ریسک مدل و مومنتوم رتبه اعتباری در احتمال نکول و مهاجرت
خلاصه
این سند دو رویکرد برای برآورد انتقال رتبه اعتباری و احتمال نکول ارائه می‌کند. رویکرد نخست زنجیره مارکوف زمان‌پیوسته را از مشاهدات گسسته و احتمالاً ناقص برآورد می‌کند. برای کاهش محاسبات فاصله‌های اطمینان والد، بیانی ساده‌تر از اطلاعات فیشر استخراج می‌کند و سپس نحوه انتقال عدم‌قطعیت از مولد انتقال به احتمال‌های مهاجرت و نکول را شرح می‌دهد.
رویکرد دوم از مشاهدات پیوسته در فرایند نقطه‌ای نشاندارِ خودبرانگیخته برای ثبت مومنتوم رتبه، اثری غیرمارکوفی، استفاده می‌کند. در مقایسه با مدل مارکوف، برای رتبه‌های سرمایه‌گذاری احتمال‌های نکول بالاتر و برای برخی رتبه‌های سفته‌بازانه احتمال‌های پایین‌تری به دست می‌دهد؛ نویسندگان می‌گویند این نتایج با مشاهدات تجربی هم‌خوان‌اند. روش‌ها با داده‌های اختصاصی رتبه‌بندی شرکتی Moody’s نمایش داده شده‌اند. گزیده جزئیات نمونه یا سنجه‌های عملکرد را ارائه نمی‌کند و اختصاصی‌بودن داده‌ها ممکن است بازتولید مستقل را محدود کند.
ایده‌های کلیدی
- زنجیره مارکوف زمان‌پیوسته می‌تواند انتقال رتبه را از داده‌های گسسته و ناقص برآورد کند.
- محاسبه ساده‌شده اطلاعات فیشر، محاسبات لازم برای فاصله‌های اطمینان والد را کاهش می‌دهد.
- عدم‌قطعیت مولد انتقال را می‌توان به برآوردهای احتمال مهاجرت و نکول منتقل کرد.
- وقتی داده‌های پیوسته در دسترس‌اند، فرایند نقطه‌ای نشاندارِ خودبرانگیخته مومنتوم رتبه را ثبت می‌کند.
- مدل غیرمارکوفی احتمال‌های نکول برآوردشده را در رتبه‌های سرمایه‌گذاری و سفته‌بازانه به شکل‌های متفاوت تغییر می‌دهد.
برچسب‌ها
متن کامل
# Capturing Model Risk and Rating Momentum in the Estimation of Probabilities of Default and Credit Rating Migrations # Capturing Model Risk and Rating Momentum in the Estimation of Probabilities of Default and Credit Rating Migrations We present two methodologies on the estimation of rating transition probabilities within Markov and non-Markov frameworks. We first estimate a continuous-time Markov chain using discrete (missing) data and derive a simpler expression for the Fisher information matrix, reducing the computational time needed for the Wald confidence interval by a factor of a half. We provide an efficient procedure for transferring such uncertainties from the generator matrix of the Markov chain to the corresponding rating migration probabilities and, crucially, default probabilities. For our second contribution, we assume access to the full (continuous) data set and propose a tractable and parsimonious self-exciting marked point processes model able to capture the non-Markovian effect of rating momentum. Compared to the Markov model, the non-Markov model yields higher probabilities of default in the investment grades, but also lower default probabilities in some speculative grades. Both findings agree with empirical observations and have clear practical implications. We illustrate all methods using data from Moody's proprietary corporate credit ratings data set. Implementations are available in the R package ctmcd.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.