[논문 리뷰] Default Clustering in Large Portfolios: Typical and Atypical Events

Kay Giesecke, Konstantinos Spiliopoulos외 1명|arXiv (Cornell University)|2011. 04. 10.

Credit Risk and Financial Regulations인용 수 3

한 줄 요약

이 논문은 대규모 포트폴리오에서 상관관계 있는 디폴트 발생 시점에 대해 동적 포인트 프로세스 모델을 제안한다. 여기서 디폴트 강도는 개별적 위험, 체계적 위험, 그리고 과거의 디폴트에 의존한다. 이 논문은 대규모 포트폴리오의 한계에서 디폴트 비율에 대한 대수의 법칙을 수립하여 일반적인 디폴트 행동을 특성화한다.

ABSTRACT

We develop a dynamic point process model of correlated default timing in a portfolio of firms, and analyze default profiles in the limit as the size of the pool grows. In our model, a firm defaults at a stochastic intensity that is influenced by an idiosyncratic risk process, a systematic risk process common to all firms, and past defaults. We prove a law of large numbers for the default rate in the pool, which describes the typical behavior of defaults.

연구 동기 및 목표

• 공동 위험과 기업별 위험에 영향을 받는 확률적 강도를 사용하여 대규모 포트폴리오에서 상관관계 있는 디폴트 발생 시점 모델링.
• 포트폴리오 규모가 커질수록 디폴트 비율의 일반적 행동을 이해하는 것.
• 한계 정리(-limit theorem)를 활용하여 일반적인 디폴트 패턴과 드문, 이례적인 디폴트 사건을 구분하는 것.
• 대규모 설정에서 과거 디폴트가 현재 디폴트 강도에 미치는 영향을 체계적으로 기술하는 것.

제안 방법

• 각 기업의 디폴트를 개별적 위험 프로세스, 공통의 체계적 위험 요인, 누적 과거 디폴트에 의해 영향을 받는 강도를 갖는 포인트 프로세스로 모델링한다.
• 대규모 포트폴리오 크기의 한계에서 집합적 디폴트 비율을 기술하기 위해 평균장 근사( mean-field approximation)를 사용한다.
• 포인트 프로세스에 대한 대수의 법칙을 적용하여 디폴트 비율의 결정론적 한계를 도출한다.
• 과거 디폴트의 피드백을 강도 프로세스에 통합하여 클러스터링 효과를 포착한다.
• 체계적 위험과 디폴트 피드백에 의해 구동되는 확률미분방정식의 해로 한계 디폴트 비율을 특성화한다.

실험 결과

연구 질문

• RQ1 상관관계 있는 디폴트 발생 시점 하에서 대규모 포트폴리오에서 일반적인 디폴트 비율 행동은 어떠한가?
• RQ2 대규모 풀에서 과거 디폴트는 현재 디폴트 강도에 어떻게 영향을 미치는가?
• RQ3 체계적 위험은 집합적 디폴트 역학을 어떻게 형성하는가?
• RQ4 개별적 위험은 일반적인 디폴트 패턴에서의 이탈을 어떻게 기여하는가?
• RQ5 대규모 포트폴리오에서 일반적인 디폴트 클러스터링과 드문, 이례적인 디폴트 사건을 무엇이 구분하는가?

주요 결과

• 포트폴리오 규모가 커질수록 디폴트 비율은 거의 확실히 결정론적 한계로 수렴하며, 이는 일반적인 디폴트 행동을 묘사한다.
• 한계 디폴트 비율은 체계적 위험과 과거 디폴트 피드백을 통합한 확률미분방정식에 의해 지배된다.
• 과거 디폴트는 현재 디폴트 강도를 크게 증폭시켜 일반 경로에서 클러스터링 효과를 생성한다.
• 한계 디폴트 비율의 안정성에 기반하여 모델은 일반적인 디폴트 패턴과 드문, 이례적인 사건을 구분한다.
• 강도 프로세스에 대한 온건한 정규성 조건 하에서 디폴트 프로세스에 대한 대수의 법칙이 성립한다.