信用评级动力学和马尔可夫混合模型-研究论文

信用迁移矩阵是许多风险管理应用程序的基本输入。 因此，他们的准确估算至关重要。 我们探索了两种方法：队列和持续时间的两种变体-一种是施加的，另一种是松弛时间的同质性-以及由此产生的差异，二者均通过矩阵规范进行统计，并使用信贷组合模型进行经济性分析。 我们提出了一种基于奇异值比较这些矩阵的新指标，并将其应用于1981-2002年被标普评级的美国公司的信用评级历史中。 我们表明，自1990年代中期以来，迁移矩阵的“规模”一直在增加，从最活跃的意义上来说，2002年是“最大的”。 我们开发了一种使用自举技术的测试程序，以统计方式评估指标所代表的迁移矩阵之间的差异。 我们证明选择哪种估算方法实际上很重要：不同估算技术所隐含的经济信贷风险资本差异可能与经济体制，衰退与扩张之间的差异一样大。 通过使用队列方法来忽略持续时间方法中固有的效率增益，比施加时间均质性（可能是错误的）假设更具破坏性。