Rủi ro mô hình và động lượng xếp hạng trong xác suất vỡ nợ và chuyển hạng

Tóm tắt

Tài liệu trình bày hai phương pháp ước lượng chuyển hạng tín dụng và xác suất vỡ nợ. Phương pháp thứ nhất ước lượng chuỗi Markov thời gian liên tục từ các quan sát rời rạc, có thể không đầy đủ. Phương pháp này suy ra một biểu thức thông tin Fisher đơn giản hơn để giảm tính toán cho khoảng tin cậy Wald, sau đó mô tả cách truyền độ bất định từ ma trận sinh chuyển tiếp sang xác suất chuyển hạng và vỡ nợ.

Phương pháp thứ hai sử dụng các quan sát liên tục trong một quá trình điểm có dấu tự kích thích để nắm bắt động lượng xếp hạng, một hiệu ứng phi Markov. So với mô hình Markov, phương pháp này tạo ra xác suất vỡ nợ cao hơn cho xếp hạng cấp đầu tư và thấp hơn cho một số xếp hạng đầu cơ; các tác giả cho rằng kết quả này phù hợp với quan sát thực nghiệm. Các phương pháp được minh họa bằng dữ liệu xếp hạng doanh nghiệp độc quyền của Moody’s. Đoạn trích không cung cấp chi tiết mẫu hay thước đo hiệu suất, và dữ liệu độc quyền có thể hạn chế khả năng tái lập độc lập.

Ý chính

• Chuỗi Markov thời gian liên tục có thể ước lượng chuyển hạng từ dữ liệu rời rạc và không đầy đủ.
• Tính toán thông tin Fisher được đơn giản hóa giúp giảm khối lượng tính toán cần thiết cho khoảng tin cậy Wald.
• Có thể truyền độ bất định trong ma trận sinh chuyển tiếp sang các ước lượng xác suất chuyển hạng và vỡ nợ.
• Quá trình điểm có dấu tự kích thích nắm bắt động lượng xếp hạng khi có dữ liệu liên tục.
• Mô hình phi Markov làm thay đổi xác suất vỡ nợ ước lượng theo những cách khác nhau giữa các xếp hạng đầu tư và đầu cơ.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.