效率与信用评级：排列信息理论分析

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：
《Efficiency and credit ratings: a permutation-information-theory analysis》
---
作者：
Aurelio F. Bariviera, Luciano Zunino, M. Belen Guercio, Lisana B.
  Martinez, Osvaldo A. Rosso
---
最新提交年份：
2015
---
英文摘要：
  The role of credit rating agencies has been under severe scrutiny after the subprime crisis. In this paper we explore the relationship between credit ratings and informational efficiency of a sample of thirty nine corporate bonds of US oil and energy companies from April 2008 to November 2012. For that purpose, we use a powerful statistical tool relatively new in the financial literature: the complexity-entropy causality plane. This representation space allows to graphically classify the different bonds according to their degree of informational efficiency. We find that this classification agrees with the credit ratings assigned by Moody\'s. Particularly, we detect the formation of two clusters, that correspond to the global categories of investment and speculative grades. Regarding to the latter cluster, two subgroups reflect distinct levels of efficiency. Additionally, we also find an intriguing absence of correlation between informational efficiency and firm characteristics. This allows us to conclude that the proposed permutation-information-theory approach provides an alternative practical way to justify bond classification.
---
中文摘要：
次贷危机后，信用评级机构的作用一直受到严格审查。本文以2008年4月至2012年11月的39家美国石油和能源公司的公司债券为样本，探讨了信用评级与信息效率之间的关系。为此，我们使用了一种在金融文献中相对较新的强大统计工具：复杂性熵因果平面。该表示空间允许根据不同债券的信息效率程度，以图形方式对其进行分类。我们发现，这种分类与穆迪指定的信用评级一致。特别是，我们发现了两个集群的形成，这两个集群对应于投资和投机等级的全球类别。关于后一类，两个分组反映了不同的效率水平。此外，我们还发现，信息效率与企业特征之间缺乏相关性，这一点很有趣。这使我们可以得出结论，提出的排列信息理论方法为证明债券分类提供了另一种实用的方法。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
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
--

---
PDF下载：
--> Efficiency_and_credit_ratings:_a_permutation-information-theory_analysis.pdf (527.76 KB)

2022-5-9 04:22:52 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：理论分析 信用评级 Quantitative relationship Econophysics

效率和信用评级：变异信息理论分析奥雷里奥·费尔南德斯·巴里维亚德，弗吉尼亚州罗维拉大学商业系。斯帕伊努雷里奥大学143204号。fernandez@urv.netLucianoZuninoCentro de Investigaciones’Opticas（CONICET La Plata-CIC），C.C.3，1897 Gonnet，ArgentinaDepartamento de Ciencias B’asicas，Facultad de Ingenier’a，Universidad National de La Plata（UNLP），1900 La Plata，Argentinalucianoz@ciop.unlp.edu.arM.UNS-CONICET南部经济和社会调查机构。12德奥克图布雷和圣胡安，B8000CTX巴阿布兰卡，阿根廷。苏多斯特省大学（UPSO）。阿根廷阿尔瓦拉多328，B8000CJH Bahia Blanca，UNS-CONICET经济和社会调查研究所。12德奥克图布雷和圣胡安，B8000CTX巴阿布兰卡，阿根廷。苏多斯特省大学（UPSO）。阿尔瓦拉多328，B8000CJH Bahia Blanca，阿根廷阿拉戈斯联邦大学（UFAL）的阿尔瓦拉多a.罗索尼图托西卡分校。巴西阿拉戈斯亚齐奥北纬104公里9757072-970米。布宜诺斯艾利斯技术学院（ITBA），Av。爱德华多·马德罗399，C1106ACD，阿根廷布宜诺斯艾利斯奥托诺马市。2018年9月26日次贷危机后，信用评级机构的作用受到了严格的审查。本文以2008年4月至2012年11月的39家美国石油和能源公司的公司债券为样本，探讨了编辑评级与信息效率之间的关系。为此，我们使用了一种在金融文献中相对较新的强大统计工具：复杂性熵因果平面。该表示空间允许根据信息效率的程度，以图形方式对不同的键进行分类。我们发现，该分类与穆迪指定的信用评级一致。

特别是，我们检测到两个集群的形成，这两个集群与全球的投资和经济等级分类相对应。关于后一类，两个亚组反映了不同的效率水平。此外，我们还发现，信息效率与企业特征之间缺乏相关性，这一点很有趣。这使我们可以得出结论，电子提议的排列信息理论方法为证明债券分类提供了另一种实用的方法。关键词：公司债券；石油和能源部门；市场效率；复杂性熵因果平面；置换熵；排列的复杂性。JEL分类：G14；C811引言在他的经典定义中，[19]确定，如果价格反映了所有可用信息，则市场是信息有效的，并且将效率分为三大类：（i）如果今天的价格反映了嵌入价格序列中的信息，则市场是弱效率；（ii）如果价格反映了所有公共信息，则市场是半强效率，过去的价格，以及（iii）如果价格反映了所有公共和私人信息，则效率很高。我们将把研究重点放在信息能力薄弱的地方。价格实际上是一种信号机制。[26]表示，价格体系可以被视为信息交流的平台，其功能基于知识经济，“通过一种符号，只有最基本的信息被传递，而非仅传递给相关方”。事实上，这种定义在[24]中就已经预料到了，他写道“当股票在公开市场上公开时，它们在那里获得的价值可能会被视为最可靠的情报机构对它们的判断”。后来，[7]将证券价格的第一个数学模型形式化，考虑了一个没有记忆的随机过程。

事实上，正如[28]所认识到的，有效市场假说（EMH）是应用于证券市场的竞争均衡理论。关于弱信息效率的实证研究有大量文献。值得一提的是，石油和能源市场偏离EMH的情况已经得到证实——例如，见[51]、[58]、[2]、[11]、[3]、[4]和[6]的结果。由于次贷危机，信用评级机构（CRA）的活动不够严格，因为它们很难对金融证券，特别是债务抵押债券（CDO）进行评级。有一些典型的例子表明，CRA对市场波动的影响是缓慢的：安然在2001年12月2日破产前四天，被穆迪和标准普尔评为投资级，而最近，雷曼兄弟在2008年9月15日破产当天仍然被两个机构评为投资级。本文的目的是建立信用评级和市场衍生指标之间的桥梁，即信息效率。具体而言，我们探讨了债券收益时间序列的相关随机行为（由熵和复杂度指标组合量化）与债券评级之间的联系。我们希望：（i）通过复杂熵因果关系平面对公司债券进行分类，（ii）建立信用评级和信息效率水平之间的对应关系，以及（iii）分析市场效率和企业比率之间的潜在联系。值得一提的是，我们并没有试图分析信用评级和信息效率之间的因果关系。或许，更好的评级会促使市场参与者更积极地交易这种债券，从而增加市场的信息流动，从而提高相关的信息效率。

相反，可以认为更好的信息效率反映了CRA所接受的企业的内在品质。本文的组织结构如下。第2节对信用评级进行了重新审视。第3节介绍了利用信息论衍生工具对信息效率的研究。第4节详细介绍了分析的数据和获得的结果。第5节总结了我们工作的主要发现。最后，对本文中应用的基于置换信息理论的量化器进行了全面的解释。信用评级信用评级业诞生于20世纪初。事实上，最古老的评级机构Moo-dy’s于1909年开始运营，公布铁路公司的评级。信用评级旨在衡量一家公司清偿债务的可能性。根据[17]“信用评级是指关于实体、adebt或金融债务、债务担保、优先股或其他金融工具，或此类债务或金融债务、债务担保、优先股或其他金融工具的使用者的信用度的意见，使用既定和定义的评级类别排序系统发布”。然而，信用评级不应被理解为购买或出售建议或付款保证。信用评级基于分析师的意见，他们在检查定量数据（如财务报表、财务比率、宏观经济数据等）和定性数据（对公司高级经理的采访）后，对评级做出决定。这些评级通常以字母等级或字母和字母的组合来体现。最好的评级是Aaa，最差的评级是C。在它们之间，有20个类别，旨在确定信用评估l。

它们可以分为两个全球类别：投资（上半部分）和投机（下半部分）等级。Fir Fir Catego Ory代表由财务指标稳定、支付能力强的公司发行的票据。第二类代表的是财务实力受到质疑的公司发行的工具，可能会发生债务违约或逾期还款。最初，信用评级主要集中在公用事业公司。后来，金融监管增加了信用评级的重要性。美联储成立于1913年，美国证券交易委员会（SEC）成立于1934年。这两个机构迅速开始发布金融法规，以规范金融信息披露的格式，并限制银行的风险敞口。为了促进更安全、更透明的金融体系，许多国家的银行监管机构将最低资本要求与债券评级联系起来，作为衡量债券真实性的标准。尽管有很多CRA，但其中三家，即穆迪、标准普尔和惠誉，集中了约80%的市场份额。美国和其他国家的连续监管都支持这种集中，正如[60]所承认的，“这些第三方债权人的信誉判断具有法律效力”。在这一行中，[57]指出，这些大型评级机构被视为金融市场中全能且不受监管的元素。CRA评估的一个主要批评是缺乏透明度。他们没有披露其评级所依据的任何标准和采用的方法。此外，他们的商业模式也受到质疑。在活动开始时，CRA从对独立信用风险评估感兴趣的投资者那里筹集资金。

然而，在20世纪70年代，融资来源从“投资者付费”转向了“发行人付费”。这一变化使人们对意见的独立性产生了一些怀疑，并因此产生了潜在的利益冲突。CRA面临着两个重要的力量：一方面，他们有兴趣对公司的信用质量给出最好的意见，但另一方面，他们希望为支付服务费用的公司提供“良好的服务”。这种情况是相关的，因为在大多数市场中，为了获得发行新债务的授权，企业必须签订一份信用评级协议。尽管如此，投资者为评级信息付费的事实并不能防止出现重大错误。[43]记得大萧条期间，11%的投资级公司债券和78%的被评为Aa或Aa级的市政债券违约。这种情况反映出信贷并非一项微不足道的任务。文献中的大多数评级分析都将注意力集中在使用主要影响或决定评级类别分配的变量，以及调查价格和收益率变化的影响上。有几篇论文分析了评级和企业风险之间的关系，即评级和基于市场的衡量之间的比较，以评估企业的风险。换句话说，他们试图弄清楚评级是否向市场注入了新信息，或者相反，市场在评级披露之前已经纳入了这些信息。[59]发现经验证据表明，在评级变更公告之前，价格会发生变化。

在同一条线中，[23]包括市场预期评级会独立变化，即变化在投机和投资级别类别之内或之间。[16] 分析公司债券定价行为，考虑到穆迪和标准普尔给出的信用评级质量决定了与收益率曲线相关的同质集团。然而，他们认识到影响价格债券演变的其他重要因素的存在，如违约风险、流动性、纳税义务、回收率和到期日。[37]发现“债券价格和信用评级通常包含对相对风险的类似观点，而观点上的任何差异通常是暂时的”。在最近的研究中，[33]发现信用评级的变化会对债券价格产生显著影响。[30]研究信息的不确定性和不对称性对公司债券利差的影响，发现短期债券的收益率部分由公司信用评级解释。[1] 证明负面评级公告向市场传达了相关信息。在本文中，我们特别有兴趣探讨信用评级和信息效率之间的潜在关系。这种联系有助于找到一种更客观、更公正的信用评级分类方法。3信息效率与复杂性熵因果关系研究弱信息效率是关于从价格或收益时间序列中揭示信息的可能性。金融市场可以被视为一个动态系统，其行为记录在价格、收益率、营业额等时间序列中。应该仔细分析这些时间序列，以了解潜在的现象。

从信息论中衍生出来的量化器可能是这项任务的合适人选，因为它们允许从观测数据中提取概率分布的某些属性。其中一个关键指标是香农熵。给定任意离散概率分布P={pi≥ 0，i=1，M} 对于PMI=1pi=1的情况，Shannonentropy定义为S[P]=-PMi=1磅/平方英寸[12]。如果基础结构是完全确定的（pk=1），则等于零∧ pi=0，i 6=k）并达到不相关随机过程的最大值（均匀分布，即pi=1/M，i=1，··，M）。值得注意的是，这些信息量是根据状态概率计算的，不依赖于特定的分布。利用信息熵研究经济现象可以追溯到[56]，其中熵用于预测阿姆斯特丹证券交易所的短期价格波动。[18]和[15]分别对纽约和伦敦证券交易所进行了类似的研究。[38]使用信息论方法分析美国证券交易所正、负和零回报证券的比例，得出结论，它们取决于前一天，不受未交易证券比例的显著影响。[39]提出平均互信息或共享熵作为系统风险的代表。最近，[41]将输入量化和符号时间序列分析相结合，以提高信息效率和经济崩溃的概率。后来，[42]还使用香农熵对世界各地的证券市场的信息效率进行排名。Alvarez Ramirez及其同事实施了多尺度熵概念，以监控信息效率在不同时间范围内的演变。

通过将这种方法应用于原油价格[32,35]和道琼斯指数[5]，揭示了某些特定的cy clic动态的存在。然而，仅通过估计Shannon entr opy来分析时间序列可能是不够的，因为正如[20]所述，熵测度不能量化过程中出现的结构等级。事实上，为了充分描述系统的动力学特性，有必要测量统计复杂性。这就是为什么我们还建议考虑金融时间序列分析的统计复杂性[64]。统计复杂性的度量试图量化潜在的隐藏组织结构。从这个意义上说，完美顺序和最大随机性（例如，周期序列和公平掷硬币）被定义为零复杂性，因为它们是最容易描述和理解的。在距离这些极端点一定的距离上，物理结构存在着很大的可能程度。复杂性度量允许我们量化这一系列行为[21]。在本文中，我们采用复杂度熵因果平面（CECP）进行分析，即系统在水平轴上具有置换熵的表示空间，在垂直轴上具有适当的置换统计复杂度度量。最近，这种新的信息论工具被证明是一种实用而稳健的方法，可以区分股票[64]、商品[65]和主权债券[63]市场中存在的线性和非线性相关性。CECP中的位置允许量化分析中系统的效率，因为时间模式的存在从与完全随机过程相关的理想位置衍生出指数，即归一化熵和统计复杂性分别等于1和ze ro。