Probability of default modelling using macroeconomic factors

• Název práce v češtině: Odhad pravděpodobnosti selhání s využitím makroekonomických faktorů
• Název v anglickém jazyce: Probability of default modelling using macroeconomic factors
• Klíčová slova: Úvěrové riziko, Ekonomický cyklus, One-factor model, VAR
• Klíčová slova anglicky: Credit risk, Economic cycle, One-factor model, VAR
• Akademický rok vypsání: 2012/2013
• Typ práce: diplomová práce
• Jazyk práce: angličtina
• Ústav: Institut ekonomických studií (23-IES)
• Vedoucí / školitel: PhDr. Jakub Seidler, Ph.D.
• Řešitel: skrytý - zadáno vedoucím/školitelem
• Datum přihlášení: 20.05.2013
• Datum zadání: 20.05.2013
• Datum a čas obhajoby: 24.09.2014 11:30
• Místo konání obhajoby: IES
• Datum odevzdání elektronické podoby: 30.07.2014
• Datum proběhlé obhajoby: 24.09.2014
• Oponenti: PhDr. Mgr. Milan Rippel

Předběžná náplň práce

Koncept pravděpodobnosti selhání je klíčovým parametrem kreditního rizika pro odhad ztrát z poskytnutých úvěrů. V posledních letech se navíc stal důležitou součástí procesu k určení minimálních kapitálových požadavků pro banky, který používá postup IRB (internal-rated based). Ekonomický cyklus ovlivňuje schopnost dlužníků splácet své dluhy, proto jsou makroekonomické faktory důležitou součástí modelů, jež odhadují pravděpodobnost selhání dlužníka. Zvlášť pro malou otevřenou ekonomiku mohou být makroekonomické šoky zásadní a modelování pravděpodobnosti selhání by mělo zahrnovat makroekonomický vývoj. Tato práce tedy bude zkoumat několik modelů pravděpodobnosti selhání v české ekonomice na měsíčních datech inflace, úrokových měr, nezaměstnanosti, akciových indexů, růstu HDP (získaného z dat čtvrtletních) a dalších faktorů (navržených například v Chan-Lau (2006)). Hlavním zdrojem dat je databáze ARAD České národní banky. Dále bude práce modelovat a srovnávat pravděpodobnosti selhání v jednotlivých sektorech (domácnosti, firmy, vláda, finanční sektor a nerezidenti).
Používané budou hlavně modely Logit a Probit a latent factor model , který byl užit například v Rösch (2003), a který je založen na práci Merton (1974). V latent factor modelu se často používá normální rozdělení, ale Frey, McNeil and Nyfeler (2001) poukazují na to, že t-rozdělení může být daleko vhodnějším pro účely modelování pravděpodobnosti selhání, a proto tato práce bude zkoumat modely s oběma možnostmi. Kromě toho v období, které bude zkoumáno, zasáhla českou ekonomiku globální finanční krize, proto bude její dopad modelován a vyhodnocován pomocí vhodných dummy proměnných. V poslední části bude testována odolnost českého úvěrového trhu a perzistence pravděpodobnosti selhání pomocí citlivosti na změny v jednotlivých makroekonomických veličinách a metodologie VAR.

Předběžná náplň práce v anglickém jazyce

Probability of default (PD) is a key credit risk parameter for estimating credit losses. It has become even more important in the last decade, as it serves as an important input factor for determining the minimum capital requirements for banks using IRB (internal-rated based) approach. As ability of debtors to pay back their debts is influenced by economic cycle, macroeconomic factors play an important role in models estimating PD of particular debtor. Especially for a small open economy might by any macroeconomic shock even more important and PD modeling should be link to the macroeconomic developments. Thus, this thesis will examine several models of PD of Czech economy using monthly data for inflation, interest rate, unemployment, stock index, GDP growth (or its proxy derived from quarterly data) and other determinants (proposed for example in Chan-Lau (2006)). The main source of the data is ARAD database of Czech National Bank. Furthermore, the thesis will model and compare PD for individual sectors (households, corporate sector, government, financial sector and nonresidents) as well.
The main models used in the analysis will be Logit and Probit models and latent factor model applied for example by Rösch (2003) which is based on Merton (1974). In latent factor model, the normal distribution is often used, but Frey, McNeil and Nyfeler (2001) pointed out that the t-distribution might better capture the real situation therefore both distributions will be used for modelling. Moreover, during the examined period, the global markets including the Czech credit market were hit by the financial crisis. Thus, an impact of the crisis will be evaluated using appropriate dummy variables in each of the mentioned models. Finally, resilience of Czech credit market will be assessed according to the responses to changes in macroeconomic variables, and to make models more dynamic, VAR methodology will be used to test persistency of PD.

Core Bibliography:

Câmara, A., Popova, I., & Simkins, B. (2012). A comparative study of the probability of default for global financial firms. Journal of Banking & Finance, 36(3), 717-732.
Chan-Lau, J. (2006). Fundamentals-based estimation of default probabilities: A survey.
Frey, R., McNeil, A. J., & Nyfeler, M. (2001). Copulas and credit models. Risk, 10, 111-114.
Hamerle, A., Dartsch, A., Jobst, R., & Plank, K. (2011). Integrating macroeconomic risk factors into credit portfolio models. The Journal of Risk Model Validation (5), 3-24.
Jakubík P. (2006): Does Credit Risk Vary with Economic Cycles? The Case of Finland. Charles University in Prague – IES Working Paper, no. 11.
Jakubík, P. (2007): “Macroeconomic Environment and Credit Risk.” Czech Journal of Economics and Finance 57(1–2), pp. 41–59.
Karminsky, A., Kostrov, A., & Murzenkov, T. (2012). Comparison of Default Probability Models: Russian Experience. Higher School of Economics Research Paper No. WP BRP, 6.
Merton, R. C. (1974). On the pricing of corporate debt: The risk structure of interest rates*. The Journal of Finance, 29(2), 449-470.
Koopman, S. J., & Lucas, A. (2005). Business and default cycles for credit risk. Journal of Applied Econometrics, 20(2), 311-323.
Lowe, P. (2002). Credit risk measurement and procyclicality.
Pesaran, M. H., & Schuermann, T. (2003). Credit risk and macroeconomic dynamics. Medium Econometrische Toepassingen, 11(1), 27-32.
Rösch, D. (2003). Correlations and business cycles of credit risk: Evidence from bankruptcies in Germany. Financial Markets and Portfolio Management, 17(3), 309-331.
Simons, D., & Rolwes, F. (2009). Macroeconomic default modeling and stress testing. International Journal of Central Banking, 5(3), 177-204.