Риск модели и импульс кредитных рейтингов в вероятностях дефолта и миграции

Сводка

В документе представлены два подхода к оценке переходов между кредитными рейтингами и вероятностей дефолта. Первый оценивает непрерывную во времени марковскую цепь по дискретным, потенциально неполным наблюдениям. В нём выводится более простое выражение для информации Фишера, позволяющее сократить вычисления для доверительных интервалов Вальда, а затем описывается перенос неопределённости матрицы интенсивностей переходов на вероятности миграции и дефолта.

Во втором подходе непрерывные наблюдения в самовозбуждающемся маркированном точечном процессе используются для учёта импульса рейтинга — немарковского эффекта. По сравнению с марковской моделью он даёт более высокие вероятности дефолта для инвестиционных рейтингов и более низкие для некоторых спекулятивных рейтингов, что, по словам авторов, согласуется с эмпирическими наблюдениями. Методы иллюстрируются на закрытых корпоративных рейтинговых данных Moody’s. Во фрагменте не указаны подробности выборки или показатели эффективности, а закрытый характер данных может затруднить независимое воспроизведение результатов.

Ключевые идеи

• Непрерывная во времени марковская цепь позволяет оценивать переходы между рейтингами по дискретным и неполным данным.
• Упрощённый расчёт информации Фишера сокращает вычисления, необходимые для доверительных интервалов Вальда.
• Неопределённость матрицы интенсивностей переходов переносится на оценки вероятностей миграции и дефолта.
• Самовозбуждающийся маркированный точечный процесс учитывает импульс рейтинга при наличии непрерывных данных.
• Немарковская модель по-разному меняет оценки вероятности дефолта для инвестиционных и спекулятивных рейтингов.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.