一个处理信用暂时退化的两阶段模型

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《A two-stage model for dealing with temporal degradation of credit
  scoring》
---
作者：
Maria Rocha Sousa, Jo\\~ao Gama, Manuel J. Silva Gon\\c{c}alves
---
最新提交年份：
2014
---
英文摘要：
  This work is attached to the BRICS 2013 competition. We propose a two-stage model for dealing with the temporal degradation of credit scoring models. This methodology produced motivating results in a 1-year horizon. We anticipate that it can be extended to other applications of risk assessment with great success. Future extensions should cover predictions in larger time frames and consider lagged periods. This methodology can be further improved if more information about the economic cycles is integrated in the forecasting of default.
---
中文摘要：
这项工作附属于金砖国家2013年竞赛。我们提出了一个两阶段模型来处理信用评分模型的时间退化。这种方法在一年的时间内产生了激励性的结果。我们期望它能成功地推广到风险评估的其他应用中。未来的扩展应涵盖更大时间范围内的预测，并考虑滞后期。如果在违约预测中纳入更多关于经济周期的信息，这种方法可以进一步改进。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> A_two-stage_model_for_dealing_with_temporal_degradation_of_credit_scoring.pdf (435.68 KB)

2022-5-6 10:00:21 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：两阶段 Applications Quantitative QUANTITATIV Application

一个两阶段模型，用于处理信贷危机的暂时性恶化Maria Rocha Sousa，Jo~ao Gama1，2，Manuel J.Silva Goncalves葡萄牙波尔图大学经济学院，PortugalAbstract——这项工作附属于金砖国家2013年竞赛。我们提出了一个两阶段模型来处理信用评分模型的暂时退化。这种方法在一年的时间内产生了激励效果。我们期望它能成功地推广到风险评估的其他应用中。未来的延期应涵盖更大时间范围内的预测，并考虑滞后期。如果在违约预测中纳入更多关于经济周期的信息，这种方法可以进一步改进。关键词——风险评估；信用评分；时间退化；分数调整；自适应模型。I.简介在零售银行业务中，信用风险评估通常依赖于使用监督学习方法开发的不可信评分模型，用于评估一个人的信用价值，即所谓的评分或PD模型。这些模型的输出是ascore，通常在固定的未来时期内，转换客户成为故障者的概率。如今，这些模型是银行业务的核心，因为它们在信贷决策、价格结算和确定资本成本方面必不可少。

此外，中央银行和国际监管已显著演变为一种隐含使用这些模型的结构，以实现银行体系中信用风险评估的深度标准。自2004年以来，随着巴塞尔银行监管委员会在全球范围内实施新巴塞尔协议下发布的监管规定，银行被鼓励加强其内部模型框架，以获得基于内部评级的高级认证。为了实现这一认证，银行必须证明，它们有能力通过使用内部风险模型系统，准确评估其风险，符合巴塞尔协议II的要求，并保持其可靠性。拥有A-IRBACredition的银行比其他银行获得了优势，因为它们可以使用较低的系数来衡量风险信贷的风险敞口，并从较低的资本要求中受益。现有的评级框架已经做了很多改进，扩展了数据挖掘工具的使用，其他名称可以用来指代PD模型，即：信用评分、信用风险模型、记分卡、信用记分卡、评级系统或评级模型，尽管有些有不同的含义。人工智能然而，这可能是因为有些人不愿意接受不那么直观的算法或模型，这些算法或模型超出了银行业正在实施的标准解决方案、内部结算或通过分析服务提供商（如FICO、益百利、普华永道和毕马威）交付的标准解决方案。开发和实施信用评分模型可能会耗费大量时间和资源，从数据提取到部署，耗时9到18个月不等。因此，银行使用多年不变的信用评分模型的情况并不罕见。

请记住，模型是使用一个样本文件构建的，该文件通常包含2年或更长时间的历史数据，在最佳情况下，模型中使用的数据将从使用点转移3年。然而，据我们所知，8年的轮班时间经常被超过。如果条件保持不变，则这不会显著影响模型的准确性，否则，其性能会随着时间的推移而大大恶化。最近的金融危机证实，金融环境以一种出人意料的方式大幅波动，重新引起了人们对建立在过时框架上的记分卡的关注。到2007-2008年，许多金融机构都在使用用十年前的历史数据建立的陈旧记分卡。在文献[1,2]中，静态信用评分模型的退化是一个有经验证据的问题，然而研究仍然缺乏更现实的解决方案。主流方法通常基于静态学习模型。然而，随着经济周期中经济条件的演变，无论是恶化还是改善，个人的行为和偿还债务的能力也会发生变化。因此，违约需要被视为时间变化。此外，违约的演变与商业周期的趋势相呼应，并与之相关，监管变动和利率波动。在经济繁荣时期，银行和借款人往往对未来过于乐观，而在经济衰退时期，银行被拖欠的贷款、高额准备金和收紧的资本缓冲所淹没，变得非常保守。前者导致更自由的信贷政策和更低的信贷标准，后者则推动突然的信贷削减。

经验证据和理论框架支持快速信贷增长和贷款损失之间存在积极而滞后的关系。在这种背景下，公共研究主要是出于信贷消费和监管方面的考虑，因此预测集中于模拟宏观经济因素。到目前为止，在现有的零售金融信用评分中，None已明确将其与特定风险因素结合起来。传统的系统是一次性的、基于固定内存的、经过训练的、形成固定训练集的、静态模型，它们不准备处理高度详细的演化数据。因此，他们无法持续保持与自然实际状态一致的输出模式，也无法对变化做出快速反应[3]。这些是ClassicCappRoaches的一些特征，证明了现有的信用评分系统是有限的。由于潜在信用风险的过程并非严格固定不变，消费者的行为和违约可能会随着时间以不可预测的方式发生变化。种群内部有几种类型的进化，比如种群漂移，它们转化为变量分布的变化，从而影响模型的性能。新的重点是运行具有自我感知和自适应学习能力的预测模型[3]。从数据流中发现知识的概念的进展，为在不断变化的公平环境中识别、理解和有效管理消费者信贷行为的动态提供了另一种视角。

在一个事件并非命中注定、几乎不确定的世界里，我们在当下的所作所为会影响事件以意想不到的方式展开。本文在第二节中简要描述了这个问题；简要介绍了目标和数据库。第三节详细介绍了本研究的方法和理论框架。本文介绍了一维分析，以及对建模可用数据的总体评估。第四节介绍了一种多维方法，其中我们提出了一个两阶段模型，用于处理信用评分的时间退化。在第一阶段，我们通过比较几种监督学习方法来制定信用评分。在第二阶段，我们通过根据违约预期变化的因素改变初始预测来引入时变环境的影响。第五节介绍了一年期的结果。第六节第二节讨论了两阶段模型的结论和未来应用。问题是。目的本研究旨在提出一种新的方法来处理在巴西运营的金融机构中使用信用卡的客户组合的暂时退化。我们的工作附属于金砖国家2013年的竞赛，并基于一个真实世界的数据集，以及从2009年到2010年两年的运行。

这场竞争分为两项任务，每项任务都侧重于信用风险评估模型的两个特征：  任务1：开发一个记分卡，在静态建模样本中的稳健性和随着时间推移的性能下降之间倾斜，这可能导致我们对描述这两项任务的原始文本进行了一些修改，以反映我们对竞争目标的理解，这是拟议解决方案的基础。经过几年的经营，市场逐渐发生变化。  任务2：将估计模型产生的估计拖欠与记分卡批准的申请的实际数据上观察到的情况进行拟合。鼓励参与者从时间退化或概念漂移的角度使用任何建模技术。官方绩效指标是任务1的ROC曲线下的区域，以及任务2的月度拖欠估计的卡方，前提是平均拖欠率保持在该期间实际拖欠率的一半或两倍以内。处理任务1的创新方法可以在Pakd 2009竞赛中找到，该竞赛的重点是这种退化。任务2通过强调未来拖欠估计质量的相关性，而不是通常最低的未来平均拖欠率，代表了全球数据挖掘竞赛的创新。我们的方法是建立一个综合解决方案来处理这两项任务。首先，我们使用一组监督学习方法开发了一个信用评分。然后我们根据默认情况下的进化投影校准输出。

该预测既考虑了默认值的演变，也考虑了外部数据系列的演变，反映了模型人口、经济或市场的潜在变化。这样一来，调整后的得分将客户的特定风险与系统性风险相结合。从数据流中发现知识的理论模型似乎适合解决这些问题。然而，与其他许多应用金融研究一样，这项研究受到一些实际限制，如数据中的系统噪声和短时间序列。我们的观点是，选择最合适的信用评分方法是根据具体情况而定的。因此，我们提出了一种主要由问题的具体情况驱动的技术方法。我们还考虑了实际可用于建模的有意义和可靠数据的范围。B.数据库和竞争本文总结的研究是在巴西一家金融机构的真实金融数据集中进行的，包括762966条记录。建模数据是在2009年至2010年的两年运营期内提供的。建模数据集中的每个客户都被分配到拖欠结果的好坏。在这个问题中，如果一个人在信用证发放后的第一年内延迟付款60天或更长时间，那么她就被分配到了不良类。建模数据集中的延迟率为27.3%。随后一年（2011年）的另外两个数据集被用来测试静态建模样本的性能——排行榜和预测数据集。排行榜包含60000条记录的样本，这些记录是由2011年每个月5000份申请的子样本汇总而成的。

虽然排行榜数据集中没有默认结果，但在建模阶段，可以知道受试者工作特征曲线（AUC）给出的模型的区分能力。参赛者被允许在排行榜上提交他们的解决方案，每一项的theROC曲线下的面积和距离D都在网上发布。预测数据集将用于比赛的最终绩效评估。该数据集在2011年有444828个应用程序，在建模的任何阶段都无法获得默认结果。文件摘要见表一。表一。数据集摘要数据集是记录时间目标序列（%）建模7629662009-2010标签0。273LeaderBord60000未标记——预测444828未标记原始数据集中变量的完整列表可在金砖国家2013年官方网站上获得。它包含表II中分类的39个变量和一个目标变量，其值1表示坏类中的记录，0表示好类。表二。

预测变量汇总类型#信息数字、月收入、在当前地址的时间、在当前雇主的时间、家属人数和银行账户数量。被视为名义信用卡账单到期日、第一至第四个邮政编码、家庭（州、市和社区）、婚姻状况、收入证明类型、长途拨号代码、职业代码和家庭类型。二进制地址类型证明、母亲和父亲的姓名信息、来自信贷局的输入、电话号码、家庭地址账单、以前的信用经历、其他信用卡、纳税人和国民身份证、短信电话号码、即时购买、透支保护协议、在同一州生活和工作、在同一城市生活和工作以及性别。日期申请日期。IDCustomer、personal reference和branch唯一标识符。三、 方法论和理论框架这项研究从一个一维的分析，在那里我们遇到了问题背后的财务前景，发展到一个多维的方法，在那里我们逐步开发和实验一个新的框架来模拟信用风险。一维分析是为了获得关于违约预测因子和决定违约动态的主要因素的直觉。多维方法是我们工作的核心，分两个阶段进行。在第一阶段，我们从一个经典的框架中构建了acredit评分模型，该模型具有静态学习设置和二进制输出。