本文へジャンプ

IBMプロフェッショナル論文

「PROVISION Spring 2007 No.53」 特集 ビジネス変革を実現するBTO のご紹介

Tab navigation

ロジスティック回帰分析結果の解釈・利用のための新手法
- 信用リスク・スコアリングモデルを例に -


アイ・ビー・エム ビジネス コンサルティングサービス株式会社
金融事業本部
バンキングコンサルティング
シニア・コンサルタント
高田 直樹

［プロフィール］
銀行系，メーカー系シンクタンクや外資系コンサルティング会社を経て，2002年にPwCコンサルティングに入社．PwCコンサルティングとIBMのグローバル統合により，現職．銀行をお客様とする各種コンサルティング・プロジェクトに従事（信用リスク・スコアリングモデル構築や新BIS規制リスクパラメータ推計のほか，業績評価指標設計，業務プロセス設計，PMO支援，など）．

  医学の分野で生まれたデータ分析手法であるロジスティック回帰分析は，金融分野でも信用リスク・スコアリングモデルとして利用されている．本論文はその分析結果をわかりやすく解釈，利用するための新たな3手法を提案する．これらは，(1) 各説明変数の増減がブラック率に与える影響を直接的に示す方法，(2) モデル構築用標本と推計対象標本のデフォルト率が異なる場合にロジスティック回帰式を調整する方法，(3) 個別案件の各説明変数の値をブラック率への寄与の程度から評価する方法，である．これにより分析結果のより深い洞察も可能となる．

Key Words and Phrases：
ロジスティック回帰分析，信用リスク，スコアリングモデル，オッズ比，デフォルト率

  1. はじめに

  2. ロジスティック回帰分析概説
    2.1  ロジスティック回帰分析とは
    2.2  分析結果の数値例

  3. 各説明変数の増減がブラック率に与える影響の大きさを直接的に示す方法
    3.1  論点
    3.2  提案と数学的根拠
    3.3  数値例による確認

  4. モデル構築用標本と推計対象標本のデフォルト率が異なる場合の調整方法
    4.1  論点
    4.2  提案と数学的根拠
    4.3  数値例による確認と本手法の応用

  5. 個別案件の各説明変数の値をブラック率への寄与の程度から評価する方法
    5.1  論点
    5.2  提案と数学的根拠
    5.3  数値例による確認

  6. おわりに

[ PROVISION | No.53 ]

各刊のご紹介

関連情報