Informationstheoretische Methode verbessert LGD‑Vorhersagen trotz Datenmischung
Die Modellierung des Loss‑Given‑Default (LGD) steht vor einer gravierenden Datenqualitätsherausforderung: 90 % der verfügbaren Trainingsdaten stammen aus Proxy‑Schätzungen, die auf Bilanzdaten vor der Zahlungsunfähigkeit beruhen, statt aus tatsächlichen Rückgewinnungsdaten abgeschlossener Insolvenzverfahren. Diese Mischung aus unterschiedlichen Messungen führt zu systematischen Fehlern bei herkömmlichen rekursiven Partitionierungsmethoden.
