Incorporating data drift to perform survival analysis on credit risk
创建于 更新于
摘要
本文提出了一个基于landmark的联合动态生存模型（LMISO），通过基于余额偏离的行为性纵向标记、分离的landmark基线（one-hot）和isotonic校准来应对抵押贷款违约预测中的多种数据漂移（突发、递增、周期）问题，实证结果表明LMISO在AUC与Brier等指标上优于Cox、XGBoost和流式适配学习器，证明联合建模与显式校准在非平稳环境下的有效性 [page::1][page::9][page::15]
