Yarışan Riskler ve Kümülatif İnsidans
Nedene özgü tehlikeleri, kümülatif insidansı, Kaplan–Meier'in olay olasılığını neden olduğundan yüksek gösterebildiğini ve Fine–Gray modellerinin farklı bir soruyu nasıl yanıtladığını anlayın
Doğrudan yanıt
Yarışan riskler, karşılıklı dışlayıcı birkaç olayın ilk olarak gerçekleşebildiği ve bir olayın diğerini gözlemlemeyi engellediği durumlardır. Bir kredi temerrüt edebilir, erken ödenebilir, vadesine ulaşabilir veya satılabilir; erken ödeme bu krediyi gelecekteki temerrüt riskinden çıkarır. Nedene özgü tehlike, hâlâ hiçbir olay yaşamamış birimler arasında bir nedenin anlık oranını açıklar; kümülatif insidans ise bir nedenin bir ufka kadar ilk gerçekleşme olasılığını verir. Yarışan olayları olağan bağımsız sansürleme saymak bir eksi Kaplan–Meier'in neden olasılığını olduğundan yüksek göstermesine yol açar
İlk olay gelecekteki risk kümesini değiştirir
Erken ödeme veya vade önce gerçekleşebildiğinde temerrüt zamanı tek başına gözlenmez. Bunlardan biri gerçekleştiğinde ilk sözleşme altında sonraki temerrüt mümkün değildir
İlk olay sorusu için bu olaylar yarışır; çünkü sıraları karşılıklı olarak dışlayıcıdır. Olay sınıflandırması ekonomik süreci izlemelidir
Tüm çıkışları birleştirmek herhangi bir çıkışa kadar geçen süreyi tahmin eder. Ayırmak hangi çıkışın önce geldiğini, rakiplerin olmadığı hipotetik dünya ise daha güçlü ve daha az gözlenebilir bir soruyu sorar
Olağan sansürleme yanlış olasılığı verir
Kaplan–Meier sansürlenmiş birimleri riskte kalanların temsilcisi sayar. Yarışan bir olay ise hedef olayın artık ilk gerçekleşemeyeceğini gösterir
Temerrüt tahmini yaparken erken ödenmiş kredileri sansürlemek, onların devam eden kredilerle aynı gelecekteki temerrüt fırsatını koruduğunu varsayar
Bu nedenle Kaplan–Meier eğrisinden bir çıkarma, rakiplerin kaldırıldığı bir net niceliği tahmin eder ve genellikle gerçek dünyadaki temerrüt kümülatif insidansını aşar
Nedene özgü tehlike mevcut olay akışını açıklar
k nedeni için nedene özgü tehlike, henüz hiçbir olay yaşamamış birimler arasındaki k nedeni anlık oranıdır
Cox modeli diğer nedenleri sansürleyerek kovaryatların bu tehlikeyle ilişkisini tahmin edebilir. Burada sansürleme risk kümesi aracıdır; gerçek neden olasılığının tahmini değildir
Nedene özgü tehlike oranları mekanizma ve etiyoloji soruları için yararlıdır; ancak tüm nedenlerin tehlikeleri olmadan doğrudan kümülatif insidansa dönüşmez
Kümülatif insidans mutlak olasılığı yanıtlar
k nedeni için kümülatif insidans fonksiyonu, k nedeninin t zamanına kadar ilk gerçekleşme olasılığıdır
Mevcut nedene özgü tehlikeyi her zamana kadar tüm nedenlerden hayatta kalma olasılığıyla birleştirir. Bu nedenle yarışan tehlikeler hedef olasılığı şekillendirir
Nedene özgü kümülatif insidanslar herhangi bir olay olasılığına toplanır; olaysız hayatta kalma kalan kısmı oluşturur
Fine–Gray alt dağılım tehlikesini modeller
Fine–Gray regresyonu kovaryatları doğrudan kümülatif insidansı modellemek üzere kurulmuş bir alt dağılım tehlikesine bağlar
Risk kümesi ağırlıklandırma kurallarıyla önceki bir yarışan olay yaşamış kişileri tutar. Elde edilen alt dağılım tehlike oranı olağan mevcut-risk oranı değildir
Kovaryat ilişkisinin hedefi kümülatif insidans olduğunda kullanın. Katsayısını doğrudan bir olasılık çarpanına çevirmeyin
Kovaryatlar yarışan yollardan etkilenebilir
Bir borçlu özelliği hem erken ödeme hem temerrüt tehlikesini artırabilir. Daha hızlı erken ödeme, yüksek riskli kredileri temerrütten önce çıkararak gözlenen temerrüt insidansını azaltabilir
Böylece bir kovaryat nedene özgü temerrüt tehlikesini artırırken temerrüt kümülatif insidansıyla zayıf veya ters ilişki gösterebilir
Bu çelişki değildir. İki tahmin edilen nicelik mevcut olay akışı ve gerçekleşmiş ilk olay olasılığı hakkında farklı soruları yanıtlar
Finansal uygulamalar eksiksiz olay etiketleri gerektirir
Kredi çalışmaları temerrüt, erken ödeme, vade, yeniden yapılandırma ve kredi satışını ayırabilir. Fon çalışmaları tasfiye, birleşme ve veritabanından kaybolmayı ayırabilir
Olayın yanlış sınıflandırılması gözlemleri nedenler arasında taşır ve her risk kümesini değiştirir. Belirsiz çıkış kodları sessizce sansürlemeye dönüşmemelidir
Tanımlama için bağımsız takip kaybı yine gereklidir. Takvim kesimi, sıkıntıyla ilişkili sınıflandırılmamış kaybolmadan farklıdır
Mekanizmaları ve olasılıkları birlikte raporlayın
İlk olay sorusunu, olay hiyerarşisini, ufku, zaman başlangıcını, gecikmeli girişi, sansürlemeyi ve bağların ya da belirsiz sonuçların nasıl çözüldüğünü tanımlayın
Olaysız hayatta kalmayı ve her kümülatif insidansı çizin; böylece olasılıklar uzlaşsın. Yararlı ufuklarda mutlak insidansı belirsizlikle raporlayın
Olay dinamikleri için nedene özgü modelleri, kümülatif insidans tahmin edilen niceliğiyle eşleştiğinde Fine–Gray'i kullanın ve her oranı açıkça etiketleyin
Sık sorulan sorular
Temerrüt analizinde erken ödemeler neden sansürlenmemeli?
Bu, nedene özgü tehlikeyi tahmin etmek için geçerlidir; ancak bir eksi Kaplan–Meier ile gerçek dünya temerrüt olasılığını tahmin etmek için geçerli değildir
Kümülatif insidans zaman içinde azalabilir mi?
Hayır. Bir nedenin bir ufka kadar ilk gerçekleşmiş olma olasılığının birikimidir; bu nedenle azalmayan bir fonksiyondur
Nedene özgü Cox mu yoksa Fine–Gray mi daha iyidir?
Hiçbiri evrensel olarak daha iyi değildir. Nedene özgü modeller olay dinamiklerini, Fine–Gray ise kümülatif insidansla kovaryat ilişkisini hedefler
Yarışan risk olasılıkları birden büyük bir toplam verebilir mi?
Doğru tahmin edilen nedene özgü kümülatif insidanslar ile olaysız hayatta kalma her ufukta bire uzlaşır