| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.57 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
This dissertation aims to investigate whether structural models have the ability to improve the predictive power of logit models. For this purpose, the distance-to-default (DD) metric, obtained from a simplified version of the structural model by Eisdorfer, Goyal and Zhdanov (2019), is integrated as another explanatory variable into the logit model by Campbell, Hilscher & Szilagyi (2008). A data set of 7.257 non-financial US-firms between 1983 and 2019 is used. The performance of the combined model is evaluated in both, in- and out-of-sample across time horizons of 6, 12, 24 and 36 months. In the in-sample evaluation, the distance-to-default reached significance for all considered time-horizons and led to an increase of the McFadden pseudo-R2. However, in the out-of-sample evaluation, the total number of right predictions decreased in the additive model compared to the benchmark model. These results suggest that the introduction of DD does not improve the predictive power of the logit model. As it was reasonable to assume that large parts of the DD variable were already captured by other explanatory variables, a follow up test was performed that did not verify this assumption. Based on these results, it is overall concluded that the distance-to-default obtained from the simplified EGZ model is not able to improve the performance of the CHS logit model.
Esta dissertação visa investigar se os modelos estruturais têm a capacidade de melhorar o poder preditivo dos modelos logit. Para este efeito, a métrica de distância ao incumprimento (DD), obtida a partir de uma versão simplificada do modelo estrutural por Eisdorfer, Goyal e Zhdanov (2019), é integrada como outra variável explicativa no modelo logit por Campbell, Hilscher & Szilagyi (2008). É aplicado a um conjunto de 7.257 empresas não financeiras dos EUA entre 1983 e 2019. O poder preditivo é avaliado tanto in-sample como out-of-sample através de horizontes temporais de 6, 12, 24 e 36 meses. Na avaliação in-sample, a distância até ao incumprimento revelou-se significativa para todos os intervalos de tempo considerados e permitiu um aumento do pseudo-R2 McFadden. No entanto, na avaliação out-of-sample, o número total de previsões corretas diminuiu no modelo aditivo em comparação com o modelo de referência. Estes resultados sugerem que a introdução do DD não melhora o poder preditivo do modelo logit. Como era razoável supor que grande parte da variável DD já tinham sido capturada por outras variáveis explicativas, foi realizado um teste de seguimento que falsificou esta suposição. Com base nestes resultados, conclui-se que a distância ao incumprimento obtida a partir do modelo EGZ simplificado não é capaz de melhorar o desempenho do modelo logit CHS.
Esta dissertação visa investigar se os modelos estruturais têm a capacidade de melhorar o poder preditivo dos modelos logit. Para este efeito, a métrica de distância ao incumprimento (DD), obtida a partir de uma versão simplificada do modelo estrutural por Eisdorfer, Goyal e Zhdanov (2019), é integrada como outra variável explicativa no modelo logit por Campbell, Hilscher & Szilagyi (2008). É aplicado a um conjunto de 7.257 empresas não financeiras dos EUA entre 1983 e 2019. O poder preditivo é avaliado tanto in-sample como out-of-sample através de horizontes temporais de 6, 12, 24 e 36 meses. Na avaliação in-sample, a distância até ao incumprimento revelou-se significativa para todos os intervalos de tempo considerados e permitiu um aumento do pseudo-R2 McFadden. No entanto, na avaliação out-of-sample, o número total de previsões corretas diminuiu no modelo aditivo em comparação com o modelo de referência. Estes resultados sugerem que a introdução do DD não melhora o poder preditivo do modelo logit. Como era razoável supor que grande parte da variável DD já tinham sido capturada por outras variáveis explicativas, foi realizado um teste de seguimento que falsificou esta suposição. Com base nestes resultados, conclui-se que a distância ao incumprimento obtida a partir do modelo EGZ simplificado não é capaz de melhorar o desempenho do modelo logit CHS.
Description
Keywords
Credit risk Default prediction Distance-to-default Logit models Risco de crédito Previsão de insolvência Distância para o incumprimento Modelos logit