模型
在沒有數據的情況下驗證信用評分模型
量子同學，
假設您有一個在沒有統計幫助的情況下開發的信用評分模型，因為（不幸的是）您的投資組合中沒有歷史違約/損失數據。自變數和這些變數的權重完全基於專家判斷選擇，最終得分確定為每筆貸款變數的加權和。IE
$score_j =\sum_{i=1}^n w_i x_{ij} $
這是一個非常簡單的模型，並且似乎是一個非常流行的框架，可以在沒有執行統計驅動模型開發所需的失去/預設數據的情況下使用。
OSFI在此處概述了驗證風險評級系統的一些一般原則，但是，許多測試需要足夠的損失/違約來評估模型。
在沒有違約/損失歷史的情況下，您將如何處理專家判斷模型的模型驗證？當您的數據集中沒有“高信用風險”（例如違約或損失）觀察時，可以執行哪種類型的測試？
謝謝，
開發信用評分模型的相關問題： Expert System for Credit Scoring
關於模型驗證標準的相關問題：模型驗證標準
編輯：我能夠提出的驗證範圍是（大部分）定性的。這將包括方法審查、假設和限制評估以及基準測試（例如，最終變數與行業標準變數的比較）。
是否存在我忽略的明顯驗證組件？
如果您的投資組合中沒有大量損失來驗證模型，您應該能夠獲取外部損失數據並在必要時對其進行調整以更好地適應您的組織。這在運營損失非常少的運營損失模型中很常見。
我不知道這種情況下的監管規則，但從方法上講，您可以採用另一個類似的數據集“對等數據”，然後檢查您的模型預測該數據集損失的正確程度。