多期企业违约风险预测中的不确定性解耦与评估

衡量企业违约风险在经济学与金融学中具有广泛重要性。已有定量方法被开发用于预测性评估未来企业违约概率。然而，作为一个更困难却关键的问题，评估与违约预测相关的不确定性仍鲜有探索。本文试图填补这一空白，通过开发一种在仔细解耦多个贡献来源后量化相关不确定性水平的流程。我们的框架通过以下方式有效整合来自历史违约数据、企业财务记录和宏观经济状况的广泛信息：a) 刻画违约机制，以及 b) 捕捉贡献于违约机制的各种特征的未来动态。我们的流程利用简约模型、创新方法和现代计算设施，克服了这一大规模统计推断问题中的主要挑战并使其在实际中可行。通过预测市场范围的总违约数量并评估相关不确定性，我们的方法也可用于评估聚合的市场信用风险水平。在分析一个美国市场数据集时，我们表明与违约风险评估相关的不确定性水平确实可观。更具信息性的是，我们还发现与违约风险预测相关的不确定性水平与违约风险水平相关，表明在包括提高违约风险评估准确性在内的实际应用中存在新的前景。