A Spatio-Temporal Machine Learning Model for Mortgage Credit Risk: Default Probabilities and Loan Portfolios
创建于 更新于
摘要
本报告提出一种结合树提升与潜在时空高斯过程的新型机器学习模型，用以考虑抵押贷款违约风险中的时空脆弱性相关性。该模型灵活捕捉预测变量的非线性与交互效应，显著提升了单笔贷款违约概率和贷款组合损失分布的预测准确度。通过对美国大型按揭贷款数据的实证，显示该模型在全局金融危机及COVID-19疫情期间均优于传统线性模型，且解释性分析揭示模型提升性能的关键在于时空脆弱性效应和变量非线性交互。[page::0][page::4][page::7][page::9][page::12]
