การบูสต์แบบมีเงื่อนไขตามสถานะสำหรับการเตือนล่วงหน้าเชิงคาดการณ์ภาระงานการเยียวยาที่รายงานต่อ CFPB

ปัญหาที่งานวิจัยแก้ไข

ฐานข้อมูลข้อร้องเรียนของผู้บริโภคให้สัญญาณที่มีประโยชน์ต่อการกำกับดูแล แต่ข้อร้องเรียนไม่ได้เป็นหลักฐานยืนยันความเสียหายของผู้บริโภค ภารกิจเชิงปฏิบัติคือการระบุคู่บริษัท–ผลิตภัณฑ์ที่มีกิจกรรมสูงและควรได้รับการตรวจสอบเชิงบริหารเร็วขึ้น เมื่อภาระงานจากการเยียวยาที่รายงานเริ่มเพิ่มสูงขึ้น

ผู้ได้รับประโยชน์:

• หน่วยงานกำกับดูแลทางการเงิน
• นักวิเคราะห์ด้านการกำกับดูแลและความเสี่ยง
• ทีมปฏิบัติการจัดการข้อร้องเรียนของผู้บริโภค
• นักวิจัยที่พัฒนาระบบเตือนล่วงหน้าที่โปร่งใส

วิธีการ

งานวิจัยสร้างพาเนลรายสัปดาห์ระดับบริษัท–ผลิตภัณฑ์ที่เติมปฏิทินครบถ้วนและใช้การเยียวยาที่บริษัทรายงานเป็นตัวบ่งชี้ภาระงาน โดยกำหนดสถานะการดำเนินงานสี่แบบ และเปรียบเทียบกฎการคงอยู่กับแบบจำลองทวินามลบแบบเวียนเกิด รวมทั้ง LightGBM, XGBoost และ CatBoost ที่จับคู่กัน การประเมินครอบคลุมการปรับเทียบ ขอบเขตเป้าหมายแบบเลื่อน ชุดความเชื่อมั่นของแบบจำลอง การวินิจฉัยการเปลี่ยนแปลง การปรับแบบจำลองเป็นระยะ และคำอธิบายด้วย SHAP

ผลการศึกษา

ตัวแปรการคงอยู่ของการเยียวยาที่ล่าช้ากู้คืนสัญญาณส่วนใหญ่สำหรับการจัดอันดับเหตุการณ์ได้ ขณะที่วิธี boosting ที่จับคู่กันยังเพิ่มคุณค่าได้อีก การแทนสถานะช่วยเพิ่มการจำแนกการเยียวยาส่วนเกินแบบรวมสำหรับ LightGBM และ XGBoost แต่ไม่พบผลดังกล่าวใน CatBoost และการเปรียบเทียบภายใต้ขีดความสามารถไม่พบแบบจำลองที่ดีที่สุดเสมอไป ระบบนี้ใช้สนับสนุนการจัดลำดับการตรวจสอบ ไม่ใช่เครื่องมือตรวจจับความเสียหายที่ได้รับการยืนยัน