論文の概要: Towards a data-driven debt collection strategy based on an advanced machine learning framework

• arxiv url: http://arxiv.org/abs/2311.06292v1
• Date: Fri, 3 Nov 2023 16:01:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-19 14:31:09.010674
• Title: Towards a data-driven debt collection strategy based on an advanced machine learning framework
• Title（参考訳）: 高度な機械学習フレームワークに基づくデータ駆動負債回収戦略に向けて
• Authors: Abel Sancarlos, Edgar Bahilo, Pablo Mozo, Lukas Norman, Obaid Ur Rehma, Mihails Anufrijevs
• Abstract要約: 欧州債務購入市場は2020年に25億ユーロに接近した。 新しい機械学習モデリングパイプラインが提示され、このセクターで採用されている現在の戦略よりも優れたパフォーマンスを示している。 パフォーマンスは、債務業界の実際の歴史的なデータで検証されます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The European debt purchase market as measured by the total book value of purchased debt approached 25bn euros in 2020 and it was growing at double-digit rates. This is an example of how big the debt collection and debt purchase industry has grown and the important impact it has in the financial sector. However, in order to ensure an adequate return during the debt collection process, a good estimation of the propensity to pay and/or the expected cashflow is crucial. These estimations can be employed, for instance, to create different strategies during the amicable collection to maximize quality standards and revenues. And not only that, but also to prioritize the cases in which a legal process is necessary when debtors are unreachable for an amicable negotiation. This work offers a solution for these estimations. Specifically, a new machine learning modelling pipeline is presented showing how outperforms current strategies employed in the sector. The solution contains a pre-processing pipeline and a model selector based on the best model calibration. Performance is validated with real historical data of the debt industry.
• Abstract（参考訳）: 欧州債務購入市場は2020年に25億ユーロに接近し、2桁レートで成長した。 これは、債務回収と債務購入産業がいかに大きく成長し、それが金融セクターにもたらす重要な影響の例である。 しかし、債務回収プロセス中に十分なリターンを確保するためには、支払いや期待キャッシュフローの傾向を適切に見積もる必要がある。 これらの見積もりは、例えば、品質基準と収益を最大化するために、網羅的な収集の間に異なる戦略を作成するために使われる。 それだけでなく、債務者が友好的な交渉のために手が届かない場合、法的手続きが必要な場合も優先する。 この研究はこれらの推定に対する解決策を提供する。 具体的には、このセクターで採用されている現在の戦略を上回るパフォーマンスを示す、新しい機械学習モデリングパイプラインが提示される。 このソリューションは、最高のモデルキャリブレーションに基づく前処理パイプラインとモデルセレクタを含む。 パフォーマンスは、負債産業の実際の履歴データで検証されます。

関連論文リスト

• Bayesian Regression for Predicting Subscription to Bank Term Deposits in Direct Marketing Campaigns [0.0]
  本研究の目的は,長期預金契約予測におけるロジットモデルとプロビットモデルの有効性を検討することである。 ターゲット変数はデータセット固有の不均衡を考慮してバランスが取れた。 ロジットモデルは、この分類問題を扱う際に、プロビットモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-28T21:04:58Z)
• A Bargaining-based Approach for Feature Trading in Vertical Federated Learning [54.51890573369637]
  本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。 当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
  論文  参考訳（メタデータ） (2024-02-23T10:21:07Z)
• Towards a Foundation Purchasing Model: Pretrained Generative Autoregression on Transaction Sequences [0.0]
  本稿では,金融取引の文脈的埋め込みを得るための生成事前学習手法を提案する。 さらに,510億の取引を含む180の発行銀行のデータコーパスを用いて,埋め込みモデルの大規模事前学習を行う。
  論文  参考訳（メタデータ） (2024-01-03T09:32:48Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Precision-Recall Divergence Optimization for Generative Modeling with GANs and Normalizing Flows [54.050498411883495]
  本研究では,ジェネレーティブ・アドバイサル・ネットワークや正規化フローなどの生成モデルのための新しいトレーニング手法を開発した。 指定された精度-リコールトレードオフを達成することは、textitPR-divergencesと呼ぶ家族からのユニークな$f$-divergenceを最小化することを意味する。 当社のアプローチは,ImageNetなどのデータセットでテストした場合の精度とリコールの両面で,BigGANのような既存の最先端モデルの性能を向上させる。
  論文  参考訳（メタデータ） (2023-05-30T10:07:17Z)
• Predicting Credit Risk for Unsecured Lending: A Machine Learning Approach [0.0]
  本研究は、無担保貸付(クレディットカード)の信用デフォルトを予測するための、同時代の信用評価モデルを構築することを目的とする。 本研究は,光グラディエントブースティングマシン(LGBM)モデルにより,学習速度の向上,効率の向上,データボリュームの大規模化を実現していることを示す。 このモデルの導入により、商業融資機関や銀行の意思決定者に対する信用デフォルトのより良いタイムリーな予測が可能になると期待している。
  論文  参考訳（メタデータ） (2021-10-05T17:54:56Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• Predicting Account Receivables with Machine Learning [3.324876873771105]
  本稿では,請求書の支払い予測において,収集者を支援するプロトタイプを提案する。 予測精度の最大81%に達し、顧客の優先順位が向上した。 私たちのシミュレーションでは、コレクタの優先順位付けに当社のモデルを採用することで、月に最大1億7500万ドルを節約できることが示されています。
  論文  参考訳（メタデータ） (2020-08-11T11:53:24Z)
• Intelligent Credit Limit Management in Consumer Loans Based on Causal Inference [5.292270534252169]
  信用限度は、経験豊富な専門家によって開発された限られた戦略に基づいて調整される。 本稿では,信用限度をインテリジェントに管理するためのデータ駆動型アプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-10T06:22:44Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。