Publication

Dynamic Valuation of Delinquent Credit-Card Accounts

2015
Working Papers

Résumé

This paper introduces a dynamic model of the stochastic repayment behavior exhibited by delinquent credit-card accounts. Based on this model, we construct a dynamic collectability score (DCS) which estimates the account-speciﬁc probability of collecting a given portion of the outstanding debt over any given time horizon. The model integrates a variety of information sources, including historical repayment data, account-speciﬁc, and time-varying macroeconomic covariates, as well as scheduled account-treatment actions. Two model-identiﬁcation methods are examined, based on maximum-likelihood estimation and the generalized method of moments. The latter allows for an operational-statistics approach, combining model estimation and performance optimization by tailoring the estimation error to business-relevant loss functions. The DCS framework is applied to a large set of account-level repayment data. The improvements in classiﬁcation and prediction performance compared to standard bank-internal scoring methods are found to be signiﬁcant.

Source officielle

https://infoscience.epfl.ch/entities/publication/aaa074a3-d0da-4d92-afff-eb9fe614a31d

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2015
Working Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/aaa074a3-d0da-4d92-afff-eb9fe614a31d

À propos de ce résultat

Concepts associés (32)

Maximum de vraisemblance

En statistique, l'estimateur du maximum de vraisemblance est un estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance. Cette méthode a été développée par le statisticien Ronald Aylmer Fisher en 1922. Soient neuf tirages aléatoires x1, ..., x9 suivant une même loi ; les valeurs tirées sont représentées sur les diagrammes ci-dessous par des traits verticaux pointillés.

Théorie de l'estimation

En statistique, la théorie de l'estimation s'intéresse à l'estimation de paramètres à partir de données empiriques mesurées ayant une composante aléatoire. Les paramètres décrivent un phénomène physique sous-jacent tel que sa valeur affecte la distribution des données mesurées. Un estimateur essaie d'approcher les paramètres inconnus à partir des mesures.

Foundations of statistics

Statistics is the discipline that concerns the collection, organization, analysis, interpretation, and presentation of data, and is used to solve practical problems and draw conclusions. When analyzing data, the approaches used can lead to different conclusions on the same data. For example, weather forecasts often vary among different forecasting agencies that use different forecasting algorithms and techniques. Conclusions drawn from statistical analysis often involve uncertainty as they represent the probability of an event occurring.

Afficher plus