基于马尔可夫链蒙特卡洛的违约与回收率估计：通过潜在系统性因子的依赖性

众所周知，在经济衰退期间，当违约数量上升时，回收率往往会下降。我们展示了如何利用贝叶斯推断方法和马尔可夫链蒙特卡洛方法估计违约与回收率通过潜在系统性风险因子相关的违约损失模型。这种方法对于所有模型参数和潜在系统性因子的联合估计非常方便。此外，所有相关的不确定性都很容易量化。通常可用的数据是违约和回收率的年度平均值，因此数据集很小，参数不确定性显著。在这种情况下，贝叶斯方法优于依赖于大样本极限高斯近似来估计参数不确定性的最大似然方法。作为示例，我们考虑了一个具有一个潜在因子的同质投资组合。然而，该方法可以轻松扩展到处理非同质投资组合和多个潜在因子。