银行交易嵌入有助于揭示当前宏观经济
统计金融
2021-12-30 v3 机器学习
摘要
宏观经济指数对银行至关重要:许多风控决策都利用这些指数。这类指数评估的典型流程成本高且冗长,实际日期与可用指数之间存在数月的滞后。银行目前使用自回归模型预测此类指数,以在快速变化的环境中做出决策。然而,自回归模型在涉及危机出现的复杂情景中失效。我们提议使用来自一家大型俄罗斯银行的客户金融交易数据来获取此类指数。金融交易漫长且客户数量巨大,因此我们开发了一种高效方法,能够基于由数百万笔交易组成的交易流快速准确地估计宏观经济指数。该方法使用神经网络范式与一种智能采样方案。结果表明,我们的神经网络方法优于基于交易的手工特征基线方法。计算得到的嵌入显示了客户交易活跃度与银行宏观经济指数随时间的关联性。
引用
@article{arxiv.2110.12000,
title = {Bank transactions embeddings help to uncover current macroeconomics},
author = {Maria Begicheva and Alexey Zaytsev},
journal= {arXiv preprint arXiv:2110.12000},
year = {2021}
}