CCAR神经网络模型

神经网络(NN)模型为改进综合资本分析与审查(CCAR)中的信贷损失预测和压力测试提供了机会，它可以使用arima类型模型作为宏观经济变量的函数进行估计。如需参考，请参阅:大型银行控股公司的资本规划:监管预期和当前最佳实践的范围，2013年．然而，神经网络模型的应用仍然存在挑战，例如根据监管要求的模型可解释性和过拟合倾向。本次会议将讨论这项研究，并重点介绍以下内容:

1. 通过利用信用卡公司超过15年的月度冲销数据，可以开发一个简约的神经网络模型，该模型优于具有均方误差(MSE)的ARIMA误差的传统回归模型。
2. 通过LASSO和逐步回归算法的组合，从500个宏观经济变量池中选择了两个具有滞后的宏观经济变量，这使得神经网络模型可用于CCAR情景叙述。估计输入权重的符号或方向应该与业务直觉一致或受业务直觉约束。
3. 本研究还发现神经网络模型容易过拟合。压力测试对网络架构师的设计非常敏感。