[論文レビュー] LGD credit risk model: estimation of capital with parameter uncertainty using MCMC

Xiaolin Luo, Pavel V. Shevchenko|arXiv (Cornell University)|Nov 12, 2010

Credit Risk and Financial Regulations参考文献 18被引用数 4

ひとこと要約

本稿では、拡張型LGDモデルにおけるパラメータの不確実性を定量化するためのベイジアンMCMC手法を提案しており、これが規制資本の見積もりに顕著な影響を及えることを示している。体系的デフォルト回収依存性をモデル化し、完全な事後分布を用いることで、本研究はパラメータの不確実性が、分散化効果が限定的な有限ポートフォリオにおいて特に顕著に必要な資本を大幅に増加させることを明らかにした。

ABSTRACT

This paper investigates the impact of parameter uncertainty on capital estimate in the well-known extended Loss Given Default (LGD) model with systematic dependence between default and recovery. We demonstrate how the uncertainty can be quantified using the full posterior distribution of model parameters obtained from Bayesian inference via Markov chain Monte Carlo (MCMC). Results show that the parameter uncertainty and its impact on capital can be very significant. We have also quantified the effect of diversification for a finite number of borrowers in comparison with the infinitely granular portfolio.

研究の動機と目的

• 体系的デフォルト・リカバリー依存性を有する拡張型損失率（LGD）モデルにおけるパラメータの不確実性が、資本見積もりに与える影響を評価すること。
• マーカフチェーン・モンテカルロ（MCMC）を用いたベイジアンフレームワークを構築し、モデルパラメータの完全な事後分布推定を行うこと。
• パラメータの不確実性が、点推定を超えて規制資本要件にどのように影響を与えるかを定量化すること。
• 分散化効果を考慮した場合、有限ポートフォリオと無限に細分化されたポートフォリオにおける資本要件を比較すること。
• LGDモデリングにおけるモデルパラメータの不確実性を組み込むことで、より強固で包括的なリスク評価を提供すること。

提案手法

• 体系的デフォルトとリカバリー率の間の依存性を考慮し、拡張型LGDモデルにおけるパラメータの完全な事後分布を推定するためのベイジアン推論を採用する。
• マーカフチェーン・モンテカルロ（MCMC）サンプリングを用いて事後分布からの抽出を行い、モデルパラメータの完全な不確実性定量化を可能にする。
• デフォルトとリカバリーの同時依存構造を、二変量分布またはコプーラベースのフレームワークを用いてモデル化し、システミックリスク要因を反映する。
• 資本見積もりを、パラメータの完全な事後分布を条件とした損失分布の99.9パーセンタイルとして導出することで、不確実性を反映する。
• 分散化効果が限定的な有限ポートフォリオと、無限に細分化されたケースとの間で資本要件を比較し、分散化の利益を定量化する。
• MCMCを用いて観測されたデフォルトおよびリカバリーのデータにモデルをキャリブレーションし、事後推定が実証的証拠を反映するようにする。

実験結果

リサーチクエスチョン

• RQ1 拡張型LGDモデルにおけるパラメータの不確実性は、推定される規制資本要件にどのように影響を与えるか？
• RQ2 MCMCによる完全な事後分布の使用は、点推定と比較して資本見積もりをどの程度改善するか？
• RQ3 パラメータの不確実性は、特に分散化が限定的な有限ポートフォリオにおいて、ポートフォリオサイズとどのように相互作用するか？
• RQ4 パラメータの不確実性のもとで、有限ポートフォリオにおける分散化の定量的影響は、無限に細分化されたケースと比較してどの程度か？
• RQ5 デフォルトとリカバリーの間の体系的依存性は、資本見積もりにおける不確実性の大きさにどのように影響を与えるか？

主な発見

• パラメータの不確実性は、推定される規制資本を顕著に増加させ、点推定では必要な資本バッファが著しく低く見積もられる可能性があることを示している。
• MCMCによる完全な事後分布の使用は、最尤推定や点推定から得られる値と比較して、モデルパラメータの不確実性が資本見積もりをより高めることを明らかにした。
• 有限ポートフォリオでは、分散化が限定的であるため、パラメータの不確実性が資本に与える影響が顕著に現れ、現実の銀行ポートフォリオにおいて不確実性の定量化が重要であることを示している。
• 本研究は、有限ポートフォリオと無限に細分化されたポートフォリオにおける資本要件の有意なギャップを定量化し、パラメータの不確実性を考慮した場合、前者が著しく高い資本要件を示すことを明らかにした。
• デフォルトとリカバリーの間の体系的依存性は、パラメータの不確実性が資本に与える影響を拡大させ、このような依存性を無視するとリスクが低く見積もられることを示している。
• ベイジアンMCMCフレームワークは、不確実性を一貫的かつ強固に定量化する手法を提供し、信用リスクモデルにおけるより正確で慎重な資本供与を可能にする。