Modeling frailty-correlated defaults using many macroeconomic covariates
利用多种宏观协变量建模潜在脆弱性相关违约AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确讨论极端违约损失、观测与潜在风险因子，以及动态时间序列建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用多种宏观协变量建模潜在脆弱性相关违约
- 研究问题
- 控制大量宏观金融变量后，企业违约是否仍受动态潜在风险驱动，忽略该成分会如何影响违约波动与极端损失预测？
- 方法与思路
- 作者建立含观测风险因子和动态潜在脆弱性成分的时间序列面板框架，利用美国数据估计并开展样本外违约概率预测。
- 材料陈述的贡献
- 摘要称潜在成分仍显著，忽略它会低估违约波动及极端损失概率；样本外平均绝对误差较仅含观测因子的模型降低逾40%。
- 阅读关注点
- 应核对潜在成分的动态设定和识别、宏观协变量的信息压缩、组合尾部损失计算，以及样本外比较的信息时点。
- 阅读边界
- 仅依据RePEc所载出版社摘要；误差降幅为特定比较中的作者报告，潜在因子的经济解释和跨样本稳健性不能由摘要确认。
原文摘要
We propose a novel time series panel data framework for estimating and forecasting time-varying corporate default rates subject to observed and unobserved risk factors. In an empirical application for a U.S. dataset, we find a large and significant role for a dynamic frailty component even after controlling for more than 80% of the variation in more than 100 macro-financial covariates and other standard risk factors. We emphasize the need for a latent component to prevent a downward bias in estimated default rate volatility and in estimated probabilities of extreme default losses on portfolios of U.S. debt. The latent factor does not substitute for a single omitted macroeconomic variable. We argue that it captures different omitted effects at different times. We also provide empirical evidence that default and business cycle conditions partly depend on different processes. In an out-of-sample forecasting study for point-in-time default probabilities, we obtain mean absolute error reductions of more than forty percent when compared to models with observed risk factors only. The forecasts are relatively more accurate when default conditions diverge from aggregate macroeconomic conditions.