Commercial and Residential Mortgage Defaults: Spatial Dependence with Frailty
商业与住宅抵押贷款违约：带脆弱性因子的空间依赖AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究抵押贷款违约风险，并明确使用兼有横截面与时间维度的大规模贷款面板。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
商业与住宅抵押贷款违约：带脆弱性因子的空间依赖
- 研究问题
- 商业与住宅抵押贷款违约之间是否存在空间依赖，如何利用同时具有横截面与时间维度的大规模贷款记录刻画违约风险动态？
- 方法与思路
- 作者提出观测驱动的脆弱性因子模型，利用 GAS 框架更新动态参数，由分层分组贷款面板产生的广义残差驱动得分动态。
- 材料陈述的贡献
- 摘要称模型可容纳多个动态因子，渐近分析兼顾横截面与时间序列特征；实现较简便，实证发现两类贷款违约具有较强空间依赖。
- 阅读关注点
- 应核对贷款分组与空间关系的定义、因子的可识别性、广义残差的构造，以及渐近分析如何处理横截面与时间维度的增长。
- 阅读边界
- 仅据所给出版社摘要，无法判断空间依赖是否具有因果含义；样本范围、具体渐近条件及计算优势的比较设置均未说明。
原文摘要
We investigate the spatial dependence between commercial and residential mortgage defaults. A new class of observation-driven frailty factor models is introduced to do so. The idea of dynamic parameters embedded in the class of GAS models is utilized to estimate dynamic models of default risk with potentially multiple factors which are driven by stratified grouping of large panels of mortgage loan records. The score dynamics in the models is driven by so-called generalized residuals, and have therefore a fairly intuitive interpretation of ARMA-like dynamics. The asymptotic analysis recognizes the fact that we deal with both cross-sectional and time series data features. The proposed models are computationally easy to implement and therefore attractive in big data applications, something that gives them a considerable advantage in comparison to the typical latent factor frailty models proposed in the literature. Our empirical analysis demonstrates strong spatial dependence between commercial default and residential defaults.