پارٹیکل MCMC کے ذریعے پوشیدہ عامل سے وابستہ کمپنی ڈیفالٹس کی پیش گوئی

خلاصہ

یہ مطالعہ ایک کم شدہ صورت کے ماڈل سے کمپنیوں کے ڈیفالٹس کی پیش گوئی کرتا ہے، جس میں کمپنیوں کی ڈیفالٹ شدتیں ایک غیر مشاہدہ شدہ کمزوری کے عامل پر مشترکہ انحصار رکھتی ہیں۔ یہ بیزی تخمینے کو پارٹیکل مارکوف چین مونٹی کارلو کے ساتھ ملاتا ہے اور ماہرین کے فیصلوں کو موضوعی پیشگی تقسیموں کے ذریعے شامل کرتا ہے۔ تجزیے میں امریکہ کی عوامی طور پر درج غیر مالیاتی کمپنیاں شامل ہیں، جن کا مشاہدہ جنوری 1980 سے جون 2019 تک کیا گیا۔

رپورٹ کردہ نتائج پوشیدہ عامل کے زیادہ اتار چڑھاؤ اور اوسط کی طرف واپسی کو کمپنیوں کی زیادہ ڈیفالٹ شدتوں سے منسلک کرتے ہیں۔ مختلف پیشگی انتخاب کے تحت ایک سالہ پیش گوئیوں کو نسبتاً اچھا بتایا گیا ہے۔ تاہم، کئی پیش گوئی کے دورانیوں میں غیر معلوماتی اور موضوعی پیشگی تقسیم استعمال کرنے والے ماڈلز کے پیش گوئی کی درستگی کے تناسب میں نمایاں فرق نہیں ہے۔ خلاصے میں درستگی کے مخصوص پیمانے یا ماہرین سے رائے لینے کے عمل کی تفصیلات نہیں، اس لیے یہ واضح نہیں ہوتا کہ ماڈل متبادل پیش گوئی کے طریقوں کے مقابلے میں کیسا ہے یا نمونے میں شامل کمپنیوں اور مدت سے باہر کتنا مؤثر ہے۔

اہم خیالات

• ماڈل کمپنیوں کی ڈیفالٹ شدتوں کے باہمی انحصار کو پوشیدہ کمزوری کے عامل کے ذریعے ظاہر کرتا ہے۔
• باہم مربوط ڈیفالٹس کی پیش گوئی کے لیے بیزی تخمینہ اور پارٹیکل MCMC استعمال کیے گئے ہیں۔
• ماہرین کے فیصلے موضوعی پیشگی تقسیموں کے ذریعے شامل کیے گئے ہیں۔
• مطالعہ پوشیدہ عامل کے اتار چڑھاؤ اور اوسط کی طرف واپسی کو زیادہ ڈیفالٹ شدتوں سے مثبت طور پر منسلک کرتا ہے۔
• رپورٹ کے مطابق ایک سالہ پیش گوئیاں نسبتاً اچھی ہیں، جبکہ آزمودہ ادوار میں پیشگی انتخاب سے درستگی کے تناسب میں نمایاں فرق نہیں پڑتا۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔