论文研究 - 自我网络数据的信用评分

本文研究了一个随机过滤问题，该问题使用自我网络信号估算借款人的隐性信用质量。 隐藏的信用质量过程被建模为均值回复Ornstein-Ulehnbeck过程。 贷方观察到以连续时间扩散过程为模型的借款人行为。 扩散过程的漂移是由隐藏的信用质量驱动的。 在不固定的固定时间，贷方从借款人和借款人的直接朋友那里获得自我网络信号。 因此，观察过滤包含连续的时间借用者数据，并以离散的时间自我网络信号进行了增强。 结合连续的时间观测数据和自我网络信息，我们得出了隐藏过程和条件方差性质的滤波方程。 此外，当自我网络信号的到达频率增加时，我们研究条件方差的渐近性质。