경쟁위험과 누적발생함수

조기상환이나 만기가 먼저 일어날 수 있다면 부도까지의 시간은 홀로 관찰되지 않습니다. 하나가 발생하면 원래 계약의 나중 부도는 불가능합니다.

첫 사건 질문에서 이들의 순서는 서로 배타적이므로 경쟁합니다. 사건 분류는 경제적 과정을 따라야 합니다.

모든 종료를 합치면 아무 종료까지의 시간을, 나누면 어떤 종료가 먼저인지 묻습니다. 경쟁이 없는 가상세계는 더 강한 별도 질문입니다.

Kaplan–Meier는 검열 대상이 위험집합에 남은 대상과 대표성이 같다고 봅니다. 경쟁사건은 목표사건이 더는 먼저 생길 수 없다는 정보입니다.

부도 분석에서 조기상환을 검열하면, 상환 대출도 계속된 대출과 같은 미래 부도 기회를 갖는다고 가상합니다.

따라서 1에서 그 곡선을 뺀 값은 경쟁을 제거한 순수량을 추정하며 실제 부도 누적발생률보다 일반적으로 큽니다.

원인 k의 원인별 위험률은 아직 어떤 사건도 없는 대상에서 k가 그 순간 발생하는 비율입니다.

Cox 모형은 다른 원인을 검열 처리해 이 위험률과 공변량의 관계를 추정할 수 있습니다. 여기서 검열은 위험집합 구성 장치입니다.

원인별 위험비는 발생기전 질문에 유용하지만 모든 원인의 위험률 없이 누적발생확률로 곧바로 바뀌지 않습니다.

원인 k의 누적발생함수는 시간 t까지 k가 첫 사건으로 발생할 확률입니다.

현재의 원인별 위험률과 각 시점까지 모든 사건을 피할 확률을 결합하므로 경쟁원인의 위험률도 목표확률에 영향을 줍니다.

각 원인의 누적발생확률을 합하면 아무 사건의 확률이고, 나머지가 무사건 생존확률입니다.

Fine–Gray 회귀는 누적발생함수를 직접 모형화하도록 만든 하위분포 위험률과 공변량을 연결합니다.

가중 규칙으로 이미 경쟁사건을 겪은 대상도 위험집합에 남깁니다. 하위분포 위험비는 일반적인 현재 위험률비가 아닙니다.

누적발생과 공변량의 관계가 목표일 때 사용합니다. 계수를 사건확률의 직접 배수로 번역하면 안 됩니다.

어떤 차주 특성이 조기상환 위험률과 부도 위험률을 모두 높일 수 있습니다. 빠른 상환은 고위험 대출을 부도 전에 제거합니다.

따라서 부도 원인별 위험률을 높이면서 실제 부도 누적발생과는 약하거나 반대인 관계를 보일 수 있습니다.

모순이 아닙니다. 두 추정량은 현재 사건 흐름과 실현된 첫 사건확률이라는 다른 질문에 답합니다.

신용자료는 부도, 조기상환, 만기, 구조조정, 대출매각을 구분할 수 있고, 펀드는 청산, 합병, 자료이탈을 나눌 수 있습니다.

사건 오분류는 관측치를 원인 사이로 이동시키고 모든 위험집합을 바꿉니다. 애매한 종료코드를 조용히 검열로 두면 안 됩니다.

식별에는 여전히 독립적인 추적손실이 필요합니다. 달력 종료와 부실에 연관된 미분류 이탈은 다릅니다.

첫 사건 질문, 사건 우선순위, 분석시점, 시간 원점, 지연진입, 검열, 동률과 애매한 결과 처리법을 정의합니다.

무사건 생존과 각 누적발생함수를 함께 그려 확률이 맞물리게 합니다. 주요 시점의 절대발생률과 불확실성을 보고합니다.

사건 동학에는 원인별 모형을, 의사결정 목표가 누적발생일 때만 Fine–Gray를 사용하고 모든 비율의 이름을 명확히 붙입니다.