基于现金流预测的贷款回收决策时点损失优化

本文以实证方式阐释了一种理论方法，用于寻找放弃贷款的最佳时点，从而使整体信用损失最小化。该方法以预测贷款组合至合同期限内的未来现金流为基础，用以补救现实世界中“不完整”组合固有的右删失问题。我们采用两种技术独立预测这些现金流：一种简易概率模型与一种八状态马尔可夫链。作为比较实验框架的一部分，我们基于某南非大型银行提供的住房抵押贷款数据中的不同细分群体训练这两种技术。结果表明，回收决策的隐含时点被实证刻画为一个跨越不确定现金流与竞争性成本的多期优化问题。以违约度量为核心准则，我们的流程有助于为给定组合找到理论上最优的贷款回收损失阈值。此外，组合的历史风险特征及其预测均被证明会影响回收决策的时点。因此，本工作可助力修订相关银行政策或策略，以优化贷款催收流程，尤其是有担保贷款。