Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Estimation of quantitative rating systems and application to bond rating prediction

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27510%2F13%3A86086530" target="_blank" >RIV/61989100:27510/13:86086530 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://www.vspj.cz/soubory/download/id/2259" target="_blank" >https://www.vspj.cz/soubory/download/id/2259</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Estimation of quantitative rating systems and application to bond rating prediction

  • Popis výsledku v původním jazyce

    The topic of this paper falls within the area of credit risk measurement and modelling, specifically the problem of bond rating models estimation. There are various approaches that can be used to develop an automated rating system, such as econometric models based on historical data on past defaults, neural networks or structural models. The approach in this paper is based on a database of rating decisions of a certified rating agency. Using a logistic regression technique, the model to bond rating prediction can be estimated. Ordinal logistic regression can be used to investigate the relationship between rating and various independent variables such as financial ratios, macroeconomic indicators or selected qualitative factors with a potential effect on rating. In comparison with multiple logistic regressions, this approach enables to consider the nature and ordinal ranking of rating assessment. The paper aims at using the ordinal regression on selected corporate bonds to build a bond

  • Název v anglickém jazyce

    Estimation of quantitative rating systems and application to bond rating prediction

  • Popis výsledku anglicky

    The topic of this paper falls within the area of credit risk measurement and modelling, specifically the problem of bond rating models estimation. There are various approaches that can be used to develop an automated rating system, such as econometric models based on historical data on past defaults, neural networks or structural models. The approach in this paper is based on a database of rating decisions of a certified rating agency. Using a logistic regression technique, the model to bond rating prediction can be estimated. Ordinal logistic regression can be used to investigate the relationship between rating and various independent variables such as financial ratios, macroeconomic indicators or selected qualitative factors with a potential effect on rating. In comparison with multiple logistic regressions, this approach enables to consider the nature and ordinal ranking of rating assessment. The paper aims at using the ordinal regression on selected corporate bonds to build a bond

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    AH - Ekonomie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2013

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Mathematical Methods in Economics 2013 : 31st international conference : 11-13 September 2013, Jihlava, Czech Republic

  • ISBN

    978-80-87035-76-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    673-678

  • Název nakladatele

    College of Polytechnics Jihlava

  • Místo vydání

    Jihlava

  • Místo konání akce

    Jihlava

  • Datum konání akce

    11. 9. 2013

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku