多周期企业不确定性的分离与评估

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：
《Disentangling and Assessing Uncertainties in Multiperiod Corporate
  Default Risk Predictions》
---
作者：
Miao Yuan, Cheng Yong Tang, Yili Hong, Jian Yang
---
最新提交年份：
2018
---
英文摘要：
  Measuring the corporate default risk is broadly important in economics and finance. Quantitative methods have been developed to predictively assess future corporate default probabilities. However, as a more difficult yet crucial problem, evaluating the uncertainties associated with the default predictions remains little explored. In this paper, we attempt to fill this blank by developing a procedure for quantifying the level of associated uncertainties upon carefully disentangling multiple contributing sources. Our framework effectively incorporates broad information from historical default data, corporates\' financial records, and macroeconomic conditions by a) characterizing the default mechanism, and b) capturing the future dynamics of various features contributing to the default mechanism. Our procedure overcomes the major challenges in this large scale statistical inference problem and makes it practically feasible by using parsimonious models, innovative methods, and modern computational facilities. By predicting the marketwide total number of defaults and assessing the associated uncertainties, our method can also be applied for evaluating the aggregated market credit risk level. Upon analyzing a US market data set, we demonstrate that the level of uncertainties associated with default risk assessments is indeed substantial. More informatively, we also find that the level of uncertainties associated with the default risk predictions is correlated with the level of default risks, indicating potential for new scopes in practical applications including improving the accuracy of default risk assessments.
---
中文摘要：
衡量公司违约风险在经济和金融领域具有广泛的重要性。已经开发出定量方法来预测未来公司违约概率。然而，作为一个更为困难但至关重要的问题，评估与违约预测相关的不确定性仍然很少有人探讨。在本文中，我们试图通过开发一种程序来填补这一空白，该程序用于在仔细分离多个贡献源后量化相关不确定性的水平。我们的框架有效地整合了历史违约数据、公司财务记录和宏观经济状况中的广泛信息，方法是a）描述违约机制，b）捕捉违约机制各种特征的未来动态。我们的程序克服了这一大规模统计推断问题中的主要挑战，并通过使用精简模型、创新方法和现代计算设施使其切实可行。通过预测市场范围内的违约总数和评估相关的不确定性，我们的方法也可以用于评估总的市场信用风险水平。通过分析美国市场数据集，我们证明，与违约风险评估相关的不确定性水平确实很大。更具信息性的是，我们还发现，与违约风险预测相关的不确定性水平与违约风险水平相关，表明在实际应用中可能出现新的范围，包括提高违约风险评估的准确性。
---
分类信息：

一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--
一级分类：Quantitative Finance        数量金融学
二级分类：Risk Management        风险管理
分类描述：Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载：
--> Disentangling_and_Assessing_Uncertainties_in_Multiperiod_Corporate_Default_Risk_.pdf (339.17 KB)

2022-6-10 01:08:48 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：不确定性 确定性 不确定 Applications Quantitative

提交至《应用统计年鉴》arXiv:arXiv:0000.000苗源§，程勇堂《多期共同违约风险预测中的不确定性分析与评估》*,P、伊利·洪+、§和简阳、克维吉尼亚科技§、坦普尔大学P和科罗拉多大学丹佛分校衡量公司违约风险在经济和金融领域具有广泛的重要性。已经开发出定量方法来预测未来的公司违约概率。然而，作为一个更困难但更关键的问题，评估与违约预测相关的不确定性仍然很少探索。在本文中，我们试图通过开发一种程序来填补这一空白，该程序用于在仔细分离多个贡献源后量化相关不确定性的水平。我们的框架有效地结合了历史违约数据、公司财务记录和宏观经济状况中的广泛信息，方法是a）描述违约机制，b）捕获违约机制各种特征的未来动态。我们的程序克服了这一大规模统计推断问题中的主要挑战，并通过使用简约模型、创新方法和现代计算设施使其切实可行。通过预测市场范围内的违约总数和评估相关的不确定性，我们的方法也可以用于评估市场信用风险水平。通过分析美国市场数据集，我们证明了与违约风险评估相关的不确定性水平确实是次要的。

更具信息性的是，我们还发现，与违约风险预测相关的不确定性水平与违约风险水平相关，这表明在实际应用中有可能出现新的范围，包括提高违约风险评估的准确性。1、简介。长期以来，衡量公司违约风险一直是许多商业决策的关键。例如，银行在贷款评估中分析借款人在各种未来潜力方面的信用质量*部分由国家科学基金会拨款IIS-1546087和SES1533956支持。+部分由国家科学基金会资助CMMI-1634867部分由国家自然科学基金项目71571106资助。MSC 2010学科分类：初级62P25；次要62N99关键词和短语：竞争风险、公司违约概率、EM算法、动态因素模型、高维时间序列、预测间隔2 M.YUAN、C.Y.TANG、Y.HONG和J.YANGborrowing periods、公司管理层需要定期准确评估公司当前财务状况的内部控制考虑因素，投资筛选，即投资者预测所考虑投资的财务状况，筛选出不良投资，并确定评级机构的信用评级。此外，最近信用衍生产品市场的引入和扩张也重新引起了人们对这一话题的兴趣。根据国际掉期和衍生品协会（ISDA）的调查，信用违约掉期（CDS）市场是最受欢迎的信用衍生品类型，在过去的十年中已经激增，从2001年的0.9万亿美元增至2010年的约30万亿美元。违约概率决定了此类金融工具的定价，而信用违约掉期反映了基于市场的违约概率估计。

新巴塞尔协议银行监管将这一话题进一步推向了银行监管的中心。特别是，根据《巴塞尔协议II》，银行和银行监管机构需要确定银行持有的适当监管和经济资本水平，以符合其贷款组合所代表的信贷风险，其中借款人违约概率起着明确的作用。在金融文献中，有两大类公司违约建模方法——结构化建模方法和简化模型方法。[37]的经典结构方法假设，当一家公司的资产相对于其负债下降到足够低的水平时，该公司就会违约。一个关键含义是，一家公司的有条件违约概率完全由唯一的关键变量，即其违约距离决定，该距离与该公司的年度资产增长密切相关，说明其负债水平和波动性；除其他外，请参见[1]中的结构方法回顾。[12] 认为尽管[37]的结构模型具有令人印象深刻的预测能力，但鉴于其限制性的功能形式，最好使用简化模型，允许更多的协变量进入默认预测；另见【19】关于违约与其他协变量的相关性。第一代简化模型，如[6]、[7]和[2]中的模型，主要依赖于多重判别分析（MDA），根据企业的个体特征计算的得分和等级，将企业划分为一个可能的类别。第二代方法，如[38]和[48]，建议使用逻辑回归分析，试图评估企业在下一段时间内违约的条件概率。

第一代和第二代都可能被视为静态方法，因为它们一直在使用单周期分类或概率模型和b an k破裂数据，但忽略了其多周期特征。正如【42】所指出的那样，静态模型将导致公司违约风险的不确定性3产生对破产概率的偏差和不一致的估计，因为它们忽略了随时间变化的动态，并且可能会在估计中引入不必要的选择偏差。当前生成的简化表单模型通过检查默认事件的持续时间，结合了随时间变化的动态。[42]提出了一种基于危险函数的持续时间模型，该模型具有依赖于时间的预测因子；另见[13]、[12]、[9]和[8]等。特别是，[13]证明了[42]模型的预测性能优于第一代（即[2]）和第二代（即[48]）。故障预测的简化形式建模方法的最新发展对多个时期的公司违约具有重要影响；例如，参见[20]和[16]。虽然已经制定了各种定量程序来预测公司违约概率，但在当前的知识状态下，点预测是主要的衡量指标。文献中的一个空白是，点预测没有对相关预测不确定性进行评估。一个主要原因是，由于问题的规模巨大和高度复杂性，这项任务极具挑战性。显然，历史公司和宏观经济时间序列数据具有高维度和复杂性。同时，所有面临未来违约风险的公司都需要评估其违约风险和相关的不确定性水平。

如果涉及到多个未来时期的预测，则复杂性水平将实质上进一步增加。从根本上讲，不确定性有多种成因，包括违约机制、公司和经济环境的未来动态以及模型估计误差；有关不确定性来源的更多详细信息，请参见第2节。我们的调查旨在制定一个程序，获得预测区间，以量化与违约风险预测相关的不确定性水平，同时考虑上述三个不确定性来源。文献中记录了关于持续时间模型预测间隔的研究，如可靠性；例如，参见[26]及其参考文献。然而，由于问题具有独特的挑战性，现有方法不适用于公司违约预测场景；见第2节和第3节。考虑到这种情况下模型的复杂性，通常不存在明确的公式来构建有效的预测区间。因此，我们的框架采用基于参数随机模型的重采样过程。当违约风险公司的数量在几十万家左右，有几十年的历史时，挑战来自1）具有大量未知参数的复杂协变量结构4 M.YUAN、C.Y.TANG、Y.HONG和J.YANGters，2）数据集的大规模，以及3）复杂的数据结构。例如，我们在第4节中对1990-2009年期间美国市场的分析数据集包含10000多家公司，每月观察的数量超过1000000。然而，只有少数公司在整个期间都有观察到，因为许多公司要么因为其他原因退出了市场，要么因为其他原因退出了市场。

在数据集中的所有公司中，缺失的数据是压倒性的，这些观察的时间范围在公司之间是高度异构的。我们的第3节详细介绍了我们为不确定性评估开发的框架，该框架具有点预测和总默认预测的预测间隔，通过使用简洁的模型、创新且计算高效的方法和强大的计算设施克服了这些挑战。本研究中提出的框架将从几个重要方面对文献作出贡献。首先，与通常只产生点估计的违约概率预测的当前实践相比，违约预测区间的引入极大地提高了我们的理解和知识，尤其是在模型诊断和统计信息方面。此外，我们度量的一个显著特征是，不仅考虑了多个不确定性来源，还考虑了违约概率预测区间的不对称性质，因此违约概率预测的下限不会低于零（这显然是不合理的）。适当量化相关不确定性是对未来违约概率进行有效统计推断的关键。例如，为了评估他们的违约预测模型的执行情况，[12]将失效概率的定点估计值（这是每个公司的此类估计值的平均值）与市场上的实际故障率进行比较，并得出结论（第2916页），他们的模型在1974年至1975年期间对失效的预测有点过高，而在20世纪80年代的大部分时间里预测不足，然后在20世纪90年代初预测过高。显然，如果考虑预测间隔，可能会提供问题的其他范围。

此外，违约概率预测的不确定性量化的可用性将使我们能够进一步进行有效的预测评估，例如，沿着[14]的路线，其中我们将检查预测精度的明显改善是否具有统计意义。在第4节中报告的数据分析中，通过预测区间，我们能够表明，对违约总数的样本外聚合预测在多年内运行良好。此外，违约概率预测的不确定性将有助于提高我们对公司违约风险市场中财务不确定性的违约风险定价的理解，并可能为探索资产定价中的困境风险和/或信贷风险提供一个新的场所。例如，[15]记录了以违约概率衡量的股票回报与违约风险之间令人费解的负相关关系。【23】报告美国公司债券市场的一个令人困惑的发现，即信贷利差大约是违约损失的两倍，并且对实际违约率没有反应。违约概率预测中缺失的不确定性可能很重要。作为一个例子，我们通过第4节中的数据分析证明，与预测的个别公司违约概率相关的不确定性评估确实提供了大量信息。首先，不确定性水平可能很高，特别是对于那些预测违约概率很高的公司。

其次，更有趣的是，我们发现，通过将预测区间的宽度纳入二元变量的逻辑回归中，无论公司是否违约，预测区间的宽度与点违约概率预测之间都存在显著的交互作用。这表明，与点违约概率预测相关的不确定性水平可以为解决问题提供实际信息。此外，违约概率预测的不确定性应能说明违约/信用风险在金融中起着核心作用的任何重要问题。例如，[22]探讨金融部门的系统性风险，定义为相当大比例金融机构的条件失效概率。我们在第4节中说明，我们的程序能够为预测区间配备累计预测违约总数，这一特性可以有益于系统风险的各种研究。本文的其余部分组织如下。在第2节中，我们解开了导致违约预测的不确定性来源。我们在第3节中提出了预测和评估单个公司未来违约风险的相关不确定性水平以及市场上未来违约总数的框架。第4节通过制定违约概率预测并定量评估其相关的不确定性水平，全面分析了大规模美国市场数据。第5节介绍了评估我们方法准确性的仿真研究。第6节对本文进行了总结，并对未来的研究进行了展望。补充材料【46】包含了我们方法中EM算法的细节。违约风险预测的不确定性来源。2.1. 随机事件时间。

我们在多期公司违约风险预测的设置中构建了我们的程序。对于违约机制6 M.YUAN、C.Y.TANG、Y.HONG和J.YANGnism，我们主要关注违约率和其他竞争风险事件的最新简化模型。事件持续时间建模可以大致分为事件时间数据分析，这是一个在工程研究可靠性和生存分析等领域进行了深入研究的主题（例如，参见[36]和[28]）。持续时间建模的关键设备是事件强度函数。在生存或时间到事件分析中，强度函数建模起着核心作用；请参见声像图[28]及其参考。对于公司金融违约，强度函数模型的预测也涉及解释变量的随机性，我们参考文献[17]作为概述。用强度函数对持续时间进行建模，将公司未来违约的时间视为一个随机变量。同时，为了适应一家公司可能因破产以外的事件（例如被另一家公司收购）而在违约前退出市场的事实，需要在建模公司退出时间时考虑竞争风险。一般来说，假设有K种类型的creditevents相互竞争，因此只观察到一个发生的事件。设Tkbe为k类事件发生的时间（k=1，…，k）。用λk（t）（λk（t）表示事件强度函数≥ 0，t≥ 0）用于事件的kthtype。