Study on evaluation of default probability based on generalized additive models
关于一类广义可加违约概率模型的探讨

在现代商业银行的信用风险评估中,违约概率度量具有核心地位.传统的违约概率模型解释性强、计算强度小而应用方便,但容易产生模型设定偏差;现代人工智能模型预测精度高,却又存在解释性差、计算强度高和过度拟合等问题.为此,提出一类基于广义可加模型的违约概率模型,并对这类模型的拟合精度和预测效果进行实证比较.研究表明,广义可加违约概率模型不仅具有很高的预测精度,而且具有良好的可解释性和计算效率.另外,还从实际应用的角度出发,对该类模型拟合过程中可能存在的限制和困难进行探讨和分析,以利于对该方法的进一步的理论研究和实际应用.