論文の概要: Loss Rate Forecasting Framework Based on Macroeconomic Changes: Application to US Credit Card Industry

• arxiv url: http://arxiv.org/abs/2006.07911v1
• Date: Sun, 14 Jun 2020 14:22:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 12:37:39.183730
• Title: Loss Rate Forecasting Framework Based on Macroeconomic Changes: Application to US Credit Card Industry
• Title（参考訳）: マクロ経済の変化に基づく損失率予測フレームワーク:米国クレジットカード産業への応用
• Authors: Sajjad Taghiyeh, David C Lengacher and Robert B Handfield
• Abstract要約: 本稿では,マクロ経済指標を用いたクレジットカード業界における損失予測の専門家システムを提案する。 アート機械学習モデルの状況は、提案されたエキスパートシステムフレームワークの開発に使用される。
• 参考スコア（独自算出の注目度）: 9.290757451344673
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A major part of the balance sheets of the largest US banks consists of credit card portfolios. Hence, managing the charge-off rates is a vital task for the profitability of the credit card industry. Different macroeconomic conditions affect individuals' behavior in paying down their debts. In this paper, we propose an expert system for loss forecasting in the credit card industry using macroeconomic indicators. We select the indicators based on a thorough review of the literature and experts' opinions covering all aspects of the economy, consumer, business, and government sectors. The state of the art machine learning models are used to develop the proposed expert system framework. We develop two versions of the forecasting expert system, which utilize different approaches to select between the lags added to each indicator. Among 19 macroeconomic indicators that were used as the input, six were used in the model with optimal lags, and seven indicators were selected by the model using all lags. The features that were selected by each of these models covered all three sectors of the economy. Using the charge-off data for the top 100 US banks ranked by assets from the first quarter of 1985 to the second quarter of 2019, we achieve mean squared error values of 1.15E-03 and 1.04E-03 using the model with optimal lags and the model with all lags, respectively. The proposed expert system gives a holistic view of the economy to the practitioners in the credit card industry and helps them to see the impact of different macroeconomic conditions on their future loss.
• Abstract（参考訳）: 米国の大手銀行のバランスシートの大部分はクレジットカードポートフォリオで構成されている。 したがって、チャージオフ率の管理はクレジットカード業界の収益性にとって極めて重要な課題である。 異なるマクロ経済条件は、負債を返済する個人の行動に影響する。 本稿では,マクロ経済指標を用いたクレジットカード業界における損失予測のエキスパートシステムを提案する。 我々は、経済、消費者、ビジネス、政府セクターのあらゆる側面を網羅する文献・専門家の意見の徹底的な見直しに基づいて、指標を選択する。 アート機械学習モデルの状況は、提案されたエキスパートシステムフレームワークの開発に使用される。 予測エキスパートシステムの2つのバージョンを開発し,各指標に付加されるラグを選択するために,異なるアプローチを用いた。 入力として使用した19のマクロ経済指標のうち、6つの指標を最適ラグモデルで使用し、7つの指標を全ラグモデルで選択した。 これらのモデルによって選択された特徴は、経済の3つのセクター全てをカバーした。 1985年第1四半期から2019年第2四半期にかけての米国銀行上位100行のチャージオフデータを用いて、最適ラグモデルと全ラグモデルを用いて平均2乗誤差値を1.15E-03および1.04E-03とする。 提案するエキスパートシステムは, クレジットカード産業の実務者に対して, 経済の全体像を与え, 異なるマクロ経済条件が将来の損失に与える影響を把握できるように支援する。

関連論文リスト

• Unearthing Skill-Level Insights for Understanding Trade-Offs of Foundation Models [61.467781476005435]
  集約精度を検査する際には、スキルワイドのパフォーマンスが不明確になる。 モデル生成論理を検査することで,任意の評価事例に関連する基礎的スキルを復元する自動手法を提案する。 私たちのスキルスライスとフレームワークは、モデル評価の新しい道を開き、スキル固有の分析を活用して、よりきめ細やかで実用的なモデル機能の理解を解き放ちます。
  論文  参考訳（メタデータ） (2024-10-17T17:51:40Z)
• Machine Learning for Economic Forecasting: An Application to China's GDP Growth [2.899333881379661]
  本稿は、中国における四半期ごとのGDP成長を予測するために、さまざまな機械学習モデルを用いている。 これらのモデルのパフォーマンスの違いに寄与する要因を分析します。
  論文  参考訳（メタデータ） (2024-07-04T03:04:55Z)
• Forecasting Four Business Cycle Phases Using Machine Learning: A Case Study of US and EuroZone [0.26919554217803926]
  ビジネス・サイクル(ビジネス・サイクル)とは、長期にわたる経済活動の拡大と縮小のパターンをいう。 経済分析は本質的に複雑で、無数の要因(マクロ経済指標、政治的決定など)を取り入れている 本研究では,機械学習モデルによる経済状況の自動解析能力について検討した。
  論文  参考訳（メタデータ） (2024-05-27T13:49:24Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Two-Stage Sector Rotation Methodology Using Machine Learning and Deep Learning Techniques [0.0]
  市場指標とランキングセクターを用いて各セクターのETF価格を予測する2段階の手法を提案する。 実験結果から,我々の手法が長期にわたって,ポートフォリオのパフォーマンスを均等に重み付けしていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-08-05T20:32:59Z)
• Economic Recession Prediction Using Deep Neural Network [26.504845007567972]
  本稿では,米国における景気後退の開始と終了を予測するための最も正確なモデルとして,オートエンコーダを用いたBi-LSTMの深層学習手法を同定する。 我々は、さまざまな機械学習モデルの能力を比較して、サンプル内とサンプル外の両方で優れた予測を生成するために、一般的なマクロおよびマーケットコンディション機能を採用する。
  論文  参考訳（メタデータ） (2021-07-21T22:55:14Z)
• Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
  経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。 エージェントの好みを学習するためのオンライン学習機構を提案する。 数値シミュレーションにより,本機構の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T21:32:17Z)
• Modelling Sovereign Credit Ratings: Evaluating the Accuracy and Driving Factors using Machine Learning Techniques [0.0]
  国家信用格付けは国の信用格付けを要約する。 本論文では, 複数層パーセプトロン(MLP), 分類・回帰木(CART), 主権的信用格付け予測のためのオーダドロジット(OL)モデルの利用について検討する。
  論文  参考訳（メタデータ） (2021-01-29T17:06:18Z)
• Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
  同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。 到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。 選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2021-01-02T02:11:37Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。