Improving corporate bond recovery rate prediction using multi-factor support vector regressions

در چارچوب چند عاملی که در این مقاله شرح داده شده است، از ویژگی های خاص دستگاه، چند متغیر اقتصاد کلان و ویژگی های صنعتی به عنوان متغیرهای توضیحی برای پیش بینی نرخ بازیافت اوراق قرضه شرکت استفاده می کنیم. با استفاده از مولفه های اصلی حاصل از تعداد زیادی از متغیرهای کلان اقتصادی، تمام سه مربع کوچک از روش های رگرسیون بردار و رگرسیون خطی معمولی پشتیبانی می کنند و دقت پیش بینی بیشتری را نسبت به مدل هایی که تنها چند عدد اقتصاد کلان متغیرهای پیشنهاد شده در ادبیات. ما مقایسات دقیق پیش بینی تمام تکنیک ها را با استفاده از اجزای اصلی ضعیف، اجزای اصلی غیر خطی از یک شبکه عصبی خودکار و مولفه های اصلی هسته مقایسه می کنیم. نتایج ما نشان می دهد که اجزای اصلی ضعیف، برآوردهای قابل تفسیر و دقیق تر را نسبت به سایر تکنیک های جزء اصلی تولید می کنند. علاوه بر این، ما برای افزایش رتبه بندی از 104 متغیر اقتصاد کلان، از بهترین به بدترین، بر اساس قدرت پیش بینی خود در برآورد میزان بازیابی استفاده می کنیم. سه دسته با پیش بینی کننده ترین شاخص های اقتصاد کلان، عوامل فیزیکی، متغیرهای چرخه تجاری و شاخص های بازار سهام می باشند.