一笔商业房贷断供，可能是物业赚的钱不够还债，也可能是借款人算过账后觉得不值得再还。前者是流动性受限违约，后者是策略性违约。两种情况在账面上都是拖欠，却需要不同的定价和处置方式；传统模型容易把它们混在一起。
作者用深度神经网络（DNN——能从大量数据中寻找复杂关系的模型）分析 Trepp 的商业房贷面板，覆盖 1998—2021 年、91,767 笔贷款和 960 万条“贷款—月份”记录。最值得注意的是：在已经拖欠的贷款中，NOI（物业经营收入扣除日常运营费用后的净额）比 LTV（贷款余额与抵押物价值之比）更能解释违约率。模型再把贷款放进不同的 NOI 与 LTV 区间：现金流恶化对应“付不起”，而部分贷款即使现金流尚可，也会在抵押物价值严重受损时呈现“不想付”的模式。作者称，划分两类机制的阈值在 2008 年金融危机和 2020—2021 年商业地产冲击期间仍较稳定。这项工作的价值不只是提高预测，而是提醒信用模型：同一个违约标签，背后可能是两套风险机制。