[論文レビュー] Evolution of Credit Risk Using a Personalized Pagerank Algorithm for Multilayer Networks

Cristián Bravo, María Óskarsdóttir|arXiv (Cornell University)|May 25, 2020

Financial Distress and Bankruptcy Prediction参考文献 30被引用数 7

ひとこと要約

本稿では、農業融資における信用リスクの変化をモデル化するため、多層ネットワーク向けのパーソナライズドPageRankアルゴリズムを提案している。双方向グラフを用いて、融資と製品および地域を結びつける。この手法により、集計されたデフォルト率よりも動的で詳細なデフォルト伝播パターンを捉えるネットワークベースのリスクスコアが得られ、早期リスク検出と標的型対策が可能になる。

ABSTRACT

In this paper we present a novel algorithm to study the evolution of credit risk across complex multilayer networks. Pagerank-like algorithms allow for the propagation of an influence variable across single networks, and allow quantifying the risk single entities (nodes) are subject to given the connection they have to other nodes in the network. Multilayer networks, on the other hand, are networks where subset of nodes can be associated to a unique set (layer), and where edges connect elements either intra or inter networks. Our personalized PageRank algorithm for multilayer networks allows for quantifying how credit risk evolves across time and propagates through these networks. By using bipartite networks in each layer, we can quantify the risk of various components, not only the loans. We test our method in an agricultural lending dataset, and our results show how default risk is a challenging phenomenon that propagates and evolves through the network across time.

研究の動機と目的

• 借手同士の独立性を仮定する伝統的な信用リスクモデルの限界を是正し、ネットワークベースのデフォルト相関を無視する問題に対処すること。
• 小規模融資および農業融資における複雑で相互接続されたネットワークを通じた信用リスクの伝播を捉える手法を開発すること。
• ローンレベルだけでなく、製品や地理的地域といった相互接続されたレイヤー全体におけるリスク露出を定量化すること。
• 時間発展するネットワークインフルエンススコアを分析することで、システミックリスクの早期検出を可能にすること。
• ネットワークベースのリスクスコアが単なる集計トレンドではなく、より詳細かつタイムリーなシグナルを提供することを実証すること。

提案手法

• 融資が製品タイプと地理的地域の両方と接続される双方向グラフを用いて、多層ネットワークを構築する。
• デフォルトとなった融資を初期インフルエンスソースとして、パーソナライズドPageRankアルゴリズムを適用し、ノード（例：製品、地域）のリスク露出度を順位付けする。
• PageRankスコアの時系列解析を用いて、時間経過に伴う各レイヤーにおけるリスクの変化を追跡する。
• リスクスコアの変動パターンの類似性に基づいてノードをクラスタリングし、類似したリスクパターンを示す製品や地域のグループを特定する。
• ネットワークベースのインフルエンススコアと実際のデフォルト率を比較し、スコアがネットワーク効果を反映しているのか、単なる集計トレンドに過ぎないのかを評価する。
• ネットワークの複雑さと計算の実行可能性の両立を図るため、モデルの負荷を増やすことなく、関心のある複数のレイヤーを双方向ネットワークに拡張する。

実験結果

リサーチクエスチョン

• RQ1 農業融資における信用リスク伝播をモデル化するにあたり、多層ネットワークをどのように効果的に構築できるか。
• RQ2 ネットワークベースのインフルエンススコアは、単なるデフォルト率トレンドと比較して、真のリスク伝播をどれほど正確に反映しているか。
• RQ3 時間発展するPageRankスコアは、集計されたデフォルト率と比較して、リスクパターンをどれほど早期かつ正確に検出できるか。
• RQ4 類似したリスク変動軌跡を示す製品および地域のクラスタは、リスクセグメンテーションおよび対策戦略にどのように寄与するか。
• RQ5 製品レベルと地域レベルの相関の両方が、全体の信用リスク露出に占める相対的寄与度はどの程度か。

主な発見

• パーソナライズドPageRankアルゴリズムは、多層ネットワークにおける進化する信用リスクを効果的に定量化し、デフォルト率からは見えない動的リスク伝播パターンを明らかにした。
• 製品および地域のリスクスコアは時間経過とともに変化し、クラスタごとに明確な軌道を示しており、一部のクラスタは安定的に上昇し、他のクラスタは経済の好況期（例：2000–2005年）にピークに達する傾向を示した。
• クラスタ12では、形状が類似しているにもかかわらず、クラスタ4と比較してリスクスコアが顕著に高かったため、一部の製品・地域ペアは本質的に高いリスク露出を有していることが示された。
• ネットワークスコアはデフォルト率よりも変動性が大きく、早期のシグナルを示した。一方、デフォルト率は遅れを示し、新たなリスクに敏感ではなかった。
• インフルエンススコアはデフォルト率よりも情報量が多く、例：害虫の影響など製品固有のショックや、地域の気象要因といった、レイヤー特有のリスクダイナミクスを捉えていた。
• 本手法により、標的型リスク管理が可能になった。高リスクの借手は特定され、同じ高リスク製品や地域に属するグループ全体に対して、包括的かつコスト効率の良い対策を講じることが可能になった。