[논문 리뷰] Evolution of Credit Risk Using a Personalized Pagerank Algorithm for Multilayer Networks

Cristián Bravo, María Óskarsdóttir|arXiv (Cornell University)|2020. 05. 25.

Financial Distress and Bankruptcy Prediction참고 문헌 30인용 수 7

한 줄 요약

이 논문은 농업 대출에서 신용 리스크의 변화를 모델링하기 위해 다층 네트워크를 위한 개인화된 PageRank 알고리즘을 제안한다. 이는 대출이 제품과 지방정도와 연결된 이분 그래프를 사용하여 표현한다. 이 방법은 종합적인 기본 금리보다 네트워크 기반의 리스크 스코어가 동적인 세부적인 부도 전파 패턴을 더 잘 포착함을 드러내며, 조기 리스크 탐지와 정밀한 개입을 가능하게 한다.

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.

연구 동기 및 목표

• borrower 간 상관관계가 없고 네트워크 기반의 부도 상관관계를 간과하는 전통적인 신용 리스크 모델의 한계를 해결하기 위해.
• 소매 및 농업 대출에서 복잡하고 상호 연결된 네트워크를 통해 신용 리스크가 어떻게 전파되는지 포착하는 방법을 개발하기 위해.
• 대출 수준뿐만 아니라 제품 및 지리적 지구역과 같은 상호 연결된 계층을 통해 리스크 노출을 정량화하기 위해.
• 시간에 따라 변화하는 네트워크 영향력 스코어를 분석하여 체계적 리스크의 조기 탐지를 가능하게 하기 위해.
• 네트워크 기반 리스크 스코어가 기본 금리만으로는 제공할 수 없는 더 세밀하고 즉각적인 신호를 제공함을 입증하기 위해.

제안 방법

• 대출이 제품 유형과 지리적 지구역과 모두 연결된 이분 그래프를 사용하여 다층 네트워크를 구축한다.
• 부도 발생 대출을 초기 영향력 소스로 삼아 개인화된 PageRank 알고리즘을 적용하여 노드(예: 제품, 지구역)의 리스크 노출도를 순위 매긴다.
• PageRank 스코어의 시계열 분석을 통해 시간에 따라 계층 간 리스크의 변화를 추적한다.
• 리스크 스코어 궤적의 유사성에 기반해 노드를 군집화하여 유사한 리스크 패턴을 보이는 제품 또는 지구역의 그룹을 식별한다.
• 네트워크 기반의 영향력 스코어를 실제 부도율과 비교하여 스코어가 네트워크 효과를 반영하는지 아니면 단순한 종합 추세 뿐인지 평가한다.
• 네트워크의 복잡성과 계산 가능성의 균형을 유지하기 위해, 모델의 과부하를 피하기 위해 관심 있는 다수의 계층을 이분 그래프에 추가한다.

실험 결과

연구 질문

• RQ1 농업 대출에서 신용 리스크 전파를 모델링하기 위해 다층 네트워크를 효과적으로 구조화하는 방법은 무엇인가?
• RQ2 네트워크 기반의 영향력 스코어는 진정으로 리스크 전파를 반영하는가, 아니면 단순한 부도율 추세일 뿐인가?
• RQ3 시간에 따라 변화하는 PageRank 스코어는 종합적인 부도율보다 더 이르고 정밀하게 리스크 패턴을 탐지할 수 있는가?
• RQ4 유사한 리스크 궤적을 보이는 제품 및 지구역의 군집은 리스크 세분화 및 개입 전략에 어떻게 기여하는가?
• RQ5 제품 수준과 지구역 수준의 상관관계 중 어느 쪽이 전체 신용 리스크 노출에 더 큰 기여를 하는가?

주요 결과

• 개인화된 PageRank 알고리즘은 다층 네트워크를 통해 변화하는 신용 리스크를 성공적으로 정량화하며, 부도율만으로는 드러나지 않는 역동적인 리스크 전파 패턴을 드러낸다.
• 제품 및 지구역의 리스크 스코어는 시간에 따라 변화하며, 군집은 각각 다른 궤적을 보인다—어떤 것은 점진적으로 상승하고, 다른 것은 경제 호황기(예: 2000–2005)에 정점에 이를 수 있다.
• 군집 12에서는 군집 4와 유사한 형태를 보였음에도 불구하고 리스크 스코어가 유의미하게 높았는데, 이는 일부 제품-지역 조합이 본질적으로 더 높은 리스크 노출을 지닌다는 것을 시사한다.
• 네트워크 스코어는 부도율보다 더 높은 변동성과 더 이른 신호를 보였으며, 부도율은 지연과 더 낮은 새로운 리스크에 대한 민감도를 보였다.
• 영향력 스코어는 부도율보다 더 유용했으며, 해충과 같은 제품 전용 충격이나 지역 기상 영향과 같은 세부적인 계층 기반 리스크 역학을 포착했다.
• 이 방법은 정밀한 리스크 관리가 가능하게 하며, 고위험 대출자는 경고를 받고, 동일한 고위험 제품이나 지구역을 공유하는 전체 그룹에 대해 보다 비용 효율적인 조치를 취할 수 있다.