基于copula的欧洲信用利差马尔可夫奖励方法

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：
《A copula based Markov Reward approach to the credit spread in European
  Union》
---
作者：
Guglielmo D\'Amico, Filippo Petroni, Philippe Regnault, Stefania
  Scocchera, Loriano Storchi
---
最新提交年份：
2019
---
英文摘要：
  In this paper, we propose a methodology based on piece-wise homogeneous Markov chain for credit ratings and a multivariate model of the credit spreads to evaluate the financial risk in European Union (EU). Two main aspects are considered: how the financial risk is distributed among the European countries and how large is the value of the total risk. The first aspect is evaluated by means of the expected value of a dynamic entropy measure. The second one is solved by computing the evolution of the total credit spread over time. Moreover, the covariance between countries\' total spread allows understand any contagions in EU. The methodology is applied to real data of 24 countries for the three major agencies: Moody\'s, Standard and Poor\'s, and Fitch. Obtained results suggest that both the financial risk inequality and the value of the total risk increase over time at a different rate depending on the rating agency and that the dependence structure is characterized by a strong correlation between most of European countries.
---
中文摘要：
在本文中，我们提出了一种基于分段齐次马尔可夫链的信用评级方法和信用利差的多元模型来评估欧盟（EU）的金融风险。主要考虑两个方面：金融风险在欧洲国家之间的分布情况以及总风险的价值有多大。第一个方面通过动态熵测度的期望值进行评估。第二个问题通过计算总信用利差随时间的演变来解决。此外，各国总传播率之间的协方差可以了解欧盟的任何传染。该方法适用于穆迪、标准普尔和惠誉三大机构24个国家的实际数据。获得的结果表明，金融风险不平等和总风险值随时间以不同的速度增加，具体取决于评级机构，并且依赖结构的特点是大多数欧洲国家之间具有很强的相关性。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--
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：
--> A_copula_based_Markov_Reward_approach_to_the_credit_spread_in_European_Union.pdf (1.32 MB)

2022-6-11 13:58:39 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：Copula opula 马尔可夫 Quantitative Applications

一种基于copula的马尔可夫奖励方法，用于欧盟的信用利差。古列尔莫·达米科（1）、菲利波·彼得罗尼（2）、菲利普·雷格纳特（3）、斯特凡尼亚·斯科切拉（1）*, 洛里亚诺·斯托奇（1）1意大利佩斯卡拉G.D\'Annunzio Chieti大学药学系2。意大利安科纳马奇理工大学管理系3。法国兰斯兰斯香槟阿登大学数学实验室。摘要在本文中，我们提出了一种基于分段齐次马尔可夫链的信用评级方法和信用利差的多元模型来评估欧盟（EU）的金融风险。考虑了两个主要方面：金融风险在欧洲国家之间的分布情况以及Howlage是总风险的价值。第一个方面通过动态熵测度的预期值进行评估。第二个问题通过计算总信用利差随时间的演变来解决。此外，国家间总传播的协方差可以理解欧盟内的任何传染。该方法适用于穆迪、标准普尔和惠誉三大评级机构24个欧洲国家的实际数据。获得的结果表明，金融风险不平等和总风险的价值都以不同的速度增长，这取决于评级机构，并且依赖结构的特点是大多数欧洲国家之间具有很强的相关性。关键词：主权信用评级、马尔可夫过程、不平等动态测度、Copula、变化点1简介在发生一些主权违约和金融危机后，主权证券的利息增加了。特别是，考虑到各国一体化所带来的经济和金融影响，欧元区已成为主要利益所在。

根据我们之前的工作（[14]-[15]），我们的目标是深入了解欧洲国家经济联盟产生的财务影响。具体而言，我们关注每个国家和整个欧洲联盟的财务风险。我们将金融风险称为各国面对其金融义务的能力。用信用价差的金额表示*通讯作者：Stefania Scocchera，电子邮件：Stefania。scocchera@unich.itdepends主权信用评级分配。特别是，我们想回答两个主要问题。第一个问题涉及这种风险在欧洲国家的分布。第二个是指整个国家所面临的风险的大小。因此，本工作的目的是了解金融风险的行为，重点是其总规模的演变和评估国家间风险分布的不平等性。欧盟已针对不同的问题进行了分析。例如，在【23】中调查了公共债务及其所有权；在[1]中，作者研究了几个欧元区国家违约风险的依赖性。而收入不平等的问题在[7]中得到了解决。[18]和[3]分析了一些成员国退出后欧洲结构的变化。金融文献[10]和[21]强调了评级动态对信用利差演变的影响，主要涉及行业部门。信贷息差演变的另一个依赖来源可以在【11】中找到。在这项工作中，作者提出了一种二元半马尔可夫回报方法来包含对应的信用风险。其他的工作建议应用copula来捕获依赖关系，参见【12】、【16】、【17】和【28】。然而，这些应用程序并不涉及信用利差建模。

关于信用评级研究，评级建模包括马尔可夫过程（见[2]-[4]-[22]-[24]）和半马尔可夫过程（见[6]、[9]amd[25]）。此外，主权信用评级已通过马尔可夫过程建模（参见，例如[20]、[19]、[26]）。信息理论也适用于经济和金融问题。特别是，动态质量指标可以在[13]中找到，作者提出了共同贫困指数的动态扩展。在文献[7]中，作者提出了一种基于泰尔指数的收入不平等动态测度，并在文献[8]中相继提出了该测度的分解。我们提出的用于评估金融风险的不平等性度量基于最后两个贡献。有趣的是，我们正在研究的主题从未在金融文献中出现过。我们在现有文献的基础上提出了一种基于copula的马尔可夫回报方法来建模信用利差动态并评估金融风险。特别是，我们提出的问题通过评估用于衡量金融不平等的动态泰尔指数和计算欧盟总风险量化的总信用利差来解决。此外，通过各国总信用利差之间的协方差，对依赖结构进行了分析。该模型已在穆迪、标准普尔和惠誉三家评级机构实施，以确定评级分配过程的差异是否存在差异。获得的结果表明：尽管价值观随着时间的推移会发生不同的变化，但未来三家机构的财务不平等都会加剧。

总财务风险也随着评级机构的不同而增加；受抚养人结构的特点是国家之间具有很强的相关性。本文的结构如下：第二部分分析数据，第三部分描述模型。第4节介绍了为评估金融风险而计算的指标，即动态不平等测度、总信用利差和各国总信用利差之间的协方差。第5节讨论了实证结果，然后是总结性评论。2数据分析我们的研究目标是提供一个能够衡量一组国家（或金融实体）金融风险不平等的模型，并评估总风险的时间演变。为此，我们将注意力集中在欧洲国家，并收集了两个主要金融变量的数据：主权信用评级和信用利差。主权信用评级是衡量一个国家信用风险的顺序指标。它体现了一个国家面对其财政承诺的能力。信贷息差也是可以收取的，它们是各国利率之间的差额。众所周知，信用利差取决于主权信用评级分配，参见例如[15]。穆迪、标准普尔和惠誉三家主要评级机构对欧洲国家的主权信用评级已经收集。因此，我们构建了三个不同的数据集，每个评级机构一个，每天收集1998年11月23日至2018年6月26日的评级历史。

这些数据是从传统经济学网站收集的，分为八个等级，如表1所示。评级等级1是最佳的评级分配，这意味着发行人拥有一个例外主体的Aaa Aa A Baa Ba B Caa Ca CS&P Aaa Aa A BBB BBB CCC-CC-C SD DFitch Aaa A BBB BBB CCC-CC-C RD。表1：各评级机构的评级等级划分具有强大的能力来应对其财务承诺。较低的信用评级，即2。。。，7、暗示发行人逐渐无法面对其财务承诺。排名8表示财务违约。由于并非所有欧洲国家都能获得所有数据，因此样本由24个成员国组成：比利时、保加利亚、捷克共和国、德国、丹麦、爱尔兰、希腊、西班牙、法国、克罗地亚、意大利、立陶宛、匈牙利、马耳他、荷兰、奥地利、波兰、葡萄牙、罗马尼亚、斯洛文尼亚、斯洛伐克、芬兰、瑞典、英国。评级分配几乎是稳定的，事实上很少有转换。我们观察到1998/2007、2008/2014、2015/2018年标准普尔评级上调55.18、10.34、34.48、评级下调6.25、78.12、15.63穆迪评级上调66.67、4.16、19.17、评级下调0.88、11.11惠誉评级上调64.29、10.71、25、12.5、78.13、9.37表2：所有评级机构的评级上调/下调分布（%）标准普尔、穆迪和惠誉分别为61、51、60。特别是，升级/降级（过渡到更好/更低的评级级别）集中在不同的时期。表2显示了所有国家根据三家评级机构在三个分时期（1998-2007年、2008-2014年、2015-2018年）中的任务经历的升级/降级百分比。根据表2，评级下调主要集中在2008年至2014年期间，涵盖了金融危机和希腊危机：标准普尔评级下调78.12%，穆迪评级下调88.89%，惠誉评级下调78.13%。

另一方面，标准普尔、穆迪和惠誉在2008年之前分别观察到55.18%、66.67%和64.29%的升级。而其余的升级主要集中在2015年至2018年间。图1显示了穆迪评级上调和下调的时间。可以看出，2008年之前没有降级，2008-2014年期间的上调比例低于其他评级机构。500 1000 1500 2000 2500 3000 3500 4000 4500 5000次（天）-1012345次升级（+）/降级（-）穆迪数据的升级/降级次数降级支持图1：穆迪数据观察到的升级/降级次数。我们需要的第二个变量是信贷利差。一般来说，信贷利差是由利率和基准之间的差额得出的。我们用来计算信贷息差的基准是所有欧洲国家支付的利率中的最小值。这一选择背后的原因是，有些国家的利率低于德国。因此，它可以避免负息差。因此，信贷利差可以解释为，与理想情况下国家支付最低价值相比，特定国家支付的较高风险的溢价。因此，主权ZF债券的长期利率是从投资中收取的。com网站，每日规模。这些数据仅从2010年4月26日起适用于所有国家。因此，观测期介于该日期和2018年6月26日之间。图2显示了观察期内欧盟支付的利率和信用利差的演变。在2011年底和2012年初左右达到峰值后，这两个指标都呈现下降趋势。

它们之间的差异在2012年之前是相关的，然后下降，这表明最小值随着时间的推移而下降。这种差异实际上等于利率的最小值乘以被考虑国家的数量。此外，对利差时间序列的分析表明，欧洲国家之间存在正相关，大多数国家之间的相关系数大于0，5。然而，丹麦、瑞典和英国是例外。根据图3，这些国家与所有其他国家呈负相关，但它们之间呈正相关。图42011 2012 2013 2014 2015 2016 2017 2018时间（天）010203040506070809010120130140150160总利率总信用利差图2：观察到的总信用利差和总利率的演变显示了两个不同国家分组和整个分组之间估计的相关系数。左图为保加利亚、捷克共和国和斯洛文尼亚，右图为比利时、德国和意大利。保加利亚、捷克共和国和斯洛文尼亚作为第二组与所有其他国家（丹麦、瑞典和英国除外）呈正相关。然而，第一组的正/负相关性小于/高于第二组。上述数据的特点促使我们提出了一个模型，该模型概括了我们之前的工作（见[15]和[14]）。评级动态根据分段齐次马尔可夫链建模，以包括评级动态的变化，并解释表1所示的不同行为。此外，将描述国家间传播演变及其依赖性的随机过程包括在内，使得国家间具有高度相关性。

下一节将详细介绍拟议的方法。3建模评级和信用利差动态设C为一组N个国家。在任何时候t∈ N（离散时间可指月、周或天，取决于研究的粒度），每个国家c∈ C受金融机构监管；其评级分配xc（t）属于有序集E：={1，2，…，D}，其中D表示可能的评级分配的数量。一个国家的评级分配旨在反映该国的财政可行性，并源于该国的财政、经济、规模和政治状况。正如通常在信用评级研究中所做的那样，序列xc（t），c∈ 假设C是随机过程Xc的具体化：=（Xc（t））t∈N、 c类∈ C同时，c国可以向金融机构（或私人投资者）借款，直至适用利率irc（t）。同样，序列irc（t），c∈ C，被假定为随机过程的实现IRc：=值得注意的是，我们只表示这些子集，因为它们代表整个组。其余国家的相关结构类似于比利时、意大利和德国，以及保加利亚、捷克共和国和斯洛文尼亚。

而第一组有不同的结构。请参见上述三家机构网站上的评级政策-0,8-0,6-0,4-0200,20,40,60,81BEBGCzdedkielesfrhritlthumtnlatplptrosiskfiseukdk SE UK图3：丹麦（黑线）、瑞典（虚线）、英国（灰线）和所有其他国家之间信贷利差时间序列的相关系数。BE：比利时，BG：保加利亚，CZ：捷克共和国，DE：德国，DK：丹麦，IE：爱尔兰，EL：希腊，ES：西班牙，FR：法国，HR：克罗地亚，IT：意大利，LT：立陶宛，HU：匈牙利，MT：马耳他，NL：荷兰，AT：奥地利PL：波兰，PT：葡萄牙，RO：罗马尼亚，SI：斯洛文尼亚，SK：斯洛伐克，FI：芬兰，SE：瑞典，英国：英国-0,8-0,6-0,4-0200,20,40,60,81BEBGCzdedkielesfrritlthumtnlaptrosiskfiseukbg CZ SI-0,8-0,6-0,4-0200,20,40,60,81BEBGCzdedkielesfrrithumtnlaptrosiskfiseukbe DE It图4：左面板：布尔加拉（虚线）、捷克共和国（黑线）、斯洛文尼亚（灰线）和所有其他国家之间信贷利差时间序列的相关系数。右面板：比利时（黑线）、德国（虚线）、意大利（灰线）和所有其他国家之间的相关系数。（IRc（t））t∈N、 根据利率，我们得出信贷利差sc（t），c∈ C在任何时候t：对于国家C而言，它是在时间t支付的利率（irc（t））与所有利率中的最小值之间的差额。精确地说，sc（t）：=irc（t）- 介意∈C{ird（t）}，（1）或者，就过程而言，Sc：=IRc- 介意∈CIRd。过程xc和Scevolve共同作用：对c国不利，机构评级低，利率高，信用利差可能高（如果支付最低价值的国家的情况不那么不利）。现在让我们描述评级和信用利差过程的建模。