大规模账户层面债务回收的高效预测和不确定性量化
摘要：预测管理下大规模非执行无担保消费者贷款的追回情况是我们考虑的问题。目前行业中使用随机过程来近似建模各个客户的偿还行为，其中包括信用评分和还款历史等多个协变量。通过 Monte Carlo 模拟这些随机过程，可以预测违约债务组合的可能回收金额，并量化不确定性。 尽管个体水平的模型相对简单，但由于账户数量非常庞大，难以在组合水平上进行模拟。而且，这些账户还存在不同贷款违约程度的差异，具有广泛的追收方差数值。 我们的目标是解决两个主要问题：在模拟中有效分配计算资源，以尽可能准确地估计可能的追收金额，并量化预测中的不确定性。我们表明，在一定条件下，可以通过汇总个人账户方差的粗略无偏估计来构建种群水平方差的健壮估计器。所提出的方法通过一个与实际应用中常用模型具有共同特征的模型来进行验证。
作者：Sam Baynes and Simon Cotter and Paul Russell and Edmund Ryan and Timothy Waite
论文ID：2201.03367
分类：Computation
分类简称：stat.CO
提交时间：2022-10-26