| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.03 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
This dissertation analyses whether a modified version of the EBIT-based structural model by
(Goldstein, Ju, & Leland, 2001) is able to replicate the default metrics published by major credit
rating agencies in the case of banks. This research studies five European banks from 2001 until
2020. As the reference model focus on non-financial institutions, it was adapted to fit the
characteristics of banks. In particular, the assumption that firms have fixed financial costs was
replaced by the hypothesis that a fraction of banks’ non-interest costs are fixed. This share was
determined in order to match credit rating agencies average probabilities of default, which
equals 1.14% during our 20 years sample. After gathering all data, the model was calibrated
following the iterative approach, first proposed by (Vassalou & Xing, 2004). A regression of
the mean model probabilities of default and distances to default at each moment in time on the
equivalent ratings-implied measures showed an R-squared of 0.27 and 0.40, respectively.
Furthermore, this dissertation presents a panel data regression that assesses the fixed effects of
each bank. The significance test shows that the coefficients in all regressions are significant at
5% significance levels except the fixed effects associated with three banks. I concluded that the
model’s credit risk indicators are very comparable to the ratings given by credit rating agencies,
though the correlation is far from perfect.
O objetivo desta dissertação é analisar se uma versão modificada do modelo estrutural de (Goldstein, Ju, & Leland, 2001) é capaz de replicar as métricas de risco de crédito publicadas pelas principais agências de classificação de risco no caso de bancos. Esta pesquisa estuda cinco bancos europeus entre 2001 e 2020. Como o modelo de referência foi desenvolvido tendo por base empresas não financeiras, o modelo foi adaptado às características dos bancos. Em particular, a hipótese de que as empresas têm custos financeiros fixos foi substituída pela hipótese de que uma fração dos custos sem juros dos bancos são fixos. Esta parcela foi determinada para corresponder, em média, às probabilidades de incumprimento implícitas nos ratings das principais agências de classificação de risco de crédito, o que equivale a 1,14% durante a nossa amostra de 20 anos. Após a coleta de todos os dados, o modelo foi calibrado seguindo uma abordagem iterativa, inicialmente proposta por (Vassalou & Xing, 2004). Uma regressão das probabilidades de incumprimento e distâncias ao incumprimento médias resultantes do modelo em cada ano nas medidas comparáveis implícitas nos ratings mostrou um R-quadrado de 27% e 40%, respetivamente. Um modelo de regressão com dados em painel e efeitos fixos de cada banco mostra que os coeficientes de todas as regressões são significativos ao nível de confiança de 5%, os efeitos fixos associados a três bancos. Em suma, concluiu-se que os indicadores de risco de crédito do modelo são comparáveis aos ratings dados pelas agências de classificação de crédito, ainda que a correlação esteja longe de ser perfeita.
O objetivo desta dissertação é analisar se uma versão modificada do modelo estrutural de (Goldstein, Ju, & Leland, 2001) é capaz de replicar as métricas de risco de crédito publicadas pelas principais agências de classificação de risco no caso de bancos. Esta pesquisa estuda cinco bancos europeus entre 2001 e 2020. Como o modelo de referência foi desenvolvido tendo por base empresas não financeiras, o modelo foi adaptado às características dos bancos. Em particular, a hipótese de que as empresas têm custos financeiros fixos foi substituída pela hipótese de que uma fração dos custos sem juros dos bancos são fixos. Esta parcela foi determinada para corresponder, em média, às probabilidades de incumprimento implícitas nos ratings das principais agências de classificação de risco de crédito, o que equivale a 1,14% durante a nossa amostra de 20 anos. Após a coleta de todos os dados, o modelo foi calibrado seguindo uma abordagem iterativa, inicialmente proposta por (Vassalou & Xing, 2004). Uma regressão das probabilidades de incumprimento e distâncias ao incumprimento médias resultantes do modelo em cada ano nas medidas comparáveis implícitas nos ratings mostrou um R-quadrado de 27% e 40%, respetivamente. Um modelo de regressão com dados em painel e efeitos fixos de cada banco mostra que os coeficientes de todas as regressões são significativos ao nível de confiança de 5%, os efeitos fixos associados a três bancos. Em suma, concluiu-se que os indicadores de risco de crédito do modelo são comparáveis aos ratings dados pelas agências de classificação de crédito, ainda que a correlação esteja longe de ser perfeita.
Description
Keywords
Structural model Banks Credit ratings Default prediction Credit risk Modelo estrutural Classificações de crédito Previsão de insolvência Risco de crédito