Multiperiod corporate default prediction—A forward intensity approach
多期企业违约预测：前瞻强度方法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：摘要直接研究企业违约概率及组合和经济层面的违约汇总，属于信用与系统性风险相关方向。
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…
关注这篇论文的作者
多期企业违约预测：前瞻强度方法
- 研究问题
- 如何预测企业在不同未来期限内的违约，并将企业层面的预测汇总到资产组合或经济层面的违约行为分析？
- 方法与思路
- 作者提出前瞻强度模型，用1991—2011年美国工业与金融企业月度样本进行最大伪似然分析，并纳入部分变量的动量信息。
- 材料陈述的贡献
- 摘要称，共同因素、企业属性及部分动量变量有助于多期限预测；短期预测较准确，延长至两三年后准确性有所下降。
- 阅读关注点
- 应核对前瞻强度与多期违约概率的关系、伪似然构造、预测验证和准确性指标，以及汇总分析如何处理企业间依赖。
- 阅读边界
- 仅据所给出版社摘要，预测准确性仅有定性描述，样本外划分、基准比较和汇总条件未说明；不能据此判断普遍预测优势。
原文摘要
A forward intensity model for the prediction of corporate defaults over different future periods is proposed. Maximum pseudo-likelihood analysis is then conducted on a large sample of the US industrial and financial firms spanning the period 1991–2011 on a monthly basis. Several commonly used factors and firm-specific attributes are shown to be useful for prediction at both short and long horizons. Our implementation also factors in momentum in some variables and documents their importance in default prediction. The model’s prediction is very accurate for shorter horizons. Its accuracy deteriorates somewhat when the horizon is increased to two or three years, but the performance still remains reasonable. The forward intensity model is also amenable to aggregation, which allows for an analysis of default behavior at the portfolio and/or economy level.