感觉没什么问题。另外用Beta的原因除了它可以建模概率参数p外，还有一个原因是它是二项的共轭分布～

但思路上，如果目标数据是贷款笔数，那么违约笔数可服从二项分布，而违约率p可服从Beta 分布。 而现在目标数据是贷款金额。违约的本金金额是连续量，我不知有什么现有的连续分布可用来建模，而据此算出的违约率是否仍可以套用Beta？ 也就是说，Beta分布可以适用广义的概率或比率的分布或者它只能适用基于二项分布的过程里的概率p？

可以认为总金额X为一个非负的连续随机变量，这样就可以考虑诸如Gamma、LogNormal之类的分布，同时违约率服从Beta分布。一个可以考虑的（其实也是非常漂亮的）模型是：定义X为违约资金量，Y为未违约的资金量，则U = X + Y为总资金量，W = X / (X + Y)为违约率。如果U ~ Gamma(\alpha + \beta, \lambda), W ~ Beta(\alpha, \beta)且U与W独立，那么X ~ Gamma(\alpha, \lambda), Y ~ Gamma(\beta, \lambda)且X与Y独立。

用logistic回归不更好吗