粒子 MCMC 在融合专家意见的脆弱性相关违约模型预测中的应用

预测企业违约风险长期以来是金融领域的关键课题，因为破产给市场参与者和整体经济带来巨大成本。本文旨在对 1980 年 1 月至 2019 年 6 月美国上市非金融公司样本，融合主观判断预测脆弱性相关违约模型。我们考虑一种约化形式模型，并采用贝叶斯方法结合粒子马尔可夫链蒙特卡洛（Particle MCMC）算法来审视该问题。结果表明，决定未观测违约强度对潜变量依赖性的隐藏因子的波动率和均值回复，对企业违约强度具有高度经济与统计显著的正向影响。结果还表明，具有不同先验分布的脆弱性相关违约模型的 1 年预测相对良好，而具有非信息性和主观先验分布的脆弱性相关违约模型在各预测期限上的预测准确度比率无显著差异。