: 如果今天银行高估坏帐率，假设银行估的坏帐率为16% : 那麽 1+1%=(1+r)(1-16%) ---> r=20.238% : 这个利率相当接近一年20%的法定上限 : 在这个情况下，不就变成银行会超收? : 如果银行在预估坏帐率准确的情况下，又若借方的讯息比贷方讯息多 : 那麽超收利率是绝对有可能的情形 : 我的问题是: 如果我是银行，如果预估坏帐率是"不准"的 : 那麽我会倾向低坏帐率还是高坏帐率? : http://www.ettoday.com/2006/04/01/320-1924094.htm : 根据新闻，每个月都按时缴款的人才能享受银行的优惠利率 : 所以一开始是银行去选择低利率的人，而不是借款人直接去找银行 : 不过就liton大所言，若真的adjusted R square已经具有70%左右的解释能力 : 那麽问题就变成是: 为什麽银行事先没办法解决现在所谓的"卡债问题" : 除了从application form 到scored card到interest rate spread外 : 借方事前少做了什麽，或做了什麽不该做的事，让借方的坏帐风险提高? 以下这点..我想..有真的从头到尾跑计量模型的人就能深刻体会 今天要A data 结果发现B data很像 但却不能用 後来找到C data 却发现只有两年期 学术上或许马马虎虎随便用 但实务上这问题却很严重 好..今天你终於找到适合的资料库了 你敢保证in-sample的fitting能够用来预测out-of-sample? 做学术的跑个模型 差个2% 3% 那不是啥问题 但是现实环境上 就挂了 解释能力可不代表预测能力啊 你过去这几年来每天出门的时候 如果一出门就看到门口的电线杆有野狗洒过尿 当天股市就涨 你今天出门的时候 也看到电线杆有野狗洒过尿 今天你敢买股票吗? 再回到实务问题 模型误差是个问题之一 广告费才是吓人 其实..问题的重点还是回到模型 你要等多久 才能发现你的模型有问题? 一年?两年?三年? 一个卡奴花钱花到麻痹 最後问题爆出来 花个两三年不为过吧 这时候银行也早就麻痹了 这也回答了一开始的问题 我们从一些现象来看看实务上银行是会高估还是低估呆帐率? 1.用过去非现金卡信用卡的较低呆帐率资料库来建模型 2.问题"整个"爆发出来是现金卡这项商品发行五年左右 3.广告费用超出预期 4.对自己模型没信心(或是不相信这项产品甚至自觉没能力做)的老行库不加入这市场 对自己模型有信心的新银行加入这市场 总结一句 资料库用错了..用较完整且坏帐率较低的消金资料库来跑现金卡模型 --

※ 发信站: 批踢踢实业坊(ptt.cc) ※ 编辑: liton 来自: 218.167.166.146 (04/07 02:19) ※ 编辑: liton 来自: 218.167.166.146 (04/07 02:30)