[论文解读] Censored Gamma Regression Models for Limited Dependent Variables with an Application to Loss Given Default

Fabio Sigrist, Werner A. Stahel|arXiv (Cornell University)|Nov 8, 2010

Statistical Distribution Estimation and Applications参考文献 23被引用 2

一句话总结

本文提出右删失伽马回归模型，以分析受限因变量，特别是在信用风险建模中，通过考虑违约损失率（LGD）数据中的右删失现象。该方法通过建模LGD的条件分布并尊重数据的有界性和偏态特性，相较于标准模型提升了预测准确性，从而在银行应用中实现更可靠的风控评估。

ABSTRACT

Post-operative cyclic OC use after GnRHa treatment effectively reduces the recurrence of endometrioma.

研究动机与目标

• 为解决标准回归模型在处理违约损失率（LGD）数据时的局限性，这些数据在0到1之间有界，且常存在右删失。
• 开发一种统计模型，能够正确处理LGD观测中固有的删失和偏态特性。
• 提升信用风险管理中LGD估计的预测性能和可靠性。
• 提供一种稳健的建模框架，适用于金融和经济学中其他受限因变量。

提出的方法

• 通过使用删失似然函数，将伽马回归模型扩展以处理右删失数据。
• 将LGD的条件均值建模为协变量的函数，同时尊重响应变量的有界（0,1）支持。
• 应用对数链接函数以确保预测值为正，并保持伽马分布的方差结构。
• 引入删失机制，以处理因回收上限而被截断在1的观测值，这在LGD数据中很常见。
• 使用最大似然估计法拟合模型参数，同时考虑数据的删失特性。
• 通过拟合优度统计量和预测准确性指标，在真实世界信用数据上验证模型性能。

实验结果

研究问题

• RQ1 右删失伽马回归模型在预测违约损失率方面，与标准线性模型和未删失伽马模型相比表现如何？
• RQ2 考虑右删失后，LGD预测的准确性能提升到何种程度？
• RQ3 与传统方法相比，所提出的模型能否更好地捕捉LGD数据的偏态和有界特性？
• RQ4 在使用右删失伽马模型时，协变量对预测LGD的影响如何？
• RQ5 与基准模型相比，该模型在样本外预测中的表现如何？

主要发现

• 右删失伽马回归模型在预测违约损失率方面显著优于标准线性模型和未删失伽马模型。
• 通过考虑LGD数据的有界性和删失特性，该模型降低了预测偏差，并提高了R平方值。
• 引入删失机制后，对高损失观测值的预期LGD估计更加准确。
• 在样本外测试中，该模型表现出更优的预测性能，平均绝对误差和均方误差均更低。
• 模型估计的回归系数具有明确的经济解释，反映了风险因素对LGD的影响。
• 该模型能有效处理LGD数据中的偏态和异方差性，从而实现更可靠的风控预测。