基于交替复发事件数据的事件历史分析及在信贷数据中的应用

Recurrent-event data is common and increasingly important in longitudinal studies. In a large amount of cases, the subjects can only be exposed to the risk of the next event if they have recovered to a ‘normal’ status after the occurrence of the previous event. Moreover, the recovery process is often random and highly associated with the recurrent events of interest. Therefore, there are two types of events that occur alternately in the data, which we call “alternating-recurrent events data”. Motivated by the real-world problems in credit data, we aim to discuss the event history analysis of alternating-recurrent events data for different types of data in this proposal. First of all, we employ history of the two alternating events in the regression model to improve the utilization of event history information. To select the range of history information that is effective on the current event, we proposed a novel estimation method for the lag order of the covariates carrying event history information. Based on the main model, we also target on more complex situations where a terminal event and longitudinal observations are also of interest on top of the alternating-recurrent events.

复发事件数据常常出现在对个体的追踪调查研究中。在大多情况下，个体在两次事件发生的间隔当中，需要先恢复到某种‘正常’状态才可能经历下一次的事件。该恢复过程与事件的复发过程有着不可忽视的相关性。因此，个体经历这两类事件的过程可以看作是两类事件的交替复发过程。本项目以信贷还款数据中的实际问题为驱动，探讨了在不同的数据类型下，如何实现对交替复发事件数据的事件历史分析。首先，我们将事件的历史信息作为协变量添加到现有的复发模型中，以改善现有模型对事件历史信息利用不完整这一不足之处。此外，我们提出了一种全新的估计协变量滞后阶数的方法以筛选对当前事件有影响的历史信息范围。最后，我们针对含有终止事件以及纵向变量的交替复发事件数据，分别提出了多元共享脆弱模型，以拓展模型的适应范围。

随着近年众多小额贷款公司和p2p网贷平台的大量出现，对信贷业务的风险监管也成为信贷机构自身以及政府金融监管机构所关心的问题。信贷风险控制除了体现在放贷初期对客户的有效筛选以外，还需在还款过程中对借款人可能出现的违约风险进行预测并加以防范。复发事件模型（recurrent events model）作为一种研究一类或多类事件重复发生的过程的方法，常常适用于对个体的追踪调查研究中，也同样适用于对还款过程中逾期拖欠这一可能重复发生的事件。在大多情况下，个体在两次事件发生的间隔当中，需要先恢复到某种‘正常’状态才可能经历下一次的事件。该恢复过程与事件的复发过程有着不可忽视的相关性。因此，个体经历这两类事件的过程可以看作是两类事件的交替复发过程。在本课题中，我们以信贷还款数据中的实际问题为驱动，探讨了在不同的数据类型下，如何实现对交替复发事件数据的事件历史分析。其中包括将事件的历史信息作为协变量添加到现有的复发模型中，以改善现有模型对事件历史信息利用不完整这一不足之处，以及针对含有终止事件以及纵向变量的交替复发事件数据的研究。其中部分成果形成了期刊论文，部分成果在应用到上市公司的复发ST事件分析以及个人信贷贷后模型中，体现了本课题工作的实践意义。