Macro-Economic Factors in Credit Risk Calculations: Including Time-Varying Covariates in Mixture Cure Models
信用风险计算中的宏观因素：混合治愈模型中的时变协变量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：摘要以违约时间预测及高删失率下的信用风险计算为核心，宏观变量用于预测违约事件，对应金融风险方向。
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…
信用风险计算中的宏观因素：混合治愈模型中的时变协变量
- 研究问题
- 多数债务人不发生违约、导致高删失率时，如何预测可能违约者的违约时间，并将随时间变化的宏观变量纳入信用风险模型？
- 方法与思路
- 模型将不发生违约的贷款群体与可能违约者的违约时间分开刻画，作者将混合治愈模型扩展至允许协变量随时间变化。
- 材料陈述的贡献
- 摘要所述贡献是将时变协变量纳入混合治愈模型，并用模拟和真实银行数据中的宏观经济预测变量展示这一扩展的应用。
- 阅读关注点
- 核对不发生违约群体与尚未违约者的区分条件、时变协变量进入模型的位置，以及删失处理、估计方法和银行数据评价设计。
- 阅读边界
- 摘要未说明治愈比例与违约时间的识别条件、宏观变量的具体内容或预测改善幅度；仅凭摘要无法判断外部样本的适用性。
原文摘要
The prediction of the time of default in a credit risk setting via survival analysis needs to take a high censoring rate into account. This rate is because default does not occur for the majority of debtors. Mixture cure models allow the part of the loan population that is unsusceptible to default to be modeled, distinct from time of default for the susceptible population. In this article, we extend the mixture cure model to include time-varying covariates. We illustrate the method via simulations and by incorporating macro-economic factors as predictors for an actual bank dataset.