基于宏观经济变化的损失率预测框架：在美国信用卡行业的应用
机器学习
2020-06-16 v1 机器学习
综合经济学
经济学
摘要
美国大型银行资产负债表的很大一部分由信用卡组合构成。因此，管理坏账核销率对于信用卡行业的盈利能力至关重要。不同的宏观经济状况会影响个人偿还债务的行为。本文中，我们提出一个利用宏观经济指标进行信用卡行业损失预测的专家系统。我们基于对文献的全面回顾和涵盖经济、消费者、商业及政府各部门的专家意见来选择指标。采用最先进的机器学习模型来开发所提出的专家系统框架。我们开发了两个版本的预测专家系统，它们采用不同的方法来选择添加到每个指标的滞后期。在用作输入的19个宏观经济指标中，有6个被用于具有最优滞后期的模型，而7个指标被使用所有滞后期的模型所选中。每个模型所选择的特征覆盖了经济的全部三个部门。使用从1985年第一季度到2019年第二季度按资产排名前100的美国银行的坏账核销数据，我们使用最优滞后期模型和全滞后期模型分别达到了1.15E-03和1.04E-03的均方误差值。所提出的专家系统为信用卡行业的从业者提供了经济的整体视角，并帮助他们了解不同宏观经济状况对其未来损失的影响。
引用
@article{arxiv.2006.07911,
title = {Loss Rate Forecasting Framework Based on Macroeconomic Changes: Application to US Credit Card Industry},
author = {Sajjad Taghiyeh and David C Lengacher and Robert B Handfield},
journal= {arXiv preprint arXiv:2006.07911},
year = {2020}
}
备注
45 pages, 16 figures, 16 tables, submitted to Expert Systems with Applications Journal