[論文レビュー] A Markov Chain approach to determine the optimal performance period and bad definition for credit scorecard

Choy, Ma|arXiv (Cornell University)|Jun 22, 2011

Financial Distress and Bankruptcy Prediction参考文献 10被引用数 5

ひとこと要約

本論文は、信用スコアカードモデリングにおける性能期間と悪い定義の最適な設定を客観的に決定するためのマルコフ連鎖ベースの手法を提案する。従来のアプローチにおける長年の主観的要素と循環的依存性を是正する。時間経過に伴う信用移行をモデル化することで、最も安定的かつ予測可能な性能ウィンドウとデフォルト閾値を同定し、スコアカードの頑丈さを著しく向上させるとともに、モデラーのバイアスを低減する。

ABSTRACT

Performance period determination and bad definition for credit scorecard has been a mix of fortune for the typical data modeler. The lack of literature on these matters led to a proliferation of approaches and techniques to solve the problems. However, the most commonly accepted approach involves subjective interpretations of the performance period and bad definition as well as being chicken and egg problem. These complications result in poorly developed credit scorecard with minimal benefits to the banks. In this paper, we will be recommending a simple and effective approach to resolve these issues.

研究の動機と目的

• 信用スコアカード開発における、性能期間と悪い定義の選定に関する長年の主観的で一貫性のない課題を解決すること。
• 性能期間と悪い定義がお互いに循環的に依存する「鶏と卵の問題」を解消すること。
• 性能期間とデフォルト閾値の最適な時間窓を決定するデータドリブンで客観的なフレームワークを提供すること。
• モデラーのバイアスを最小限に抑え、統計的安定性を高めることで、スコアカードの信頼性と予測力の向上を図ること。
• 銀行および金融分野における実世界の信用リスクモデリングに適用可能な実用的で実装可能な手法を提供すること。

提案手法

• デフォルトを吸収状態とする離散的時間・時定常マルコフ連鎖として、信用移行プロセスをモデル化すること。
• 支払い行動の観察結果（例：支払済、30日遅延、60日遅延、90日遅延、デフォルト）に基づき、時間経過に伴う状態遷移を定義すること。
• 遷移確率行列を用いて、異なる性能期間におけるデフォルト確率の安定性と収束性を評価すること。
• 定常分布の収束状態とデフォルト状態への吸収までの時間を分析することで、マルコフ連鎖の安定性を評価すること。
• 遷移行列の安定性を最大化し、デフォルト確率推定値の分散を最小化する性能期間を選択すること。
• 「悪い」とは、選択された性能ウィンドウ内での累積デフォルト確率が閾値（例：50％）を超える状態として定義すること。

実験結果

リサーチクエスチョン

• RQ1 予測力は維持しつつ、デフォルト確率推定値の分散を最小化する性能期間は何か？
• RQ2 性能期間に依存する循環的依存性を回避して、「悪い」定義をどのように客観的に決定できるか？
• RQ3 マルコフ連鎖モデルは、信用スコアリングにおける安定的かつ統計的に最適な性能評価時間窓を同定できるか？
• RQ4 性能期間の長さと遷移確率行列の安定性との関係は何か？
• RQ5 従来のヒューリスティック手法と比較して、マルコフ連鎖アプローチは主観的要素をどのように低減するか？

主な発見

• 最適な性能期間は、マルコフ連鎖の遷移行列が安定し、デフォルト確率が収束する最短の期間であることが同定された。
• 遷移ダイナミクスに基づくアプローチにより、性能期間と悪い定義の間の循環的依存性が効果的に解消された。
• マルコフ連鎖の定常分布は、長期的デフォルトリスクの信頼できる推定値を提供し、客観的な悪い定義の設定を可能にする。
• このアプローチにより、モデラーの主観的バイアスが低減され、スコアカード開発の整合性と頑丈さが向上した。
• 実証的結果から、選択された性能期間がデフォルト確率の分散を最小化し、スコアカードのAUCを最大化することが示された。
• この手法は計算的に効率的であり、標準的な統計ソフトウェアを用いて容易に実装可能である。