通常情况下，借款者的违约概率会受到许多因素的影响。对于零售客户，一般需要考虑的因素包括贷款申请人的收入、职业、年龄以及其他特性；而针对公司客户，人们往往会考虑公司的杠杆水平、盈利能力或现金流等。此外还有很多其他因素，这里不再一一列举。评分模型（scoring model）明确了如何结合不同的信息以获得对违约概率的准确评估，从而帮助金融机构实现对违约风险的自动化和标准化评估。
本章将介绍如何运用被称为逻辑回归（或简称“logit”）的统计技术来确定评分模型。实质上，这相当于对信息赋予一个特定的值（例如，用负债／资产来衡量杠杆水平），然后求解出最佳的、能够解释历史违约行为的因素组合。
在明确了信用评分与违约概率之间的关系后，我们还将介绍如何估算并解释logit模型。然后，我们会对实际应用中的重要问题进行讨论，即探讨如何对异常值进行处理以及如何对变量与违约之间的函数关系进行选择。
在建立和运行一个成功的评分模型的过程中，验证（validation）是十分重要的一步。鉴于验证技术不仅被应用于评分模型，而且在机构评级（agency ratings）和对违约风险的其他度量方面也有着广泛应用，我们将在第7章对其进行单独讨论。
……
展开
