×
马修·麦卡迪尔;Jean-Pierre拉迪

使用随机森林回归进行信用利差近似和改进。 （英语） Zbl 1431.91415号

欧洲药典。物件。 277，第1号，351-365（2019）.
概述：信用违约互换（CDS）水平提供了公司违约风险的市场增值。这些导数并非总是可用的，因此需要CDS近似值。本文提供了一个简单、全局和透明的CDS结构近似，与当前使用的更复杂和专有的近似相比。根据基于2016-2018年大样本的实证分析，受CreditGrades的启发，这种股权信贷公式（E2C）获得了更好的CDS近似值。使用此E2C公式和选定的其他财务数据进行随机森林回归，CDS近似值的样本外准确率为87.3%。该算法的透明性证实了E2C估计的优势，以及公司债务评级和规模对预测其CDS的影响。

引用于2文件

MSC公司：

91G40型 信用风险
9120国集团 衍生证券（期权定价、对冲等）

关键词：

风险分析;金融;结构模型;随机森林;信用违约互换

软件：

Stata公司;马特普洛特利布;Scikit公司;随机森林;数字Py;SegNet公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Mercadier}和\textit{J.-P.Lardy}，欧洲期刊Oper。第277号决议，第1号，351--365（2019年；Zbl 1431.91415）
全文： 内政部 arXiv公司

参考文献：

[1] 艾哈迈德，M.W。；穆尔希德，M。；Rezgui，Y.，《树木与神经元：随机森林与人工神经网络在建筑能耗高分辨率预测中的比较，能源与建筑》，14777-89（2017）
[2] Ando，T.，贝叶斯公司债券定价和信用违约掉期溢价模型，用于推导违约概率和恢复率，运筹学学会杂志，65，454-465（2014）
[3] Badrinarayan，V。；肯德尔，A。；Cipolla，R.，SegNet:用于图像分割的深度卷积编码器-解码器架构，IEEE模式分析和机器智能汇刊，39，2481-2495（2017）
[4] 巴萨克，S。；卡尔·S。；萨哈，S。；Khaitem，L。；Roy Dey，S.，使用基于树的分类器预测股市价格的方向，《北美经济与金融杂志》，第47期，第552-567页（2019年）
[5] Behr，A。；Weinblat，J.，《七个欧盟国家的违约模式：随机森林方法》，《国际商业经济学杂志》，24，2，181（2017）
[6] 黑色，F。；Cox，J.，《公司证券估值：债券契约规定的一些影响》，《金融杂志》，第31期，第351-367页（1976年）
[7] Breiman，L.，打包预测，机器学习，24123-140（1996）·Zbl 0858.68080号
[8] Breiman，L.，《随机森林》，机器学习，45，5-32（2001）·Zbl 1007.68152号
[9] 布雷曼，L。；弗里德曼，J。；斯通，C.J。；Olshen，R.A.，分类和回归树（1984），沃兹沃斯和布鲁克斯·Zbl 0541.62042号
[10] 布鲁姆豪斯，R。；Luo，Z.，基于机器学习技术的CDS率构建方法，伦敦经济学院统计系邀请演讲（2017年3月7日），1-51（2017），SSRN期刊：https://papers.ssrn.com/sol3/papers.cfm？abstract_id=2967184
[11] Chalamandaris，G。；Vlachogiannakis，N.，财务比率与交易信用风险相关吗？CDS市场的证据，《运营研究年鉴》，266395-440（2018）·Zbl 1404.62102号
[12] Chebyshev，P.L.，Des valeurs moyennes，《数学与应用杂志》，第12期，177-184页（1867年）
[13] 续，R。；Minca，A.，《信用违约掉期和系统风险》，《运营研究年鉴》，247523-547（2016）·Zbl 1406.91471号
[14] Eom，Y.H。；Helwege，J。；Huang，J.-Z.，公司债券定价的结构模型：实证分析，金融研究综述，17499-544（2004）
[15] 埃斯科瓦尔，M。；Arian，H。；Seco，L.，随机协方差模型中的信用等级框架，《数学金融杂志》，2303-314（2012）
[16] 费尔南德斯·德尔加多，M。；Cernadas，E。；巴罗，S。；Amorim，D.，我们需要数百个分类器来解决现实世界的分类问题吗？，机器学习研究杂志，15，3133-3181（2014）·Zbl 1319.62005号
[17] 手指，C.C。；Lardy，J.P。；芬克尔斯坦，V。；潘·G。；Ta，T.等人。；Tierney，J.，信用等级，技术报告（2002年），风险计量集团
[18] Python软件基金会（2016）。Python 3.6.0文档。https://docs.python.org/3.6/; Python软件基金会（2016）。Python 3.6.0文档。https://docs.python.org/3.6/
[19] Friedman，J.H.，《贪婪函数近似：梯度提升机器》，《统计年鉴》，29，5，1189-1232（2001）·Zbl 1043.62034号
[20] Gauss，C.F.，《理论组合是观察到的微小令人厌恶的错误（之前的部分）》，4，3-26（1821）
[21] 瓜林，A。；刘，X。；Ng，W.L.，《使用无网格方法增强信用违约掉期估值》，《欧洲运筹学杂志》，214805-813（2011）·Zbl 1219.91139号
[22] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素》（2009），《统计学中的斯普林格系列》·Zbl 1273.62005年
[23] Ho，T.K.，《随机决策森林》，第三届文件分析和识别国际会议论文集，278-282（1995）
[24] Ho，T.K.，构建决策林的随机子空间方法，IEEE模式分析和机器智能汇刊，20832-844（1998）
[25] 亨特，J。；Dale，D.，《matplotlib用户指南》，《技术报告》（2007年），R Cran
[26] Imbierowicz，B。；Cserna，B.，信用违约互换市场的效率如何？基于结构定价模型的资本结构套利实证研究，第21届澳大利亚金融与银行会议2008年论文（2008），SSRN期刊：https://papers.ssrn.com/sol3/papers.cfm？abstract_id=1099456
[27] Iresberger，F。；魏斯，G。；Gabrisch，J。；Gabrisch，S.，《流动性尾部风险和信用违约掉期利差》，《欧洲运筹学杂志》，269，1137-1153（2018）·兹比尔1390.91313
[28] Koutmos，D.，《欧盟CDS利差之间的相互依赖性：希腊是害群之马还是黑天鹅？》？，运筹学年鉴，266441-498（2018）·Zbl 1404.62142号
[29] 克劳斯，C。；Do，X.A。；哈克，N.，《深层神经网络、梯度树、随机森林：标准普尔500指数的统计套利》，《欧洲运筹学杂志》，259689-702（2017）·Zbl 1395.91514号
[30] Lardic，S。；Rouzeau，E.，在法国公司债券市场上实施默顿模型，AFFI会议记录（1999年）
[31] LeCun，Y.（2012）。学习不变特征层次。计算机科学课堂讲稿（包括人工智能子系列课堂讲稿和生物信息学课堂讲稿）《计算机视觉》，ECCV 2012——研讨会和演示，会议录。第1部分编辑，第7583卷LNCS。第496-505页。；LeCun，Y.（2012）。学习不变特征层次。计算机科学课堂讲稿（包括人工智能子系列课堂讲稿和生物信息学课堂讲稿）《计算机视觉》，ECCV 2012——研讨会和演示，会议录。第1部分第7583卷LNCS。第496-505页。
[32] Lévy，P.，Sur certains processus stochastiques homogènes，Compositio Mathematica，7，283-339（1940）
[33] Liaw，A。；Wiener，M.，《随机森林分类与回归》，R News，2，3，18-22（2002）
[34] 刘，M。；王，M。；Wang，J。；Li，D.，用于电子舌数据分类的随机森林、支持向量机和反向传播神经网络的比较：在桔子饮料和中国醋识别中的应用，传感器和执行器B:化学，177970-980（2013）
[35] McKinney，W.，《蟒蛇统计计算的数据结构》，第九届科学会议《蟒蛇会议论文集》，445，51-56（2010）
[36] Merton，R.，《企业债务定价：利率的风险结构》，《金融杂志》，第29期，第449-470页（1974年）
[37] Nyman，R.和Ormerod，P.（2016）。使用机器学习算法预测经济衰退。康奈尔大学图书馆（工作文件）1月。arxiv:1701.01428；Nyman，R.和Ormerod，P.（2016）。使用机器学习算法预测经济衰退。康奈尔大学图书馆（工作文件）1月。arxiv:1701.01428号
[38] 奥皮茨，D。；Maclin，R.，《流行集成方法：实证研究》，《人工智能研究杂志》，11，169-198（1999）·Zbl 0924.68159号
[39] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；Grisel，O.，Scikit-learn:《蟒蛇中的机器学习》，《机器学习研究杂志》，第12期，第2825-2830页（2011年）·Zbl 1280.68189号
[40] 佩克斯，W.，《高斯不等式的简单证明》，《斯台普因精算学会杂志》，第7期，第138-41页（1947年）
[41] Rodrigues，M.和Agarwal，V.（2011年）。结构模型在信贷利差定价中的表现。中西部金融协会2012年年度会议文件（第1-26页）。SSRN日志：https://papers.ssrn.com/sol3/papers.cfm？抽象id=1929177; 罗德里格斯（Rodrigues，M.）和阿加瓦尔（Agarwal，V.）（2011年）。结构模型在信贷利差定价中的表现。中西部金融协会2012年年度会议文件（第1-26页）。SSRN日志：https://papers.ssrn.com/sol3/papers.cfm？abstract_id=1929177
[42] 罗德里格斯·加利亚诺（Rodriguez-Galiano，V.）。；桑切斯·卡斯蒂略，M。；Chica-Olmo，M。；Chica-Rivas，M.，《矿产远景的机器学习预测模型：神经网络、随机森林、回归树和支持向量机的评估》，《矿石地质评论》，71804-818（2015）
[43] Roy，A.D.，《安全第一与资产持有》，《计量经济学》，第20期，第431-449页（1952年）·Zbl 0047.38805号
[44] 桑吉内托，E。；纳比，M。；库里布博士。；Sebe，N.，《用于弱监督对象检测的自定进度深度学习》，IEEE模式分析和机器智能汇刊，PP，1-10（2018）
[45] Santos，K.（2008）。企业信用评级：快速指南。https://www.司库.org/ACTmedia/ITCCMFcorpcreditguide.pdf; Santos，K.（2008）。企业信用评级：快速指南。https://www.司库.org/ACTmedia/ITCCMFcorpcreditguide.pdf
[46] Schönbucher，P.J.，《信贷衍生品定价模型》（2003），威利金融
[47] Sepp，A.，《具有随机波动和跳跃的扩展信用等级模型》，Wilmott Magazine，50-62（2006）
[48] Shwartz-Ziv，R。；Tishby，N.，《通过信息打开深度神经网络的黑箱》（2017），arxiv:1703.00810
[49] Stamicar，R。；Finger，C.C.，《将股权衍生品纳入信用等级模型》，《信贷风险杂志》，第2、1、3-29页（2006年）
[50] StataCorp（2013）。统计13。https://www.stata.com/stata13/; StataCorp（2013）。统计13。https://www.stata.com/stata13/
[51] 孙，Y。；Yen，G.G。；Yi，Z.，用于学习有意义表示的进化无监督深层神经网络，IEEE进化计算汇刊，PP，1-10（2018）
[52] 田中，K。；Kinkyo，T。；Hamori，S.，《基于随机森林的银行倒闭预警系统》，《经济学快报》，148118-121（2016）
[53] Teixeira，J.C.A.，《企业债务定价结构模型的实证分析》，应用金融经济学，17，14，1141-1165（2007）
[54] Vasicek，O.A.，贷款组合损失概率（1987），KMV公司
[55] 沃尔特，S.V.D。；科尔伯特，S。；Varoquaux，G.，《numpy数组：高效数值计算的结构》，《科学与工程计算》，第13期，第22-30页（2011年）
[56] Yeh，C.C。；林，F。；Hsu，C.Y.，混合KMV模型、随机森林和粗糙集理论信用评级方法，基于知识的系统，33，166-172（2012）
[57] Zhou，C.，《信贷风险建模和违约证券估值的跳跃式方法》，《金融和经济讨论论文1997/15》（1997）
[58] 周，C.，《违约相关性和多重违约分析》，《金融研究评论》，14，2，555-576（2001）
[59] 周川，“具有跳跃风险的信用利差期限结构”，《银行与金融杂志》，2015年第25期，第2040页（2001年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。