《不完全对称信息下的客户授信评估问题》为作者：祖亘最新的研究成果，本论文的主要观点为本文以保理行业需求增大，保理公司需要根据客户提供的数据进行授信额度的计算为背景，建立了在数据完整和数据残缺的情况下的违约预测模型和授信额度估算模型。对于违约概率的分析，因为客户违约与否是一个二分类的因变量，分析时使用了二分类因变量分析中最常用的非线性 Logistic 函数，并基于 Logistic 回归分析推导出 Logit 模型，得到对应的概率并将其与判断准则 P=0。5 比较，建立客户违约预测模型，用于预测客户违约的可能性。在数据完整的情况下，先利用主成分分析法对变量向量进行降维发现每个变量对总信用额度 Amount 的贡献相当， 故将其全部保留并进行多元线性回归分析，引入利用线性规划优化的最小二乘法构建出授信额度估算模型，并构建相对应的评价模型对此线性化处理的准确度进行评价。在实际数据不完整的情况下，对客户违约情况及授信额度进行预测，首先考虑将这些残缺的数据进行填补，形成完整的数据集。为了填补残缺的数据，对各变量实行变量聚类分析，将变量分为具有潜在相似特征的 5 类，由聚类分析的特点可知，每一类的各个变量之间有着较强的线性相关性，故对每一类变量分别实行线性回归插补，得到一个具有完整信息的数据集。然后同理即可建立数据残缺情形下的客户授信额度估算模型与客户违约预测模型。不知是否符合录用要求，望您批评与指正。