主权违约风险和不确定性溢价

首先，请注意，对于捐赠价值较高的州，如图2底部的面板所示，我们的条件扭曲pdf与FY | Y非常接近，即扭曲是不可忽略的，因此，我们希望等式（S.45）与“<”不等式保持一致；i、 例如，我们的条件cdfθt确定（在一阶随机意义上）对应于Fηt的cdf。然后我们得出结论，对于这些状态，我们的模型生成的价差低于具有特别定价核的模型生成的价差。另一方面，对于禀赋较低的国家，我们期望我们扭曲的条件概率测度比Fηt更重视未来禀赋的低值；e、 g.参见图2的顶部面板，因此等式中的内质应颠倒，因此我们的模型生成的anspread高于模型使用特殊pricingkernel生成的anspread。稳健性检查在本节中，我们介绍稳健性检查。不同程度的对模型错误的关注。在桌子上。51我们报告了我们的模型模拟得出的一些商业周期统计数据，这些数据反映了不同程度的模型不确定性和贷款人方面的无风险规避。我们一开始就不担心模型误判，即θ=+∞, 我们将惩罚参数降低到0.25，我们得到了9.5%的检测错误概率。正如我们预期的那样，当我们降低θ的值时，我们观察到违约的频率下降了。

为了将其保持在每年3%的历史水平，我们通过向下调整β使借款人更加不耐烦。在模型之间的比较中，可能很难确定是哪个关键因素在驱动模拟统计数据中的每种差异。模型的参数化和假定功能形式通常在多个维度上有所不同。表S.51通过显示在我们增加稳健性偏好的同时，相关宏观变量的动态在同一环境中如何变化，帮助我们突出了模型不确定性的贡献。第一个突出的特点是，债券利差的平均值和标准差都随着贷款人对模型错误的担忧而增加。对于相同的违约频率，随着θ的降低，对模型误判的更大程度关注往往会推高贷款人低效用状态相关的概率扭曲，尤其是发生违约的状态。10《美国经济杂志》月-年统计θ=+∞ θ=5θ=1θ=0.75θ=0.5θ=0.25平均值（r- rf）4.54 4.83 6.43 7.23 9.30 18.74标准。德夫（r）- rf）3.32 3.41 3.96 4.28 5.10 9.36平均值(-b/y）43.32 43.40 43.93 43.96 43.78 42.22标准。开发（c）/std.dev（y）1.17 1.18 1.21 1.22 1.23 1.22标准。发展（tb/y）0.86 0.92 1.11 1.17 1.28 1.40Corr（y，c）0.99 0.99 0.98 0.98 0.98 0.97Corr（y，r）- 射频）-0.79-0.78-0.77-0.76-0.74-0.67Corr（y，tb/y）-0.77-0.76-0.72-0.70-0.66-0.55DEP 0.50 0.469 0.377 0.344 0.267 0.095违约频率（每年）3.00 3.00 3.00 3.00 3.00 3.00表S.51——不同稳健程度的商业周期统计数据。然而，注意，平均借款几乎不会随着成本的上升而下降。虽然这对长期债务来说是正确的，但当借款人只能发行一期债券时，情况并非如此。

在后一种情况下，随着产出下滑和违约风险（在两种模式下）增加，借款人会更多地调整其债务水平。这源于这样一个事实，即发行额外债券的抑制因素比发行长期债券的一期债券更大。考虑到借款调整不足以补偿价格变化，随着θ降低，利息偿还变得更加不稳定。因此，我们观察到贸易平衡和消费相对于产出的变化更大。具有时间加性的风险规避，标准预期效用。如表S.52所示，贷款人在承受时间可分离预期效用的情况下，合理的风险规避程度不足以产生足够高的债券利差，同时保持数据中观察到的违约频率。我们考虑了贷款人消费的一个外生随机过程，其中εLt+1=ρLln CLt+σLεLt+1~ i、 识别号（0,1）。假设冲击εt+1和εLt+1是独立的。我们估计了使用美国消费数据的对数正态AR（1）过程。表S.52显示了放款人相对风险规避系数σL的不同值的商业周期统计数据，σL范围为1到50，对工作文件版本没有担忧，Pouzo和Presno（2012）报告了MC统计数据对一期债务模型误判的不同关注程度。非耐用品和服务经季节性调整的实际消费时间序列（按四分之一频率）取自经济分析局的日志，并用线性趋势进行过滤。参数ρLandσLε的估计值分别为0.967和0.025。卷号。

发行违约和不确定性溢价11统计σL=1σL=2σL=5σL=10σL=20σL=50Mean（r- rf）3.443.483.483.493.493.493.76Std。德夫（r）- rf）2.61 2.63 2.59 2.61 2.61 2.82平均值（rf）4.05 4.04 3.98 3.79 3.05-1.38Std。开发（rf）0.19 0.39 0.96 1.91 3.83 9.12平均值(-b/y）75.49 74.93 74.51 74.84 75.36 77.46标准。开发（c）/std.dev（y）2.32 2.31 2.31 2.33 2.36 2.66Std。发展（tb/y）6.656.646.636.696.857.96Corr（y，c）0.700.700.700.690.64Corr（y，r）- 射频）-0.60-0.61-0.61-0.60-0.61-0.57Corr（y，tb/y）-0.36-0.36-0.36-0.36-0.36-0.33违约频率（每年）3.00 3.00 3.00 3.00 3.00 3.00 3.00表S.52——不同风险规避程度的商业周期统计数据。模型规格错误，即θ=+∞.首先，正如我们所预期的，债券发行量平均会增加，并且随着σL的值而变得更不稳定。然而，它们的波动程度非常有限。在保持数据中观察到的违约频率的同时，合理的风险规避程度甚至不足以产生足够高的债券利差。将σLequal设置为50，平均债券利差仅为3.76%，不到数据中观察到的值的一半。风险规避系数的这一高值足以解释Mehra和Prescott（1985）中的平等难题。与此处考虑的经济情况相比，我们模型中的随机贴现因子通常不会与债券支付成反比，从而限制了模型产生足够高的债券利差的能力。第二，在我们的模型中，给定一个平稳的消费过程，净无风险利率会降低，并在σL值足够高的情况下变为负值，而其波动性会急剧增加。面对较低的风险自由利率，借款人的反应是借更多的钱。

然而，在模型不确定性的情况下，制动输出比的变化很小。最后，用于支付利息的更大、更不稳定的资本流出转化为消费和净出口的更高可变性。对于σL的每一个值，借款人的贴现系数β被校准为每年复制3%的违约频率。

感谢分享