MétaCan
Menu
Retour à la cohorte
Enregistrement W3125836160

A Reduced Form Model of Default Spreads with Markov Switching Macroeconomic Factors

2007· preprint· en· W3125836160 sur OpenAlexaff
Georges Dionne, Geneviève Gauthier, Khemais Hammami, Mathieu Maurice, Jean‐Guy Simonato

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésBondEconomicsEconometricsCorporate bondCredit riskCouponCredit default swapMarket liquidityMonetary economicsCredit default swap indexMarkov chainCredit spread (options)Financial economicsCredit valuation adjustmentMathematicsActuarial scienceStatisticsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

An important research area of the corporate yield spread literature seeks to measure the proportion of the spread explained by factors such as the possibility of default, liquidity or tax differentials. We contribute to this literature by assessing the ability of observed macroeconomic factors and the possibility of changes in regime to explain the proportion in yield spreads caused by the risk of default in the context of a reduced form model. For this purpose, we extend the Markov Switching risk-free term structure model of Bansal and Zhou (2002) to the corporate bond setting and develop recursive formulas for default probabilities, risk-free and risky zero-coupon bond yields. The model is calibrated out of sample with consumption, inflation, risk-free yield and default data over the 1987-1996 period. Our results indicate that inflation is a key factor to consider for explaining default spreads during our sample period. We also find that the estimated default spreads can explain up to half of the 10 year to maturity Baa zero-coupon yield in certain regime with different sensitivities to consumption and inflation through time.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,052
Tête enseignante GPT0,298
Écart entre enseignants0,246 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetCredit Risk and Financial RegulationsTravaux en français237 207