Machine learning models for predicting catastrophe bond coupons using climate data
创建于 更新于
摘要
本文基于734笔1997–2020年主市場CAT债分 tranche 数据，结合传统债券/市场特征与七项大型气候变量（如ONI、SOI、OLR、PNA、PDO及区域SST），评估多种机器学习模型对CAT债券coupon（spread）预测的效果，结果显示加入气候指标能稳定降低点预测与概率预测误差，且Extremely Randomized Trees在测试集上表现最优 [page::0][page::17].
