違約機率
我必鬚根據客戶的財務狀況為我們的客戶（我在銀行工作）計算違約機率 (PD)。你能告訴我怎麼做嗎？
我認為我們有兩個選擇：1. 根據每個客戶的財務報表計算 PD，2. 我們有用於評估客戶的內部評級（同樣基於財務），我們可以計算每個內部的 PD評分。
您能否建議，是否可以使用上述選項之一以及如何做到這一點？
提前致謝，
默頓模型將更加量化。
Z-Score 是一個選項，Ohlson也是如此。
最後，您將需要一些基於您認為有意義的因素的非預設->預設轉換映射。
是的你可以。另外，不要使用 Altman 的 Z。極端分數是預測性的，但大量實證研究表明中間值不能預測。
最好的解決方案是貝氏解決方案，因為您是在賭錢。貝氏方法是一致的。
連貫性是可以進行公平賭博的統計屬性。頻率論方法不一致。它們不會生成可以安全賭博的機率分佈。
此外，由於財務報表中設計的高度相關性，嚴重違反了邏輯回歸的假設。
我以前解決過這個問題。其實很難。
我發現的最佳解決方案是創建 Pearson-Tukey 組併計算每個組的二項式。例如，一組可能是違約機率，因為酸比率在公司的 40% 和 60% 之間，營業額在 80% 和 100% 之間，上一季度 GDP 的變化在 40% 和 60% 之間。然後，您將建構預測分佈並獲取其期望值。
因為您不知道哪種變數組合是最優的，所以您需要使用貝氏後驗進行某種組合解決方案來確定要保留哪些模型。
我最終保留了 78 個模型中的 2 個。一個的後驗機率約為 54%，另一個的後驗機率約為 46%。其他 76 個模型的組合後驗機率為 1/10,000，即 1% 的可能性為真。
然後我使用貝氏模型平均來組合這兩個模型。
如果我是您，我會使用 Compustat 之類的商業數據集來擴展您的數據集，以便您可以使用比內部數據集更大的數據集。
現在，至於您的內部評級，您可能至少會從財務部門獲得部分評級。尚不清楚您的評級系統是否在內部一致或跨時間一致。
您可以使用您的評級系統作為替代貝氏模型。將其添加到您的其他模型中。它也將具有後驗機率。
您將需要仔細考慮您的先驗。先驗不應提供資訊。你知道，93% 的公司在未來 12 個月內不會破產。先驗確實很重要。
最後，還應考慮抵押要求。