[논문 리뷰] LGD credit risk model: estimation of capital with parameter uncertainty using MCMC

Xiaolin Luo, Pavel V. Shevchenko|arXiv (Cornell University)|2010. 11. 12.

Credit Risk and Financial Regulations참고 문헌 18인용 수 4

한 줄 요약

이 논문은 확장된 LGD 모델에서 모수 불확실성을 정량화하기 위해 베이지안 MCMC 접근법을 제안하며, 이는 규제 자본 추정에 상당한 영향을 미친다. 체계적 디폴트-복구 상관관계를 모델링하고 전체 사후 분포를 사용함으로써, 본 연구는 모수 불확실성이 특히 다각화 효과가 제한된 유한 포트폴리오에서 요구 자본을 상당히 증가시킬 수 있음을 밝혀낸다.

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.

연구 동기 및 목표

• 체계적 디폴트-복구 상관관계가 있는 확장된 손실률(Loss Given Default, LGD) 모델에서 모수 불확실성이 자본 추정에 미치는 영향을 평가하기 위해.
• 모델 모수의 전체 사후 추론을 위한 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 기반의 베이지안 프레임워크를 개발하기 위해.
• 모수 불확실성이 점추정치를 초과하여 규제 자본 요구사항에 어떻게 영향을 미치는지 정량화하기 위해.
• 무한히 미세분할된 포트폴리오와 유한 포트폴리오 간의 자본 요구사항을 비교하여 다각화 효과를 고려하기 위해.
• LGD 모델링에서 모수 불확실성을 통합함으로써 더 견고하고 종합적인 위험 평가를 제공하기 위해.

제안 방법

• 확장된 LGD 모델의 모수 전체 사후 분포를 추정하기 위해 베이지안 추론을 적용하여, 디폴트율과 복구율 간의 체계적 의존성을 고려하기 위해.
• 모수의 전체 불확실성을 정량화하기 위해 사후 분포에서 샘플링하기 위해 마르코프 체인 몬테카를로(MCMC) 샘플링을 사용하기 위해.
• 체계적 리스크 요인을 반영하기 위해 이변량 또는 코풀라 기반 프레임워크를 사용하여 디폴트와 복구 간의 공동 의존 구조를 모델링하기 위해.
• 자본 추정치를 사후 분포 전체에 조건부한 손실 분포의 99.9번째 백분위수로 유도하여 불확실성을 반영하기 위해.
• 다각화 효과가 제한된 유한 포트폴리오의 자본 요구사항을 무한히 미세분할된 경우와 비교하여 다각화 혜택을 정량화하기 위해.
• 실제 관측된 디폴트 및 복구 데이터를 MCMC를 사용하여 校정하여 사후 추정치가 실증적 증거를 반영하도록 보장하기 위해.

실험 결과

연구 질문

• RQ1 확장된 LGD 모델에서의 모수 불확실성은 규제 자본 요구량에 어떻게 영향을 미치는가?
• RQ2 점추정치에 비해 MCMC를 통한 전체 사후 분포 사용이 자본 추정에 얼마나 향상되는가?
• RQ3 모수 불확실성은 특히 다각화가 제한된 유한 포트폴리오에서 포트폴리오 규모와 어떻게 상호작용하는가?
• RQ4 모수 불확실성 하에서, 유한 포트폴리오의 다각화 효과는 무한히 미세분할된 경우에 비해 어떤 정량적 영향을 미치는가?
• RQ5 디폴트와 복구 간의 체계적 의존성은 자본 추정의 불확실성 크기에 어떤 영향을 미치는가?

주요 결과

• 모수 불확실성이 규제 자본 추정치를 상당히 증가시키며, 점추정치가 요구 자본 버퍼를 상당히 과소평가할 수 있음을 시사한다.
• MCMC를 통한 전체 사후 분포 사용은 최대우도나 점추정치에서 유도된 자본 추정치보다도 높은 자본 추정치를 드러낸다.
• 유한 포트폴리오에서는 다각화가 제한되어 있어 모수 불확실성의 영향이 더욱 두드러지며, 현실적인 은행 포트폴리오에서의 불확실성 정량화의 중요성을 강조한다.
• 본 연구는 유한 포트폴리오와 무한히 미세분할된 포트폴리오 간의 자본 요구량 간에 의미 있는 격차를 정량화하였으며, 모수 불확실성을 고려할 경우 유한 포트폴리오의 자본 요구량이 상당히 높아짐을 보여준다.
• 디폴트와 복구 간의 체계적 의존성은 모수 불확실성이 자본에 미치는 영향을 증폭시키며, 이러한 의존성을 忽시할 경우 리스크가 과소평가됨을 시사한다.
• 베이지안 MCMC 프레임워크는 불확실성을 일관되고 견고하게 정량화하는 데에 효과적인 방법을 제공하여, 신용 리스크 모델에서 더 정확하고 보수적인 자본 확보를 가능하게 한다.