کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
959850 929375 2015 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The failure of models that predict failure: Distance, incentives, and defaults
ترجمه فارسی عنوان
شکست مدل هایی که پیش بینی شکست: فاصله، مشوق ها و پیش فرض ها
کلمات کلیدی
ترجمه چکیده
مدل پیش فرض آماری که به طور گسترده ای برای ارزیابی ریسک پیش فرض مورد استفاده قرار می گیرد، برای تغییر در روابط بین متغیرهای مختلف ناشی از یک تغییر اساسی در رفتار عامل، حساب نمی شود. ما این پدیده را با استفاده از داده ها در مورد وام های رهنی اوراق قرضه تحت اوراق قرضه صادر شده در دوره 1997-2006 به نمایش می گذاریم. با افزایش سطح اوراق بهادار، وام دهندگان انگیزه ای برای ایجاد وام هایی هستند که با توجه به ویژگی هایی که به سرمایه گذاران گزارش می شوند، نرخ بسیار بالایی دارند، حتی اگر متغیرهای غیر گزارش نشده، کیفیت پایین تر وام گیرنده را نشان دهند. مطابق با این رفتار، متوجه می شویم که با گذشت زمان، وام دهندگان نرخ های بهره را تنها بر مبنای متغیرهایی که به سرمایه گذاران گزارش می شوند تنظیم می کنند و سایر اطلاعات مربوط به اعتبار را نادیده می گیرند. در نتیجه، در میان وام گیرندگان با ویژگی های گزارش شده مشابه، در طول زمان مجموعه ای که دریافت وام را در طول ابعاد اطلاعات گزارش نشده بدتر می شود. این تغییر در رفتار وام دهندگان، روند تبدیل داده ها را تغییر می دهد با تبدیل نقشه از مشاهدات به پیش فرض های وام. برای نشان دادن این اثر، ما نشان می دهیم که نرخ بهره در وام پیش بینی کننده بدتر از پیش فرض می شود، زیرا افزایش سرمایه گذاری در بخش اوراق بهادار افزایش می یابد. علاوه بر این، یک مدل پیش فرض آماری برآورد شده در یک دوره کوتاه مدت اوراق بهادار، به صورت سیستماتیک در یک دوره اوراق بهادار بالا محسوب می شود: پیش فرض های پیش فرض در میان وام گیرندگان که اطلاعات نرم افزاری آنها ارزشمندتر است. بنابراین، مقرراتی که بر اساس چنین مدلهایی به منظور ارزیابی ریسک پیش فرض تأیید می شود، می تواند توسط اقدامات شرکت کنندگان در بازار مورد تضعیف قرار گیرد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری حسابداری
پیش نمایش مقاله
شکست مدل هایی که پیش بینی شکست: فاصله، مشوق ها و پیش فرض ها
چکیده انگلیسی
Statistical default models, widely used to assess default risk, fail to account for a change in the relations between different variables resulting from an underlying change in agent behavior. We demonstrate this phenomenon using data on securitized subprime mortgages issued in the period 1997-2006. As the level of securitization increases, lenders have an incentive to originate loans that rate high based on characteristics that are reported to investors, even if other unreported variables imply a lower borrower quality. Consistent with this behavior, we find that over time lenders set interest rates only on the basis of variables that are reported to investors, ignoring other credit-relevant information. As a result, among borrowers with similar reported characteristics, over time the set that receives loans becomes worse along the unreported information dimension. This change in lender behavior alters the data generating process by transforming the mapping from observables to loan defaults. To illustrate this effect, we show that the interest rate on a loan becomes a worse predictor of default as securitization increases. Moreover, a statistical default model estimated in a low securitization period breaks down in a high securitization period in a systematic manner: it underpredicts defaults among borrowers for whom soft information is more valuable. Regulations that rely on such models to assess default risk could, therefore, be undermined by the actions of market participants.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Financial Economics - Volume 115, Issue 2, February 2015, Pages 237-260
نویسندگان
, , ,