基于逻辑分析的主权债务评级模型重构

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Reconstruction Rating Model of Sovereign Debt by Logical Analysis of
  Data》
---
作者：
Elnaz Gholipour (1), B\\\'ela Vizv\\\'ari (1) and Zolt\\\'an Lakner (2) ((1)
  Eastern Mediterranean University, (2) St. Stephen University)
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Computer Science        计算机科学
二级分类：Numerical Analysis        数值分析
分类描述：cs.NA is an alias for math.NA. Roughly includes material in ACM Subject Class G.1.
cs.na是Math.na的别名。大致包括ACM学科类G.1的材料。
--
一级分类：Mathematics        数学
二级分类：Numerical Analysis        数值分析
分类描述：Numerical algorithms for problems in analysis and algebra, scientific computation
分析和代数问题的数值算法，科学计算
--
一级分类：Mathematics        数学
二级分类：Optimization and Control        优化与控制
分类描述：Operations research, linear programming, control theory, systems theory, optimal control, game theory
运筹学，线性规划，控制论，系统论，最优控制，博弈论
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
英文摘要：
  Sovereign debt ratings provided by rating agencies measure the solvency of a country, as gauged by a lender or an investor. It is an indication of the risk involved in investment, and should be determined correctly and in a well timed manner. The present study reconstructs sovereign debt ratings through logical analysis of data, which is based on the theory of Boolean functions. It organizes groups of countries according to twenty World Bank defined variables for the period 2012 till 2015. The Fitch Rating Agency, one of the three big global rating agencies, is used as a case study. An approximate algorithm was crucial in exploring the rating method, in correcting the agencys errors, and in determining the estimated rating of otherwise non rated countries. The outcome was a decision tree for each year. Each country was assigned a rating. On average, the algorithm reached almost ninety eight percentage matched ratings in the training set, and was verified by eighty four percentage in the test set. This was a considerable achievement.
---
PDF下载：
--> Reconstruction_Rating_Model_of_Sovereign_Debt_by_Logical_Analysis_of_Data.pdf (320.42 KB)

2022-4-24 17:13:44 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：主权债务 Quantitative Optimization Contribution Construction

通过Elnaz Gholipour数据逻辑分析重构主权债务评级模型, Béla Vizvári，Zoltán Lakner3声明资金：“不适用”利益冲突：“不适用”数据和材料的可用性：“不适用”代码可用性：“不适用”东地中海大学工业工程系，法马古斯塔，北塞浦路斯默辛10土耳其 对应作者的电子邮件地址；埃尔纳兹。gholipour@cc.emu.edu.trDepartment东地中海大学工业工程系3圣史蒂芬大学食品经济学系1 | P a g e评级机构提供的抽象主权债务评级衡量一个国家的偿付能力，由贷款人或投资者衡量。这是投资风险的一个指标，应该正确、及时地确定。本研究基于布尔函数理论，通过数据逻辑分析（LAD）重构主权债务评级。它根据世界银行定义的2012-2015年期间的20个变量组织国家组。本文以全球三大评级机构之一的惠誉评级机构为例进行研究。在探索评级方法、纠正该机构的错误以及确定其他未评级国家的估计评级时，近似算法至关重要。结果是每年都有一个决策树。每个国家都被分配了一个等级。平均而言，该算法在训练集中达到了几乎98%的匹配评分，在测试集中得到了84%的验证。这是一个相当大的成就。关键词：主权债务、数据逻辑分析、CRA、评级系统2 | P a g e 1。引言1.1主权信用评级（SCRs）主权债务评级是指一个国家偿还借款的能力。

因此，主权债务评级可以作为一种指标，帮助潜在投资者、金融组织、银行，甚至其他政府就某个特定国家做出投资或贷款决策。主权债务评级反映了这样做所涉及的风险。一般来说，政府寻求信用评级，以简化其进入国际资本市场的途径，在国际资本市场上，即使信用风险相同，投资者也希望选择评级证券，而不是未评级证券（Cantor and Packer 1996）。有了SCR，政府不再那么依赖银行的货币政策，它可以加入国际市场。此外，SCR可以通过吸引外国投资者来改善财务状况（Luitel和Vanpée 2018）。SCR在信用评级行业中发挥着重要作用（Hisarciklilar等人，2011年）。它们可以减少投资者和借款人之间的信息不对称，从而提高借款人获取资金的意愿，并从贷款人的角度降低信用风险（Canuto，et al.2012）。这一过程由信用评级机构（CRA）执行，以缩小贷款人和借款人之间的信息差距。SCR应该反映一个国家的金融、经济和政治地位（Kunczik 2002）。特别是，由于SCR考虑了经济和政治因素，因此在预测主权评级方面，在评级程序中测量定性变量并不容易。由于政府可能会背弃自己的义务，或者由于政治决定而在财务上变得不那么有偿付能力，因此在评级过程中纳入定性指标是困难的。这就是为什么CRA对该国的信誉度发表意见，而不是投资建议或债务评估（Bozic和Magazzino，2013）。Ferri、Liu等人证实了这一事实。

（1999年），世卫组织指出，CRA无法预见1999年的东亚危机，这影响了他们变得足够保守，从而降低了高风险国家的评级。Ul Haque等人（1998年）解释了政治和经济因素在SCR中的重要性。从不同的角度来看，“利益冲突”被用来为CRA的失败辩护（Bernal、Girard等人，2016）。关于这些变量对SCR的有效性，专家之间存在大量争论。1.2信用评级机构和重要因素有文件证明，当信用评级机构高估和低估一些国家时，它们的缺点是如何导致2008年金融危机的，以及它们如何推翻政府和炸毁资本市场（Mattarocci 2013）。当时，他们似乎以黑匣子的方式发布了他们的SCR，同时对投资者隐瞒了重要问题（Gültekin Karakas等人，2011年）。在本研究中，选择惠誉机构的评级系统进行分析。在探索其评级模型时，可以研究许多金融、政治和社会变量。对CRA重要变量的研究与来自世界银行的相应数据一起被用作输入，因此，惠誉评级法在其他方面被隐藏，因此可以得到解释。Cantor和Packer（1996）是SCR中第一批观察到人均GDP、GDP增长、通货膨胀、外债和违约历史等项目是重要变量的研究人员。许多其他论文在添加新变量时使用了相同的变量。

不同研究者多次考虑的变量包括失业率、政府债务、外汇储备、财政平衡、经济发展、政治稳定、手机、实际利率、总债务、实际汇率和单位劳动力成本（Bissoondoyal Bheenick et al.2005），（Philipp et al.2007），（Bozic和Magazzino，2013年）。事实证明，这对政府债务和经济增长有积极影响（Spilioti和Vamvoukas，2015年）。Alexe等人（2003年）通过选择特定的经济指标，提出了标准普尔评级体系的模型-财务和政治参数，并使用多元回归。在另一项研究中，财政不确定性作为单一决定因素被用来解释金融危机期间主权评级变化的原因（Hantzsche 2018）。应用以前的研究结果需要统计学方面的专业知识，因此对非经济学家来说并不容易。1.3评级体系概述Gültekin Karakas，Hisarciklilar等人（2011年）声称，高收入国家的评级往往高于低收入国家。他们考虑了一些相同的变量，但就他们而言，人均GDP是高收入国家评级评估的一个非常重要的变量。当我们分析之前调查的方法时，我们发现我们的技术既独特又未经试验。在之前的调查中，使用各种类型的软件进行了回归分析（Alexe等人，2003年），（Bozic和Magazzino，2013年），（Gültekin-Karakas等人，2011年），（Philipp，Pedro等人，2007年）。

1.4数据逻辑分析通常，采用的回归模型涉及不同的重要指标，需要将系数作为相关变量的特定权重，以给出一个国家的评级。因此，这些方法的使用者很可能具有一定的专业知识。数据的逻辑分析是研究数据集的一种方法。它有优点也有缺点。LAD的主要程序是将之前监测的大量综合数据的特征应用于更小的数据（Alexe，Alexe et al.2008）。此外，Hammer和Bonates（2006）分析了LAD在医学问题中的应用，包括癌症研究中诊断和预后系统的演变。Mirzaei和Vizvári（2011）将LAD方法应用于穆迪一年期的评级系列。一般来说，LAD将输出分类为true-假，阳性-不，是的-不，还是1-0来探索隐藏的评级过程。虽然LAD可以应用于科学，但在多个类别方面出现了一些问题（Avila Herrera和Subasi 2015）。综上所述，之前的研究已经揭示了将这种方法应用于CRA政策的缺点和优点。本研究最有价值的贡献在于，它为所有希望对国家进行排名的用户提供了指导，而不需要他们具备任何特殊的数学、金融或政治知识。特别是，我们通过将每个等级的重要变量的切点作为数据逻辑分析的输出，以决策树的形式简化了过程。2.材料和方法2.1数据的逻辑分析（LAD）本研究考察了惠誉评级机构的评级系统，用基于优化和布尔逻辑的分类方法LAD重建主权债务评级模型。

它使用二进制数据（即0和1）（Alexe和Hammer 2006）。它是由彼得·L·4·P·g·e·哈默发起的。他证明了LAD评级系统能够产生准确、透明和可概括的结果（Boros等人，1997年）。有一组对象在某种程度上彼此相似，并由同一组属性描述。根据应用领域的不同，对象可能会非常不同；例如，医院的患者、从银行获得贷款的客户，或石油行业的钻井地点。然而，在任何一个应用程序中，对象的性质都是相同的。研究对象分为两部分，例如患有特定疾病的患者和没有患有特定疾病的患者。LAD是一种为这两个部分中的每一部分创建描述的方法。它是一种机器学习方法，由一个主管作为对象的分类器输入数据库。由此获得的描述可应用于新对象。假设对象的所有属性都是布尔变量，即每个属性的值要么为真，要么为假。如果这些值必须用数字表示，那么1代表真，0代表假。还假设数据库中没有矛盾。不存在这样的对象对：两个对象在所有属性中具有相同的值，但属于上述两个不同的对象子集。不同对象的数量最多为, 哪里 是二进制属性的数目。然而，即使在这种情况下 如果有一个中等的值，例如15到20，则不太可能出现所有可能的观察结果。LAD旨在预测哪些新的（即，到目前为止尚未发生的）观测属于哪个子集。该数据库可以被视为一个不完全布尔函数的描述 布尔变量。

该函数是不完整的，因为它的值对于属性（变量）的所有可能值都是未知的，只是对于观察到的值。LAD必须做的是找到一个完整的布尔函数，使其值与不完整布尔函数的值完全相同。训练集的数据库必须包含完整的分类，即每个对象必须分类为1或0。LAD可以描述这两个子集中的任何一个。1类和0类的同义词分别为正和负。2.1.1示例：国家由数字而非布尔值的经济数据描述。在上面给出的示例中，这些数据被转换为布尔值。例如，让我们考虑人均GDP至少是5436美元，这将国家划分为两类。对一些人来说，人均GDP为5436美元及以上，而其他人则更少。然后引入一个布尔变量。如果条件得到满足，即人均GDP至少为5436美元，那么这是真的- 否则，将获得一个错误的值。通过以不同的方式使用相同的经济变量，可以将国家分为两组。在下面的例子中，人均GDP被再次使用，至少为14189美元。同样，如果条件满足，那么它是真的- 否则将获得一个假值。第2.3小节讨论了数值数据到布尔变量的转换。如果一个国家在2012年有BBBM评级或更高，那么可以通过三种不同的方式进行检查。如果这三个群体中的任何一个给出了积极的结果，那么这个国家就属于这一类。如果三个选项都不满意，那么其评级为BBP或更差。

第一组：该国人均GDP至少为5436美元，商品和服务出口至少占GDP的38.185%，购买力平价转换系数最多为6.075%。第二组：净现金盈余/赤字至少占GDP的-5.88%，即赤字不太高，总储备至少为17824012000美元，第三组消费物价通胀率最高为9.165%：支出不超过53.195美元，男性失业率至少为8.5%（男性劳动力比例根据国际劳工组织的估计进行建模），人均GDP至少为14189美元。要获得BBBM或更高的评级，一个国家必须满足三个类别中至少一个的所有条件。仅仅满足每个群体的某些条件是不够的。例如，假设一个名为Nowhere的国家的GDP为8000美元。人均GDP出现两次，即第一组和第三组。没有任何地方满足第一组的GDP约束，但违反了第三组的类似约束，即总体。因此，如果它的出口足够大，购买力平价转换系数足够低，它仍然可以成为BBBM国家，因为它满足第一组的标准。2.2 LAD的原始概念LAD的原始概念基于数学逻辑和布尔变量。数理逻辑的一个基本定理是，每个布尔函数都可以作为析取范式（DNF）得到。第2.1.1小节的三组提供了BBBM或更好国家的完整描述。这是DNF的一个例子。这三种方式由布尔变量的连接组成。在LAD的上下文中，每个布尔变量（可能几个）的连词都被称为模式。

DNF的一般形式是有几个语句子集。当且仅当至少一个子集的所有语句都为真时，布尔函数（DNF）才为真。一个语句或其对立面可以是多个子集的一部分。语句的子集可能有不同数量的元素。示例中的每个组都可能有三个语句。2.3数值到布尔属性的转换大多数现实问题都有数值属性，而不是布尔属性。LAD仅适用于将数值数据“转换”为布尔属性的情况。BBBM或更高评级的例子说明了如何做到这一点。示例中的每个语句都有一个分隔国家的数值。这些数值总是介于BBBM或更好的国家和评级较低的国家之间。例如，在人均GDP接近5436美元的两个国家中，阿塞拜疆在2012年属于BBBM类别，人均GDP为7189美元。与此同时，危地马拉的人均GDP较低（3166美元），属于BBP级别。这个国家的GDP没有任何地方超过5436美元的说法是一个布尔值，因为它要么是真的，要么是假的。在此语句中，任何国家的名称都不能替换，因为每个国家在这方面都有一个布尔值。LAD根据这些布尔属性构造DNF。分隔值称为切点。因此，在上面的例子中，5436美元是一个切入点。从数学上讲，二值化可以通过为每个数值变量引入切点来实现，由此产生的空间划分应该只包含“纯区间”，即不包含正负点的区间（参见图1中的红色和蓝色点）。