论文 | Predicting Mortgage Default Using Convolutional Neural Networks

本篇博客是对之前阅读的论文的一个介绍，该论文是采用 CNN 模型来对抵押贷款违约进行预测。

论文信息

论文题目：Predicting Mortgage Default Using Convolutional Neural Networks

发表期刊：Expert Systems With Applications

发表年份：2018年

1. 摘要

本文采用卷积神经网络的方法根据用户的交易数据预测抵押贷款违约，用到了时间序列。和之前研究相比不同的地方有：

• 数据只采用了交易数据的相关信息，（之前的文章采用相似的可解释变量，探索得分模型的不同）；
• 采用了卷积神经网络，利用 CNN 来学习如何创造出好的可解释变量，或者自动从原始的时间序列中生成特征工程。

1.1 主要创新点

• 违约数据的扩增和非违约数据的扩增。
• 特征的选择

2. 数据

(1) 文章中使用到的时间序列如下表：

每个时间序列由聚合到每日水平的值组成。

(2) 训练集和预测集

将数据分为测试集和训练集。

对于训练集的数据，提取了2012.12.31 - 2013.12.31的数据，并且采用 2014.1.1 - 2015.1.1 期间的数据作为响应变量，即标注这段时间违约或者不违约的人。

对于测试集的数据，将 2014.2.28 - 2015.2.28 这期间的数据作为测试集，响应变量是2015.3.1-2016.3.1的数据。

(3）处理时间序列

数据归一化
$$x=max($$