PulseAugur
实时 13:37:46
English(EN) Incorporating data drift to perform survival analysis on credit risk

新模型改进数据漂移下的信用风险生存分析

研究人员开发了一个新的动态联合建模框架,以提高信用风险生存分析在非平稳环境下的稳健性。该框架整合了纵向行为标记和离散时间风险公式以及地标独热编码。在Freddie Mac抵押贷款数据集上的实验表明,所提出的模型在各种数据漂移场景下始终优于经典的生存模型和其他自适应学习器,证实了其在区分和校准方面的优越性。 AI

影响 这项研究通过解决数据漂移问题,为金融机构的信用风险评估提供了一种更稳健的方法,有望带来更准确的违约预测。

排序理由 关于统计建模技术的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新模型改进数据漂移下的信用风险生存分析

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Jianwei Peng (Humboldt-Universit\"at zu Berlin), Stefan Lessmann (Humboldt-Universit\"at zu Berlin, Bucharest University of Economic Studies) ·

    将数据漂移纳入信用风险生存分析

    arXiv:2601.20533v2 Announce Type: replace Abstract: Survival analysis has become a standard approach for modelling time to default by time-varying covariates in credit risk. Unlike most existing methods that implicitly assume a stationary data-generating process, in practise, mor…