Are ratings the worst form of credit assessment except for all the others?

主题

提出一个新的模型预测企业违约，模型包括了 Altman Z 评分和 Merton 违约距离，且比评级更好

在一个理论模型中表明，最 powerful 的违约预测因素必须同时纳入市场和会计数据。

过滤掉宏观因素，因为监管规定导致了非周期

数据

使用 1982-1999 年的数据训练模型，2000-2010 年的数据作为测试集

分析方法

首先作者开发了理论 模型，然后提出假设：违约概率分布在剔除掉 Through-the-Cycle 因素影响下应当是稳定的

模型

如何将 Z 和 D 联系起来

假设

• 利用 public 信息，对于资产价值对数的估计是无偏的，
• 资产价值、误差和收益率 mutually 独立
• 公开信息的产生服从一定的概率分布

证明

违约概率是违约距离 D 和 Z 的函数

定义 powerful

条件概率 P{Y=1|G} 是由信息集 G 生成的所有预测器中最强大的预测器，即任何其他 G-可测的预测器的 Lorenz 曲线必须位于条件概率的 Lorenz 曲线之上

模型结论

莫顿的违约距离和 Altman Z 都是作者模型的特例，是信息完全前提下分别知道两个角度的数据得到的结论

违约距离和 relative rankings of S 有关

结论

作者的模型是可以被实证检验的，基于当前借款人群体的相对 ranking，在任何情况下，至少仍与标普评级一样强大。