[논문 리뷰] Modelling time and vintage variability in retail credit portfolios: the decomposition approach

Jonathan J. Forster, Agus Sudjianto|arXiv (Cornell University)|2013. 05. 13.

Insurance, Mortality, Demography, Risk Management참고 문헌 10인용 수 4

한 줄 요약

이 논문은 소매 신용 포트폴리오 성과를 분석하고 예측하기 위해 외생적(Exogenous), 만기(Maturity), 베이션(Vintage) 효과로 시간적 변동성을 분리하는 EMV(Exogenous-Maturity-Vintage) 분해 모델을 제안한다. 이 모델은 세 가지 해석 가능한 성분으로 구성되며, 비모수적 및 랜덤 효과 모델링을 통해 안정적인 예측이 가능하다. 결과적으로 베이션 효과에 강한 순차 상관관계가 있으며, 랜덤 효과를 통한 수축(Shrinkage)이 예측의 안정성을 향상시킨다.

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.

연구 동기 및 목표

• 시간에 따라 변화하는 소매 신용 포트폴리오 성과를 모델링하고 예측하기 위한 체계적이고 해석 가능한 프레임워크를 개발하기 위해.
• 도태된 경제적 영향, 만기 효과, 베이션 특이 행동을 default 동역학에서 분리하는 데 도전하는 데 목적이 있다.
• 전략적 의사결정 및 신용 리스크 관리에서의 스트레스 테스팅을 지원하는 실용적인 분해 전략을 제공하기 위해.
• 비모수적 EMV 모델에서 식별 가능성과 강건성을 확보하기 위해 사후 처리 및 랜덤 효과 모델링을 통해 보장하기 위해.
• 만기 효과를 부드럽게 처리하거나 기본적인 베이션 상호작용을 초월해 추가적인 적합성 구조로 확장할 잠재력을 탐색하기 위해.

제안 방법

• EMV 모델은 포트폴리오 성과(예: 디폴트율)를 세 성분으로 분해한다: 외생적(캘린더 시간), 만기(원금 발급 이후 경과 시간), 베이션(원금 발급 기간) 효과.
• 비모수적 스무딩을 통해 만기 효과 및 베이션 효과를 추정하며, 식별 가능성은 실질적 제약(예: 만기 곡선의 행동 한계)을 통해 강제한다.
• 베이션 효과에 대해 랜덤 효과 모델을 사용하며, 독립 정규분포 또는 AR(1) 시간 시리즈 구조를 가정하여 순차적 의존성을 포착한다.
• 표준 소프트웨어를 사용해 모델을 추정하며, 특히 데이터가 제한된 후기 베이션에 대해 예측 정확도를 향상시키기 위해 베이션 효과에 수축을 적용한다.
• 반모수적 확장에서는 매크로경제 공변량을 포함하여 캘린더 시간 변동성을 설명함으로써 식별 가능성 문제를 감소시킨다.
• 실제 신용카드 데이터를 사용해 모델을 검증하였으며, 고정 효과, 독립 랜덤 효과, AR(1) 랜덤 효과 사양 간 비교를 수행하였다.

실험 결과

연구 질문

• RQ1 포트폴리오 디폴트 행동을 예측 및 스트레스 테스팅을 향상시키기 위해 외생적, 만기, 베이션 효과로 의미 있게 분해할 수 있는가?
• RQ2 비모수적 EMV 모델에서 식별 가능성 제약 조건의 함의는 무엇이며, 이를 의미 있는 해석을 보장하기 위해 어떻게 해결할 수 있는가?
• RQ3 베이션 효과가 얼마나 강한 순차 상관관계를 보이며, 이를 시간 시리즈 랜덤 효과로 효과적으로 모델링할 수 있는가?
• RQ4 매크로경제 공변량의 포함이 EMV 분해에서 모델의 안정성과 식별 가능성에 어떤 영향을 미치는가?
• RQ5 만기 효과를 의미 있게 스무딩하거나 위험 함수로 파라미터화하여 모델의 해석 가능성과 성능을 향상시킬 수 있는가?

주요 결과

• 베이션 효과에 대한 AR(1) 랜덤 효과 모델은 자기상관 계수 ρ = 0.822를 도출하여, 베이션 간 강한 순차 의존성을 나타낸다.
• 랜덤 효과 추정은 특히 관측 수가 적은 후기 베이션에 대해 베이션 효과 추정치를 전체 평균 쪽으로 효과적으로 수축시켰다.
• 독립 랜덤 효과 모델은 AR(1) 모델보다 수축 정도가 낮았으며, 이는 베이션 효과에 상당한 순차 상관관계가 존재하고 이를 명시적으로 모델링해야 한다는 것을 확인한다.
• 비모수적 EMV 분해는 식별 가능성 제약 조건에 민감하며, 실질적인 해석 가능성을 확보하기 위해 사후 처리가 필수적이다.
• 반모수적 EMV 모델에 매크로경제 공변량을 포함시킴으로써 식별 가능성 문제를 감소시키고 모델의 강건성을 향상시켰다.
• 모델 프레임워크는 매크로경제 성분을 분리함으로써 예측 및 스트레스 테스팅을 지원하며, 이는 체계적 리스크 분석에 핵심적이다.