論文の概要: Semi-structured multi-state delinquency model for mortgage default
- arxiv url: http://arxiv.org/abs/2603.26309v1
- Date: Fri, 27 Mar 2026 11:22:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.466386
- Title: Semi-structured multi-state delinquency model for mortgage default
- Title（参考訳）: 住宅ローンデフォルトに対する半構造化多状態遅延モデル
- Authors: Victor Medina-Olivares, Wangzhen Xia, Stefan Lessmann, Nadja Klein,
- Abstract要約: 本研究では,半構造化離散時間多状態モデルを提案する。
このモデルは、容易に理解可能な構造付き付加予測器と、複雑な非線形性と高次相互作用をキャプチャする柔軟なニューラルネットワークコンポーネントを組み合わせる。
- 参考スコア（独自算出の注目度）: 7.0177704222466994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a semi-structured discrete-time multi-state model to analyse mortgage delinquency transitions. This model combines an easy-to-understand structured additive predictor, which includes linear effects and smooth functions of time and covariates, with a flexible neural network component that captures complex nonlinearities and higher-order interactions. To ensure identifiability when covariates are present in both components, we orthogonalise the unstructured part relative to the structured design. For discrete-time competing transitions, we derive exact transformations that map binary logistic models to valid competing transition probabilities, avoiding the need for continuous-time approximations. In simulations, our framework effectively recovers structured baseline and covariate effects while using the neural component to detect interaction patterns. We demonstrate the method using the Freddie Mac Single-Family Loan-Level Dataset, employing an out-of-time test design. Compared with a structured generalised additive benchmark, the semi-structured model provides modest but consistent gains in discrimination across the earliest prediction spans, while maintaining similar Brier scores. Adding macroeconomic indicators provides limited incremental benefit in this out-of-time evaluation and does not materially change the estimated borrower-, loan-, or duration-driven effects. Overall, semi-structured multi-state modelling offers a practical compromise between transparent effect estimates and flexible pattern learning, with potential applications beyond credit-transition forecasting.
- Abstract（参考訳）: 本研究では,半構造化離散時間多状態モデルを提案する。
このモデルは、線形効果と時間と共変量の滑らかな関数を含む、分かりやすい構造付き付加予測器と、複雑な非線形性と高次相互作用をキャプチャする柔軟なニューラルネットワークコンポーネントを組み合わせる。
両成分に共変量が存在する場合の識別可能性を確保するため, 構造設計に対する非構造部分の直交化を行う。
離散時間競合遷移に対しては、バイナリロジスティックモデルを競合する遷移確率にマッピングする正確な変換を導出し、連続時間近似の必要性を回避する。
シミュレーションでは、ニューラルネットワークを用いて相互作用パターンを検出しながら、構造的ベースラインと共変量の影響を効果的に回復する。
我々は、Freddie Mac Single-Family Loan-Level Dataset を用いて、アウトオブタイムテスト設計を用いた手法を実証する。
構造化一般化加法ベンチマークと比較すると、半構造化モデルは、最も初期の予測範囲をまたいだ差別において、控えめながら一貫した利得を提供する一方で、類似のブライアスコアを維持している。
マクロ経済指標を追加することは、このアウト・オブ・タイム評価において限られた漸進的な利益をもたらし、見積もりされた借り手、ローン、または期間駆動の影響を実質的に変えることはない。
全体として、半構造化された多状態モデリングは、透過的な効果推定とフレキシブルなパターン学習の間に実践的な妥協をもたらす。
関連論文リスト
- Causal-INSIGHT: Probing Temporal Models to Extract Causal Structure [4.718641165826564]
Causal-INSIGHTは、訓練された時間的予測器からモデル実装された(予測者に依存しない)時間的な影響構造を抽出するためのモデルに依存しない、ポストホックな解釈フレームワークである。
提案するQbicは,地平線グラフラベルを必要とせずに,予測忠実度と構造的複雑さのバランスをとる,空間性を考慮したグラフ選択基準である。
論文 参考訳（メタデータ） (2026-03-26T14:16:37Z) - Mixture-of-Models: Unifying Heterogeneous Agents via N-Way Self-Evaluating Deliberation [0.0]
本稿では,N-Way Self-Evaluating Deliberation (NSED) プロトコル,Mixture-of-Models (MoM) アーキテクチャを提案する。
静的ゲーティングネットワークに依存する従来のMixture-of-Experts (MoE)とは異なり、NSEDはモデル選択をKnapsack問題のバリエーションとして扱うDynamic Expertise Brokerを使用している。
論文 参考訳（メタデータ） (2026-01-23T16:11:54Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。
我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
論文 参考訳（メタデータ） (2025-09-03T18:05:02Z) - Approximate learning of parsimonious Bayesian context trees [0.0]
提案するフレームワークは、合成および実世界のデータ例に基づいてテストされる。
これは、実際のタンパク質配列やハニーポットコンピュータターミナルセッションに適合すると、既存のシーケンスモデルより優れている。
論文 参考訳（メタデータ） (2024-07-27T11:50:40Z) - Bayesian Semi-structured Subspace Inference [0.0]
半構造回帰モデルは、解釈可能な構造と複雑な非構造的特徴効果の合同モデリングを可能にする。
部分空間推論を用いた半構造化回帰モデルに対するベイズ近似を提案する。
提案手法は,シミュレーションおよび実世界のデータセット間での競合予測性能を示す。
論文 参考訳（メタデータ） (2024-01-23T18:15:58Z) - Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳（メタデータ） (2023-11-02T16:45:25Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。
実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文 参考訳（メタデータ） (2020-07-30T05:48:48Z) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳（メタデータ） (2020-06-19T21:04:47Z) - Semi-Structured Distributional Regression -- Extending Structured
Additive Models by Arbitrary Deep Neural Networks and Data Modalities [0.0]
本稿では、構造化回帰モデルとディープニューラルネットワークを統合ネットワークアーキテクチャに結合する一般的なフレームワークを提案する。
数値実験において,本フレームワークの有効性を実証し,ベンチマークや実世界の応用において,そのメリットを実証する。
論文 参考訳（メタデータ） (2020-02-13T21:01:26Z)
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。