: 如果今天銀行高估壞帳率，假設銀行估的壞帳率為16% : 那麼 1+1%=(1+r)(1-16%) ---> r=20.238% : 這個利率相當接近一年20%的法定上限 : 在這個情況下，不就變成銀行會超收? : 如果銀行在預估壞帳率準確的情況下，又若借方的訊息比貸方訊息多 : 那麼超收利率是絕對有可能的情形 : 我的問題是: 如果我是銀行，如果預估壞帳率是"不準"的 : 那麼我會傾向低壞帳率還是高壞帳率? : http://www.ettoday.com/2006/04/01/320-1924094.htm : 根據新聞，每個月都按時繳款的人才能享受銀行的優惠利率 : 所以一開始是銀行去選擇低利率的人，而不是借款人直接去找銀行 : 不過就liton大所言，若真的adjusted R square已經具有70%左右的解釋能力 : 那麼問題就變成是: 為什麼銀行事先沒辦法解決現在所謂的"卡債問題" : 除了從application form 到scored card到interest rate spread外 : 借方事前少做了什麼，或做了什麼不該做的事，讓借方的壞帳風險提高? 以下這點..我想..有真的從頭到尾跑計量模型的人就能深刻體會 今天要A data 結果發現B data很像 但卻不能用 後來找到C data 卻發現只有兩年期 學術上或許馬馬虎虎隨便用 但實務上這問題卻很嚴重 好..今天你終於找到適合的資料庫了 你敢保證in-sample的fitting能夠用來預測out-of-sample? 做學術的跑個模型 差個2% 3% 那不是啥問題 但是現實環境上 就掛了 解釋能力可不代表預測能力啊 你過去這幾年來每天出門的時候 如果一出門就看到門口的電線桿有野狗灑過尿 當天股市就漲 你今天出門的時候 也看到電線桿有野狗灑過尿 今天你敢買股票嗎? 再回到實務問題 模型誤差是個問題之一 廣告費才是嚇人 其實..問題的重點還是回到模型 你要等多久 才能發現你的模型有問題? 一年?兩年?三年? 一個卡奴花錢花到麻痺 最後問題爆出來 花個兩三年不為過吧 這時候銀行也早就麻痺了 這也回答了一開始的問題 我們從一些現象來看看實務上銀行是會高估還是低估呆帳率? 1.用過去非現金卡信用卡的較低呆帳率資料庫來建模型 2.問題"整個"爆發出來是現金卡這項商品發行五年左右 3.廣告費用超出預期 4.對自己模型沒信心(或是不相信這項產品甚至自覺沒能力做)的老行庫不加入這市場 對自己模型有信心的新銀行加入這市場 總結一句 資料庫用錯了..用較完整且壞帳率較低的消金資料庫來跑現金卡模型 --

※ 發信站: 批踢踢實業坊(ptt.cc) ※ 編輯: liton 來自: 218.167.166.146 (04/07 02:19) ※ 編輯: liton 來自: 218.167.166.146 (04/07 02:30)