Analyzing dependency in income and mortgage loan data by using general bivariate distributions

Abstract

Modelling relationships between variables is of interest in many areas such as finance, insurance, reliability engineering, and biology. In this paper, we analyze the relationship between income and mortgage loan data before and after COVID-19 by applying some general bivariate distributions. The bivariate distributions proposed in Lee and Cha (2015) are mainly employed to model the bivariate data which will be analyzed in this paper. Lee and Cha (2015) suggested new general classes of continuous bivariate distributions based on the concept of the stochastic orders. Before analyzing the datasets, three classes of distributions proposed in Lee and Cha (2015) and several specific families of continuous distributions are introduced. These models are applied to the finance datasets which are annually released by the loan-level Public Use Databases (PUDBs) and the results are compared with independent models.;변수들 사이의 관계 모델링은 금융, 보험, 신뢰성 공학 및 생물학과 같은 많은 분야에서 관심을 가지고 연구 중이다. 본 논문에서는 일반화 이변량 분포를 적용하여 COVID-19 전후 미국 뉴욕의 소득과 주택담보대출 부채 데이터 간의 관계를 분석한다. 이변량 모델링은 Lee와 Cha(2015)의 일반화된 이변량 분포를 사용한다. 그들은 확률적 순서화의 개념에 기반한 연속 이변량 분포의 새로운 분포족을 제안하고 이로부터 특정 이변량 분포들이 도출되는지 보였다. 본 논문에서 이를 소개하고 Federal Housing Finance Agency가 매년 발표하는 loan level Public Use Databases의 주택대출 데이터 세트에 적용한다. 마지막으로 이변량 모델과 독립을 가정한 모델을 비교해 이변량 모델의 유용성을 보인다.