التنبؤ بالتعثر المؤسسي الناجم عن عامل هشاشة باستخدام جسيمات MCMC

الملخص

تتنبأ هذه الدراسة بتعثر الشركات باستخدام نموذج مختزل تعتمد فيه شدة التعثر لدى الشركات على عامل هشاشة غير مرصود. وتجمع بين التقدير البايزي وسلسلة ماركوف مونت كارلو بالجسيمات، وتضمّن أحكام الخبراء من خلال توزيعات قبلية ذاتية. ويستخدم التحليل شركات أمريكية غير مالية مدرجة في البورصة، مرصودة من يناير 1980 حتى يونيو 2019.

تربط النتائج المعلنة بين زيادة تقلب العامل الخفي وارتداده إلى المتوسط وبين ارتفاع شدة التعثر لدى الشركات. وتوصف توقعات العام الواحد بأنها جيدة نسبيًا في ظل اختيارات مختلفة للتوزيعات القبلية. لكن نسب دقة التنبؤ عبر عدة آفاق لا تختلف اختلافًا ذا دلالة بين النماذج ذات التوزيعات القبلية غير المعلوماتية والذاتية. ولا يقدم الملخص مقاييس دقة محددة أو تفاصيل عن استنباط آراء الخبراء، لذا لا يثبت كيفية مقارنة النموذج بأساليب التنبؤ البديلة أو مدى انتقاله إلى ما وراء الشركات والفترة التي شملتها العينة.

الأفكار الرئيسية

• يمثل النموذج الاعتماد بين شدات تعثر الشركات من خلال عامل هشاشة خفي.
• يُستخدم التقدير البايزي وجسيمات MCMC للتنبؤ بحالات التعثر المترابطة.
• تدخل أحكام الخبراء عبر توزيعات قبلية ذاتية.
• تربط الدراسة إيجابيًا بين تقلب العامل الخفي وارتداده إلى المتوسط وبين شدات التعثر.
• وُصفت توقعات العام الواحد بأنها جيدة نسبيًا، بينما لم يؤد اختيار التوزيع القبلي إلى فروق ذات دلالة في نسب الدقة عبر الآفاق المختبرة.

الوسوم

# Particle MCMC in forecasting frailty correlated default models with expert opinion


# Particle MCMC in forecasting frailty correlated default models with expert opinion









Predicting corporate default risk has long been a crucial topic in the finance field, as bankruptcies impose enormous costs on market participants as well as the economy as a whole. This paper aims to forecast frailty correlated default models with subjective judgements on a sample of U.S. public non-financial firms spanning January 1980-June 2019. We consider a reduced-form model and adopt a Bayesian approach coupled with the Particle Markov Chain Monte Carlo (Particle MCMC) algorithm to scrutinize this problem. The findings show that the volatility and the mean reversion of the hidden factor, which determine the dependence of the unobserved default intensities on the latent variable, have a highly economically and statistically significant positive impact on the default intensities of the firms. The results also indicate that the 1-year prediction for frailty correlated default models with different prior distributions is relatively good, whereas the prediction accuracy ratios for frailty-correlated default models with non-informative and subjective prior distributions over various prediction horizons are not significantly different.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.