[論文レビュー] Modelling time and vintage variability in retail credit portfolios: the decomposition approach

Jonathan J. Forster, Agus Sudjianto|arXiv (Cornell University)|May 13, 2013

Insurance, Mortality, Demography, Risk Management参考文献 10被引用数 4

ひとこと要約

本稿では、時間系列の変動を3つの解釈可能な要因に分離することにより、小規模融資ポートフォリオのパフォーマンスを分析・予測するためのEMV（外部要因・満期・ベイジン）分解モデルを提案する。その3要因とは、マクロ経済的（外部的）要因、満期（発足後経過時間）要因、ベイジン（発足期間）要因である。非パラメトリックおよびランダム効果モデルを用いることで、予測の安定性を高める強固な予測が可能となり、結果としてベイジン要因に強い自己相関が認められ、ランダム効果による正則化が予測の安定性を向上させた。

ABSTRACT

In this paper, we consider the problem of modelling historical data on retail credit portfolio performance, with a view to forecasting future performance, and facilitating strategic decision making. We consider a situation, common in practice, where accounts with common origination date (typically month) are aggregated into a single vintage for analysis, and the data for analysis consists of a time series of a univariate portfolio performance variable (for example, the proportion of defaulting accounts) for each vintage over successive time periods since origination. An invaluable management tool for understanding portfolio behaviour can be obtained by decomposing the data series nonparametrically into components of exogenous variability (E), maturity (time since origination; M) and vintage (V), referred to as an EMV model. For example, identification of a good macroeconomic model is the key to effective forecasting, particularly in applications such as stress testing, and identification of this can be facilitated by investigation of the macroeconomic component of an EMV decomposition. We show that care needs to be taken with such a decomposition, drawing parallels with the Age-Period-Cohort approach, common in demography, epidemiology and sociology. We develop a practical decomposition strategy, and illustrate our approach using data extracted from a credit card portfolio.

研究の動機と目的

• 時間経過に伴う小規模融資ポートフォリオのパフォーマンスをモデル化・予測するための構造的かつ解釈可能なフレームワークの構築を目的とする。
• デフォルト動態における外部経済的要因、満期効果、ベイジン固有の行動を分離する課題に対処することを目的とする。
• 戦略的意思決定および信用リスク管理におけるストレステストを支援する実用的な分解戦略を提供することを目的とする。
• 後処理およびランダム効果モデルを用いることで、非パラメトリックEMVモデルにおける同定可能性と頑健性を確保することを目的とする。
• 満期効果を滑らか化するか、パラメトリックなハザード関数としてモデル化する可能性を検討することを目的とする。

提案手法

• EMVモデルは、ポートフォリオパフォーマンス（例：デフォルトレート）を3つの成分に分解する。外部要因（暦時刻）、満期（発足後経過時間）、ベイジン（発足期間）効果である。
• 非パラメトリックスムージングを用いて満期効果およびベイジン効果を推定し、識別可能性を保つために実質的制約（例：満期曲線の漸近的挙動の制限）を課す。
• ベイジン効果にはランダム効果モデルを適用し、独立した正規分布またはAR(1)時系列構造を仮定することで、自己相関を捉える。
• 標準的なソフトウェアを用いてモデルを推定し、とくにデータが少ないベイジンに対しては、予測精度を向上させるためにベイジン効果に正則化（縮小）を適用する。
• 半パラメトリック拡張では、マクロ経済的共変量を導入して暦時刻の変動を説明し、識別可能性の問題を軽減する。
• 実データ（クレジットカードデータ）を用いてモデルを検証し、固定効果、独立したランダム効果、AR(1)ランダム効果の各仕様との比較を実施する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、予測およびストレステストの向上を図るために、ポートフォリオのデフォルト行動を外部的要因、満期要因、ベイジン要因に意味的に分解できるか？
• RQ2 非パラメトリックEMVモデルにおける識別可能性制約の意味は何か。また、それらを適切に処理することで、意味的な解釈可能性を保証するにはどうすればよいか？
• RQ3 ベイジン効果がどの程度自己相関を示すのか。また、時系列的ランダム効果を用いて、その自己相関を効果的にモデル化するにはどうすればよいか？
• RQ4 マクロ経済的共変量の導入が、EMV分解におけるモデルの安定性および識別可能性に与える影響は何か？
• RQ5 満期効果を意味的に滑らかにしたり、ハザード関数としてパラメトリックにモデル化することで、モデルの解釈性および性能を向上させることは可能か？

主な発見

• ベイジン効果にAR(1)ランダム効果モデルを適用した結果、自己回帰係数ρ = 0.822が得られ、ベイジン間で強い自己相関が確認された。
• ランダム効果推定により、特に観察数が少ない後続のベイジンに対して、ベイジン効果推定値が全体の平均に効果的に縮小された。
• 独立したランダム効果モデルはAR(1)モデルに比べて縮小度が低く、ベイジン効果に顕著な自己相関が存在し、明示的にモデル化する必要があることを裏付けた。
• 非パラメトリックEMV分解は識別可能性制約に敏感であり、実質的な解釈可能性を保つために後処理が不可欠である。
• 半パラメトリックEMVモデルにマクロ経済的共変量を組み込むことで、識別可能性の問題が軽減され、モデルの頑健性が向上した。
• マクロ経済的成分を分離することで、モデルフレームワークは予測およびストレステストを支援でき、システミックリスク分析において極めて重要である。