2019
DOI: 10.2139/ssrn.3368358
|View full text |Cite
|
Sign up to set email alerts
|

Model and Estimation Risk in Credit Risk Stress Tests

Abstract: Research questionThis paper deals with stress tests for credit risk and shows how exploiting the discretion when setting up and implementing the underlying model can drive the results of a quantitative credit risk stress test for default probabilities. ContributionWe contribute to the scarce literature on model and estimation risk in stress tests. We employ several variations of a CreditPortfolioView-style model using US data ranging from 2004 to 2016 and compare the forecasted default probabilities of these m… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2

Citation Types

0
0
0
4

Year Published

2020
2020
2023
2023

Publication Types

Select...
2

Relationship

0
2

Authors

Journals

citations
Cited by 2 publications
(4 citation statements)
references
References 15 publications
0
0
0
4
Order By: Relevance
“…Dans beaucoup d'articles faisant référence aux modèles à variable qualitative (Logit et/ou Probit), les chocs sont appliqués à la fois sur les facteurs de risque systématique (notamment sur le résidu des modèles autorégressifs AR construits pour modéliser les variables macro-économiques) et sur un facteur de risque spécifique sectoriel (représenté par le résidu de la fonction reliant la variable latente introduite (souvent un indice de crédit ou macroéconomique/sectoriel), aux facteurs de risque systématique) afin de calibrer la probabilité de défaut stressée (cf. Sorge and Virolainen (2006) ; Jokivuolle, Virolainen et Vähämaa (2008) ; Grundke, Pliszka et Tuchscherer (2015) ; Schechtman et Gaglianone (2011) etc.). D'une part cette modélisation rend difficile l'isolation de l'effet du choc spécifique, d'autre part la variable spécifique est habituellement représentative d'un risque spécifique sectoriel et pas individuel auquel nous nous intéressons dans notre modèle de stress test (spécifique) pour les portefeuilles concentrés de crédit.…”
Section: Systemic Risk: Srisk = E[k*(d + Mv) -Mv|crisis] = Kd -(1k)*(...unclassified
See 3 more Smart Citations
“…Dans beaucoup d'articles faisant référence aux modèles à variable qualitative (Logit et/ou Probit), les chocs sont appliqués à la fois sur les facteurs de risque systématique (notamment sur le résidu des modèles autorégressifs AR construits pour modéliser les variables macro-économiques) et sur un facteur de risque spécifique sectoriel (représenté par le résidu de la fonction reliant la variable latente introduite (souvent un indice de crédit ou macroéconomique/sectoriel), aux facteurs de risque systématique) afin de calibrer la probabilité de défaut stressée (cf. Sorge and Virolainen (2006) ; Jokivuolle, Virolainen et Vähämaa (2008) ; Grundke, Pliszka et Tuchscherer (2015) ; Schechtman et Gaglianone (2011) etc.). D'une part cette modélisation rend difficile l'isolation de l'effet du choc spécifique, d'autre part la variable spécifique est habituellement représentative d'un risque spécifique sectoriel et pas individuel auquel nous nous intéressons dans notre modèle de stress test (spécifique) pour les portefeuilles concentrés de crédit.…”
Section: Systemic Risk: Srisk = E[k*(d + Mv) -Mv|crisis] = Kd -(1k)*(...unclassified
“…Wilson (1997a.,b. ), Sorge and Virolainen (2006) , Jokivuolle, Virolainen et Vähämaa (2008), Grundke, Pliszka et Tuchscherer (2015), Schechtman et Gaglianone (2011), Jiménez et Mencia (2009), Breuer, Jandacka, Mencia, Summer (2010), Simons et Rolwes (2009) etc.) et très probablement dans beaucoup de banques pour calibrer la probabilité de défaut en fonction de plusieurs facteurs de risque systématique, en scénario normal ou de stress.…”
Section: Systemic Risk: Srisk = E[k*(d + Mv) -Mv|crisis] = Kd -(1k)*(...unclassified
See 2 more Smart Citations