MétaCan
Menu
Retour à la cohorte
Enregistrement W2302319116 · doi:10.3386/w22096

Macroeconomic-Driven Prepayment Risk and the Valuation of Mortgage-Backed Securities

2016· report· en· W2302319116 sur OpenAlexaff
Mikhail Chernov, Brett R. Dunn, Francis A. Longstaff

Notice bibliographique

RevueNational Bureau of Economic Research · 2016
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPrepayment of loanCommercial mortgage-backed securityValuation (finance)BusinessMortgage underwritingActuarial scienceFinancial economicsFinancial systemFinanceEconomicsMortgage insurance

Résumé

récupéré en direct d'OpenAlex

We introduce a reduced-form modeling framework for mortgage-backed securities in which we solve for the implied prepayment function from the cross section of market prices. From the implied prepayment function, we find that prepayment rates are driven not only by interest rates, but also by two macroeconomic factors: turnover and rate response. Intuitively, turnover represents prepayments for exogenous reasons like employment-related moves, household income shocks, and foreclosures, while rate response reflects frictions faced by borrowers in refinancing into a lower rate. We find that the empirical turnover and rate response measures are both significantly related to macroeconomic measures, suggesting that these factors represent a source of systematic risk. Consistent with this, we find that implied prepayments are substantially higher than actual prepayments, providing direct evidence of significant prepayment risk premia in mortgage-backed security prices. We analyze the properties of the prepayment risk premium and find that it is almost entirely due to compensation for turnover risk. We also find evidence that mortgage

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,927
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,311
Tête enseignante GPT0,437
Écart entre enseignants0,126 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetHousing Market and EconomicsTravaux en français237 207