抵押贷款服务的异质智能体模型：基于收入的救济分析

抵押贷款占美国家庭债务的最大部分，全国总计约12万亿美元。在财务困难时期，减轻抵押贷款负担对于支持受影响家庭至关重要。抵押贷款服务行业在提供这种援助方面发挥着重要作用，但建模家庭与服务商之间复杂关系的研究有限。为弥补这一空白，我们开发了一个基于智能体的模型，探索财务困境期间的家庭行为和救济措施的有效性。我们的模型将家庭表示为具有现实财务属性的自适应学习智能体。这些家庭经历外生收入冲击，这可能影响其偿还抵押贷款的能力。抵押贷款服务商向这些家庭提供救济选项，然后家庭根据其独特的财务状况和个人偏好选择最合适的救济。我们分析了各种外部冲击的影响以及不同抵押贷款救济策略对特定借款人子群体的成功程度。通过这一分析，我们表明我们的模型不仅可以复现现实世界的抵押贷款研究，还可以作为进行广泛假设情景分析的工具。我们的方法提供了细粒度的见解，可为制定更有效和包容性的抵押贷款救济方案提供信息。