Диссертация (1138130), страница 24
Текст из файла (страница 24)
error0,27600,29870,31320,26590,69400,36160,40640,5788Кол-вонаблюденийAR (Somers’D)LogLPseudo-R2850,7982-75,57970,4033IRRNormИндустриальныйфакторNormIntercept2Intercept3Intercept4175Таблица В.4 – Характеристики модели 2.1Риск-факторыДоля собств.участиябенефициаров*NormЗначение регр.коэфф.1,3742-1,6121-1,6268-1,2319-4,8329-1,24182,08583,9699P-value0,00%0,00%0,00%0,00%0,00%0,07%0,00%0,00%Std.
error0,27920,30330,31600,26810,70340,36740,41370,5913Кол-вонаблюденийAR (Somers’D)LogLPseudo-R2IRR*NormИндустриальныйфакторNormРегиональныйфакторNormIntercept1Intercept2Intercept3Intercept4850,8011-74,47060,4121Таблица В.5 – Характеристики модели 2.2Риск-факторыДоля собств.участиябенефициаровNormЗначение регр.коэфф.1,3709-1,6000-1,6299-1,2333-4,8237-1,24472,08743,9699P-value0,00%0,00%0,00%0,00%0,00%0,07%0,00%0,00%Std. error0,27920,30210,31610,26810,70110,36800,41330,5907Кол-вонаблюденийAR (Somers’D)LogLPseudo-R2850,7996-74,55240,4114IRR*NormИндустриальныйфакторNormРегиональныйфакторNormIntercept1Intercept2Intercept3Intercept4176Таблица В.6 – Характеристики модели 2.3Риск-факторыДоля собств.участиябенефициаров*NormЗначение регр.коэфф.1,3436-1,5564-1,5961-1,2157-4,7631-1,20762,04183,8841P-value0,00%0,00%0,00%0,00%0,00%0,08%0,00%0,00%Std.
error0,27600,29990,31300,26590,69600,36100,40670,5793Кол-вонаблюденийAR (Somers’D)LogLPseudo-R2IRRNormИндустриальныйфакторNormРегиональныйфакторNormIntercept1Intercept2850,7959-75,51310,4039Таблица В.7 – Корреляционная матрица (оптимальная модель множественного выбора)ПеременнаяДоля собств.участиябенефициаров*NormIRR*NormИндустриальныйфакторNormРегиональныйфакторNormДоля собств.участиябенефициаров*NormIRR*NormИндустриальныйфакторNormРегиональныйфакторNorm1-0,0990-0,0769-0,0013-0,099010,04890,0388-0,07690,048910,1554-0,00130,03880,15541Intercept3Intercept4177Таблица В.8 – Корреляционная матрица (анализ остатков для оптимальной модели множественного выбора)ПеременнаяОстатки (Экспертныйрейтинг проекта = 1)Остатки (Экспертныйрейтинг проекта = 2)Остатки (Экспертныйрейтинг проекта = 3)Остатки (Экспертныйрейтинг проекта = 4)Остатки (Экспертныйрейтинг проекта = 5)Остатки(Экспертныйрейтингпроекта = 1)Остатки(Экспертныйрейтингпроекта = 2)Остатки(Экспертныйрейтингпроекта = 3)Остатки(Экспертныйрейтингпроекта = 4)Остатки(Экспертныйрейтингпроекта = 5)1-0,5434-0,1425-0,0101-0,0020-0,54341-0,4865-0,0638-0,0053-0,1425-0,48651-0,5141-0,1903-0,0101-0,0638-0,51411-0,3785-0,0020-0,0053-0,1903-0,37851178Рисунок В.1 Аппроксимация признака появления у инвестиционного проектаэкспертного рейтинга с порядковым номером 1 с использованием выбранноймодели множественного выбораРисунок В.2 Аппроксимация признака появления у инвестиционного проектаэкспертного рейтинга с порядковым номером 2 с использованием выбранноймодели множественного выбора179Рисунок В.3 Аппроксимация признака появления у инвестиционного проектаэкспертного рейтинга с порядковым номером 3 с использованием выбранноймодели множественного выбораРисунок В.4 Аппроксимация признака появления у инвестиционного проектаэкспертного рейтинга с порядковым номером 4 с использованием выбранноймодели множественного выбора180Рисунок В.5 Аппроксимация признака появления у инвестиционного проектаэкспертного рейтинга с порядковым номером 5 с использованием выбранноймодели множественного выбораПараметр Score на рисунках В.1, В.2, В.3, В.4, В.5 представляет собойскоринговый балл по инвестиционному проекту и определяется согласновыбранноймоделинормализованныхполученнымимножественногофакторовриска,значениямивыборакаквошедшихвлинейнаямодель,регрессионныхкомбинациявзвешенныхскоэффициентов:Score -1,3742 Доля собств.
участ. бен. *Norm 1,6121 IRR *Norm 1,6268 Инд. фактор Norm 1,2319 Рег. фактор Norm.Вероятности p1,p2,p3,p4,p5 на рисунках В.1, В.2, В.3, В.4, В.5 показываютвероятности появления у инвестиционного проекта экспертных рейтингов спорядковыми номерами соответственно 1,2,3,4 и 5 в течение срока жизниинвестиционного проекта.181ПРИЛОЖЕНИЕ Г. Корреляции риск-факторов при валидации моделейТаблица Г.1 – Корреляционная матрица (валидационная выборкамодель бинарного выбора)ПеременнаяДоля собств.участиябенефициаровNormIRRNormИндустриальныйфакторNormРегиональныйфакторNormДоля собств.участиябенефициаровNormIRRNormИндустриальный факторNormРегиональныйфакторNorm1-0,1555-0,0390-0,0414-0,155510,05470,2494-0,03900,054710,1343-0,04140,24940,13431Таблица Г.2 – Корреляционная матрица (валидационная выборкамодель множественного выбора)ПеременнаяДоля собств.участиябенефициаров*NormIRR*NormИндустриальныйфакторNormРегиональныйфакторNormДоля собств.участиябенефициаров*NormIRR*NormИндустриальныйфакторNormРегиональныйфакторNorm1-0,1433-0,0393-0,0425-0,143310,04410,2530-0,03930,044110,1343-0,04250,25300,13431182ПРИЛОЖЕНИЕ Д.
Список основных терминов и определений–ДискриминационнаяспособностьОценка способности модели корректно разделять«дефолтные» и «недефолтные» инвестиционные проектыиликорректноразделятьэкспертныерейтингиинвестиционных проектовКорреляционный анализ–Анализ линейной зависимости переменныхМастер-шкала–Шкала кредитных рейтингов, характеризующихсяинтервалами годовой вероятности дефолта (внедренная вБанке)Прогнозная (предсказательная)–Оценка вероятности корректного предсказания дефолта сиспользованием моделиСтабильность–Устойчивость и корректность работы модели в различныхэкономических условиях и стратегиях развития бизнесаЧастота «дефолтных»–Соотношение«дефолтных»инвестиционныхпроектовкинвестиционных проектов–КоэффициентДжини(Gini),характеризующийдискриминационную способность модели при оценке наосновании дефолтной статистики по инвестиционнымпроектамспособность(«недефолтных») проектовAR(Gini)AR(Somers’D)–(«недефолтных»)общемучислуКоэффициентSomers’D,характеризующийдискриминационную способность модели при экспертномранжировании инвестиционных проектовKS-статистика–СтатистикаКолмогорова-Смирнова,показатель,характеризующий разницу между кумулятивными долями«плохих» и «хороших» заемщиковp-value–Вероятностьвыполнениянульгипотезыдлярегрессионногокоэффициента(характеризуетвероятность ошибочного признания фактора риска илисвободного члена регрессии значимым согласнорезультатам теста Стьюдента (t-критерия Стьюдента))PD–Вероятность дефолтаPoint-in-Time-концепция–Концепция калибровки моделей без учета годовыхэкономических циклов, то есть модели, предсказывающейчастоту дефолтов для каждого года, и варьирующуюся сэкономическим цикломPseudo-R2–Коэффициент детерминации псевдо-R2, характеризующийпредсказательную способность модели, отличающийся отклассическогокоэффициентадетерминацииR2использованиемфункциилогарифмическогоправдоподобияThrough-the-Cycle-концепция–Концепция калибровки моделей с учетом годовыхэкономических циклов, то есть модели, предсказывающейсреднюю по экономическому циклу частоту дефолтов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
