机器学习技术在联合违约评估中的应用
摘要：捕捉驱动不同债务人违约和其信用组合整体风险的协变量之间的非线性依赖关系将产生什么后果？共同违约建模是经典的Bernoulli混合模型。通过应用于信用卡数据集，我们表明，即使机器学习技术在根据协变量对个体违约进行分类方面仅略优于Logistic回归，但在组合水平上它们确实胜过它。这是因为它们能够捕捉协变量之间的线性和非线性依赖关系，而Logistic回归仅能捕捉线性依赖关系。机器学习方法捕捉协变量之间的非线性依赖关系提高了违约相关性，相较于Logistic回归，在我们的数据中会低估信用组合的风险性。
作者：Margherita Doria, Elisa Luciano, Patrizia Semeraro
论文ID：2205.01524
分类：Risk Management
分类简称：q-fin.RM
提交时间：2022-05-04