2005年-BIS国际清算银行_Explaining_credit_default_swap_spreads_with_equity_volatility_and_jump_risks_of__individual_firms__45页_361kb

信用违约互换利差的解释：股权波动性与跳跃风险

核心内容

本论文探讨了信用违约互换（CDS）利差与企业股权波动性和跳跃风险之间的关系。作者提出，结合随机波动性和跳跃风险的结构模型能够更准确地解释CDS利差的变化。通过使用高频数据，他们识别出企业股权的实现跳跃，并评估了这些跳跃和波动性对信用利差的影响。

主要观点

• 结构模型的重要性：传统的结构模型（如Merton, 1974）在解释信用利差方面表现不足，预测值远低于实际值。因此，引入随机波动性和跳跃风险是必要的。
• 高频数据的应用：通过使用高频数据，作者能够更准确地衡量短期波动性，并分离出连续波动与跳跃贡献。这有助于识别每日的实现跳跃。
• CDS利差的优势：相比公司债券利差，CDS利差是更纯粹的信用风险定价工具，且对信用状况变化的反应更快。
• 非线性效应：波动性和跳跃风险对信用利差的影响是非线性的，尤其在高收益企业中更为显著。
• 实证结果：在控制了信用评级、宏观经济条件和公司资产负债信息后，波动性和跳跃风险能够解释77%的CDS利差变化。其中，波动性风险解释了50%，跳跃风险解释了19%。

关键信息

1. 模型设定

• 资产价值过程：假设资产价值遵循带有随机波动性和跳跃的跳扩散过程（式1-6）。
• 股权价格公式：通过应用伊藤引理，股权价格可表示为对公司债务的欧式看涨期权（式5）。
• 信用利差公式：信用利差由资产价值、股权价格和无风险利率决定（式6）。

2. 波动性与跳跃风险的敏感性

• 波动性对信用利差的影响：资产波动性（$V_t^{1/2}$）和跳跃强度（$\lambda$）对信用利差有线性影响，而资产跳跃均值（$\mu_J$）和跳跃方差（$\sigma_J$）则有非线性影响。
• 非线性与不对称性：负的跳跃均值对信用利差的影响更大，表明负面冲击更为重要。
• 股权波动性：股权波动性（$\Sigma_t^s$）比资产波动性大，主要由于杠杆效应。

3. 实现跳跃的识别方法

• 实现波动率与实现双幂波动率：通过比较高频数据中的实现波动率（RV）和实现双幂波动率（BV），可以识别跳跃。
• 跳跃检测统计量：使用跳跃比率统计量（RJ）来判断是否存在跳跃，其定义为 $RJ_t = \frac{RV_t - BV_t}{RV_t}$。
• 过滤实现跳跃：假设每天最多发生一次跳跃，且跳跃幅度主导当日收益，通过显著跳跃方差的符号平方根来过滤跳跃（式15）。

4. 数据与变量

• CDS数据来源：使用Markit提供的CDS报价数据，涵盖2001年1月至2003年12月期间的307家美国企业。
• 变量分类：
  • 股权波动性：包括历史波动性和实现波动性，分别基于每日和日内价格计算。
  • 跳跃风险：基于跳跃比率统计量（RJ）定义，使用99.9%显著性水平。
  • 信用评级：作为控制变量，用于衡量企业的信用风险。
  • 宏观经济变量：包括S&P 500过去6个月的平均日收益率及其波动率，以及3个月国债利率和前一个月的收益率曲线斜率。

5. 实证发现

• 波动性与跳跃风险的解释力：单独使用波动性风险可解释50%的CDS利差变化，跳跃风险可解释19%。
• 控制变量后的影响：在控制信用评级、宏观经济条件和公司资产负债信息后，波动性和跳跃风险的解释力依然显著，可解释77%的总变化。
• 非线性效应的稳健性：波动性和跳跃风险的非线性效应在不同时间范围内均稳健，表明模型设定合理。
• 高收益企业的敏感性：波动性和跳跃风险对高收益企业信用利差的影响显著高于投资级企业，这对风险管理具有重要意义。

结论

本研究通过引入随机波动性和跳跃风险，改进了传统结构模型在解释CDS利差方面的能力。使用高频数据识别跳跃和波动性，并结合实证分析，验证了波动性和跳跃风险对信用利差的非线性与不对称影响。这些发现为信用风险定价和管理提供了新的视角和工具。