大规模账户级债务回收蒙特卡洛模型的高效预测与不确定性量化
统计计算
2022-10-26 v2
摘要
我们考虑在管的大量非performing无担保消费贷款组合中的债务回收预测问题。行业最先进方法是使用随机过程基于若干协变量（包括信用评分与还款历史）近似建模个体客户的支付行为。这些随机过程的蒙特卡洛模拟可实现违约债务组合可能回收额的预测及不确定性量化。尽管个体级模型相对简单，但因账户数量极大，在组合层面开展模拟颇具挑战。账户亦具异质性，回收方差取值广泛。我们旨在解决两个主要问题：模拟中计算资源的高效分配以尽可能精确估计可能回收额，以及预测不确定性的量化。我们证明在特定条件下，可通过求和个体账户方差的粗粒度无偏估计量构造总体方差的鲁棒估计量。所提方法通过应用于一个具备实际所用模型关键特征的模型得以验证。
引用
@article{arxiv.2201.03367,
title = {Efficient forecasting and uncertainty quantification for large scale account level Monte Carlo models of debt recovery},
author = {Sam Baynes and Simon Cotter and Paul Russell and Edmund Ryan and Timothy Waite},
journal= {arXiv preprint arXiv:2201.03367},
year = {2022}
}
备注
35 pages, 9 figures