実務利用可能な中小企業の期待損失率推計手法の開発：地銀統合ビッグデータを用いて

2021 Fiscal Year Research-status Report

• Project/Area Number: 20K13581
• Research Institution: The Institute of Statistical Mathematics
• Principal Investigator: 長幡 英明 統計数理研究所, リスク解析戦略研究センター, 特任助教 (00815128)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 信用リスク / 機械学習 / 転移学習 / データ構造化

Outline of Annual Research Achievements

今年は、デフォルト時貸出残高損失率（LGD）推計用のデータベースを用いて、統計モデル・機械学習による最適な推計モデル構築だけでなく、パネルデータである推計用データベースから推計精度向上に寄与するデータ構造化の実現を目指した。具体的には、推定精度の向上のためゼロ過剰な連続データのための２段階モデル・ニューラルネットワークによる転移学習およびガウス過程などの機械学習を用いた実験を実施した。それだけでなく、パネルデータから推計用のデータベースを作成する段階である「データ構造化」について、「デフォルト時点から１時点前」のみ用いる従来の構造化手法から、「デフォルト時点からt時点前」「デフォルト時点からt時点後」も含めたデータ構造化を行うことで、統計モデルや機械学習の学習による推計を実施した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

前年の実験結果の失敗を受け、統計モデルや機械学習の高度化によるLGD推計精度の向上だけではなく、推計に用いるデータベースから見直した点が推計精度向上や新たな知見の獲得に寄与したと考えている。

Strategy for Future Research Activity

昨年度と今年度の研究方針から得られた２つの方向性、すなわちLGD推計における、（１）適切なデータ構造化手法　（２）統計モデル・機械学習による推計手法　を探索する方針で研究を推進する。また、実務利用可能性を考慮し、解釈が困難になりがちな機械学習手法から得た知見を元に、解釈がしやすい統計モデルの開発へ繋げたいと考えている。