基于机器学习与李群上随机微分方程的评级转移建模新方法
风险管理
2022-06-01 v1 机器学习
摘要
本文提出一种利用随机过程对评级转移建模的新方法。为引入取值为有效评级矩阵的随机过程，我们注意到随机矩阵的几何性质及其与矩阵李群的关联。我们对该主题作了简要介绍，并演示 R 中的 It\^o-SDEs 如何生成所需的评级转移模型。为将评级模型校准至历史数据，我们使用称为 TimeGAN 的深度神经网络 (DNN) 学习历史评级矩阵时间序列的特征。然后，我们使用该 DNN 生成合成的评级转移矩阵。之后，我们在特定时间点拟合所生成评级矩阵与评级过程的矩，获得了良好的拟合效果。校准后，我们通过检验评级矩阵时间序列应满足的一些性质来讨论校准后评级转移过程的质量，并将看到这种几何方法非常有效。
引用
@article{arxiv.2205.15699,
title = {A novel approach to rating transition modelling via Machine Learning and SDEs on Lie groups},
author = {Kevin Kamm and Michelle Muniz},
journal= {arXiv preprint arXiv:2205.15699},
year = {2022}
}