A Spatio-Temporal Machine Learning Model for Mortgage Credit Risk: Default Probabilities and Loan Portfolios
创建于 更新于
摘要
本报告提出结合树提升和潜在时空高斯过程的新型机器学习模型，以非线性和交互效应捕捉预测变量，且考虑无法观测的时空脆弱性相关性，提升抵押贷款违约概率及贷款组合损失分布的预测准确性。应用于美国大型抵押贷款数据，模型表现优于传统线性及时空模型，特别在金融危机期间，组合损失预测准确度提高约10亿美元。通过模型可解释性分析，发现脆弱性效应和预测变量间复杂非线性交互是性能提升关键 [page::0][page::1][page::8][page::10][page::14]。
