The construction of empirical credit scoring rules based on maximization principles
基于最大化原则构建经验信用评分规则AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以贷款人批准或拒绝的二元决策为研究对象，直接对应离散选择；违约概率并不足以支持尾部或系统性风险分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于最大化原则构建经验信用评分规则
- 研究问题
- 贷款人面对批准或拒绝、偿还或违约的双重二元环境时，常用违约概率固定阈值规则是否符合其利润或效用最大化目标？
- 方法与思路
- 作者从贷款人的决策问题推导估计方法，讨论情境特定阈值，用德国贷款数据说明应用，并简要讨论如何纳入法律约束。
- 材料陈述的贡献
- 摘要指出，对参数化违约概率的似然估计施加固定阈值可能违背经济目标，并展示将阈值与估计直接联系决策目标的做法。
- 阅读关注点
- 应核对贷款人目标函数、不同决策后果的收益或损失、阈值如何随情境变化，以及法律约束如何进入可行决策集合。
- 阅读边界
- 仅据所给出版社摘要，无法确认具体收益设定、估计效果或法律约束的落实方式；数据示例不构成规则在其他环境中的有效性证明。
原文摘要
We examine the econometric implications of the decision problem faced by a profit/utility-maximizing lender operating in a simple "double-binary" environment, where the two actions available are "approve" or "reject", and the two states of the world are "pay back" or "default". In practice, such decisions are often made by applying a fixed cutoff to the maximum likelihood estimate of a parametric model of the default probability. Following (Elliott and Lieli, 2007), we argue that this practice might contradict the lender's economic objective and, using German loan data, we illustrate the use of "context-specific" cutoffs and an estimation method derived directly from the lender's problem. We also provide a brief discussion of how to incorporate legal constraints, such as the prohibition of disparate treatment of potential borrowers, into the lender's problem.