חיזוי באמצעות Particle MCMC של חדלות פירעון תאגידית

סיכום

מחקר זה חוזה חדלות פירעון של חברות באמצעות מודל מצומצם שבו עוצמות חדלות הפירעון של החברות תלויות כולן בגורם פגיעות חבוי. הוא משלב אמידה בייסיאנית עם שיטת Particle Markov Chain Monte Carlo, ומשלב שיפוטי מומחים באמצעות התפלגויות אפריוריות סובייקטיביות. הניתוח משתמש בחברות לא־פיננסיות הנסחרות לציבור בארצות הברית, שנצפו מינואר 1980 עד יוני 2019.

התוצאות המדווחות מקשרות תנודתיות רבה יותר וחזרה לממוצע של הגורם החבוי עם עוצמות חדלות פירעון גבוהות יותר של חברות. התחזיות לשנה אחת מתוארות כטובות יחסית תחת בחירות שונות של התפלגויות אפריוריות. עם זאת, בכמה אופקי תחזית, יחסי דיוק החיזוי של מודלים המשתמשים בהתפלגויות אפריוריות לא־אינפורמטיביות וסובייקטיביות אינם שונים באופן מובהק. הסיכום אינו מספק מדדי דיוק ספציפיים או פרטים על תהליך איסוף חוות דעת המומחים, ולכן אינו מבהיר כיצד המודל משתווה לגישות חיזוי חלופיות או עד כמה הוא מתאים לחברות ולתקופות שמחוץ למדגם.

רעיונות מרכזיים

• המודל מייצג תלות בין עוצמות חדלות הפירעון של חברות באמצעות גורם פגיעות חבוי.
• אמידה בייסיאנית ו-Particle MCMC משמשות לחיזוי חדלות פירעון מתואמת.
• שיפוטי מומחים משולבים באמצעות התפלגויות אפריוריות סובייקטיביות.
• המחקר מקשר באופן חיובי בין תנודתיות הגורם החבוי וחזרתו לממוצע לבין עוצמות חדלות פירעון.
• התחזיות המדווחות לשנה אחת טובות יחסית, ואילו בחירת ההתפלגות האפריורית אינה יוצרת הבדל מובהק ביחסי הדיוק באופקי התחזית שנבדקו.

תגיות

# 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.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.