《R\\\'eint\\\'egration des refus\\\'es en Credit Scoring》
---
作者:
Adrien Ehrhardt, Christophe Biernacki, Vincent Vandewalle, Philippe
Heinrich, S\\\'ebastien Beben
---
最新提交年份:
2019
---
英文摘要:
The granting process of all credit institutions rejects applicants who seem risky regarding the repayment of their debt. A credit score is calculated and associated with a cut-off value beneath which an applicant is rejected. Developing a new score implies having a learning dataset in which the response variable good/bad borrower is known, so that rejects are de facto excluded from the learning process. We first introduce the context and some useful notations. Then we formalize if this particular sampling has consequences on the score\'s relevance. Finally, we elaborate on methods that use not-financed clients\' characteristics and conclude that none of these methods are satisfactory in practice using data from Cr\\\'edit Agricole Consumer Finance. ----- Un syst\\`eme d\'octroi de cr\\\'edit peut refuser des demandes de pr\\^et jug\\\'ees trop risqu\\\'ees. Au sein de ce syst\\`eme, le score de cr\\\'edit fournit une valeur mesurant un risque de d\\\'efaut, valeur qui est compar\\\'ee \\`a un seuil d\'acceptabilit\\\'e. Ce score est construit exclusivement sur des donn\\\'ees de clients financ\\\'es, contenant en particulier l\'information `bon ou mauvais payeur\', alors qu\'il est par la suite appliqu\\\'e \\`a l\'ensemble des demandes. Un tel score est-il statistiquement pertinent ? Dans cette note, nous pr\\\'ecisons et formalisons cette question et \\\'etudions l\'effet de l\'absence des non-financ\\\'es sur les scores \\\'elabor\\\'es. Nous pr\\\'esentons ensuite des m\\\'ethodes pour r\\\'eint\\\'egrer les non-financ\\\'es et concluons sur leur inefficacit\\\'e en pratique, \\`a partir de donn\\\'ees issues de Cr\\\'edit Agricole Consumer Finance.
---
中文摘要:
所有信贷机构的发放程序都拒绝那些在偿还债务方面似乎有风险的申请人。计算信用分数,并将其与申请人被拒绝的截止值相关联。开发一个新的分数意味着拥有一个学习数据集,其中响应变量good/bad borrower是已知的,因此拒绝者实际上被排除在学习过程之外。我们首先介绍上下文和一些有用的符号。然后,我们正式确定这种特殊抽样是否对分数的相关性产生影响。最后,我们详细阐述了使用未融资客户特征的方法,并得出结论,使用Cr‘edit Agricole Consumer Finance’的数据,这些方法在实践中都不令人满意联合国系统“eme d\'octroi de cr”编辑了拒绝公共需求的指令,并将其添加到风险中。我们的系统是“eme,le score de cr”编辑的,它是一个不可接受的系统。ce score是一个客户财务的施工排他性,特别是“信息”bon ou mauvais Payer,alors qu\'il est par la suite apprique“e a l”des des dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem dem。联合国电话评分是否与统计数据相关?Dans cette note,nous pr\'ecissons et formalisons cette question et tudions l\'effet de l\'缺席des non-financ\'es sur les scores\'elabor\'es注意到,我们的问题和研究都是关于非财务的。在实践中,由于效率低下而导致的非财务和结论,农业消费金融的一方面临着问题。
---
分类信息:
一级分类:Economics 经济学
二级分类:General Economics 一般经济学
分类描述:General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类:Quantitative Finance 数量金融学
二级分类:Economics 经济学
分类描述:q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学,包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
---
PDF下载:
-->