[論文レビュー] Formulating A Strategic Plan Based On Statistical Analyses And Applications For Financial Companies Through A Real-World Use Case

Saman Sarraf|arXiv (Cornell University)|Jul 10, 2023

Big Data and Business IntelligenceBusiness, Management and Accounting被引用数 3

ひとこと要約

本論文は、統計的分析および機械学習を用いて、ローン承認速度の向上とデフォルトリスクの低減を目的とした、データドリブンな戦略的計画を、ピアツーピアローンプラットフォームであるLendingClubに対して提言する。200万件のローン記録を分析した結果、ローン金額の増加が、差押しが発生する率を顕著に上昇させることを同定した。この結果、予測精度と運用効率を向上させるために、高度な特徴工学および機械学習モデルを備えたクラウドベースのビッグデータプラットフォームの導入を推奨する。

ABSTRACT

Business statistics play a crucial role in implementing a data-driven strategic plan at the enterprise level to employ various analytics where the outcomes of such a plan enable an enterprise to enhance the decision-making process or to mitigate risks to the organization. In this work, a strategic plan informed by the statistical analysis is introduced for a financial company called LendingClub, where the plan is comprised of exploring the possibility of onboarding a big data platform along with advanced feature selection capacities. The main objectives of such a plan are to increase the company's revenue while reducing the risks of granting loans to borrowers who cannot return their loans. In this study, different hypotheses formulated to address the company's concerns are studied, where the results reveal that the amount of loans profoundly impacts the number of borrowers charging off their loans. Also, the proposed strategic plan includes onboarding advanced analytics such as machine learning technologies that allow the company to build better generalized data-driven predictive models.

研究の動機と目的

• LendingClubのローンリスク評価および意思決定速度の向上を目的としたデータドリブンな戦略的計画の策定。
• 統計的仮説検定を用いて、ローン金額と借り手の差押しが発生する確率との関係を調査すること。
• リアルタイムのローン承認および予測モデリングを支援するスケーラブルなビッグデータ分析プラットフォームの実装可能性を評価すること。
• モデルのパフォーマンスを向上させつつインfra構成コストを管理するための、強化された特徴選択およびデータ収集戦略の提案。

提案手法

• ローン金額と差押しが発生するフラグとの関係を評価するため、仮説検定（t検定、ANOVA）および相関分析を実施。
• 145の属性および200万件を超える観測値を含むデータセットに対して、データ前処理（クリーニング、欠損値処理、特徴工学）を実施。
• デフォルトの主な予測要因を同定するため、線形回帰およびロジスティック回帰、クラスタリング分析、相関分析などの統計モデルを適用。
• バッチ処理およびストリーム処理をサポートするリアルタイム分析を実現するため、AWSを用いたクラウドベースのビッグデータアーキテクチャを設計。
• データインジェクション、前処理、統計/機械学習モデリング、結果の保存、ユーザーインターフェースによる可視化を含むモジュラー構成のエンドツーエンドパイプラインを提案。
• 四半期ごとの統計分析に基づく特徴選択最適化および機械学習モデルの自動再トレーニングスケジューリングを統合。

Figure 1: Left: Distribution of borrowers Right: Distribution of loan amounts charged off

実験結果

リサーチクエスチョン

• RQ1 ローン金額と借り手の差押しが発生する可能性との間に、統計的に有意な関係があるか？
• RQ2 高額ローンは、低額ローンと比較して、デフォルト率が上昇する傾向があるか？
• RQ3 高度な特徴選択およびビッグデータ分析は、デフォルト予測モデルの精度を向上させることができるか？
• RQ4 LendingClubの分析パイプラインをクラウドベースのビッグデータプラットフォームに移行するための、運用的および技術的ステップは何か？
• RQ5 的を絞ったデータ収集は、インfra構成コストを削減しながら、モデルパフォーマンスを向上させることができるか？

主な発見

• ローン金額の増加は、差押しが発生する率の上昇と顕著に相関しており、ローンの規模とデフォルトリスクの強い関係が示された。
• 欠損値のない32の特徴を含むデータセットであり、統計的モデリングおよび予測分析に適した堅牢な基盤を提供した。
• 仮説検定により、ローン金額と差押しが発生するフラグとの間に統計的に有意な関係が確認された（p < 0.05）。これにより、リスク調整型の貸付基準の導入が求められる。
• 提案されたクラウドベースのビッグデータアーキテクチャは、リアルタイムデータ処理を可能にし、機械学習モデルのスケーラブルな展開を支援する。
• 四半期ごとの統計分析に基づく的を絞った特徴選択により、データ量とインfra負荷を削減しつつ、モデルパフォーマンスに影響を与えることなく、効率を向上させられる。
• 自動モデル再トレーニングと強化された特徴工学の統合により、予測精度が向上し、30分以内のローン承認意思決定を支援できると予想される。

Figure 2: Steps for migrating data pipeline to a cloud environment