论文部分内容阅读
首次把改进后的非参数随机森林(RF)方法应用到抵押贷款信用风险的评估中，发现要优于传统的信用评估logistic等模型，而且避免了logistic难以处理属性类变量等缺陷。实证发现职“已偿还比例”是最重要的变量，其中贷款已偿还比例高于40％的借款人几乎不存在违约风险，而那些贷款已偿还比例低于10％的借款人处于高危险期；此外，利率、贷款收入比、额度、年龄、年收入都是重要的影响变量，而且本文根据RF模型对利率调整政策进行了模拟，发现利率对违约率的影响呈现不对称性和非线性特征。