%201.pdf

1. “邏輯函式的一個吸引人的特點是它的界限在 0 和 1 之間，因此適合表示機率。”
2. “本文介紹的Poisson強度模型仍然存在嚴重的缺點，儘管其動態特徵提供了重大進步。首先，眾所周知，它無法正確捕捉 Das 等人 (2007) 中記錄的分群預設現象。 . 另一個限制是，時間聚合到不同的視野在原則上很容易，但實際上很困難。Poisson強度是常見風險因素和個別公司屬性的已知函式。要使時間聚合達到更長的興趣範圍，必須為所有這些未來值未知的變數規定動態過程。動態維度"
3. ETC

http://jgscott.github.io/SDS325H_Spring2015/files/logit_poisson_cox.pdf

根據我對上述文件的理解，我認為這可能是因為 Poisson 用於計數數據，Logistic 用於分類數據，並且我們在進行違約機率 (PD) 建模時有分類數據。

引用自：https://quant.stackexchange.com/questions/12830