Disentangling determinants of CDS spreads: A machine learning approach
Master thesis
Permanent lenke
https://hdl.handle.net/11250/3024661Utgivelsesdato
2022Metadata
Vis full innførselSamlinger
Sammendrag
I denne avhandlingen analyseres determinantene til bedrifters credit default swaps (CDS), ved åbruke et globalt utvalg av 240 unike CDS-er fra 2010 til 2020. Vi bruker en systematisk tilnærming med variabelseleksjons-metoden LASSO for å verifisere nye variabler og identifisere potensiellredundans i den eksisterende literaturen. Deretter bruker vi fikset-effekt- og kvantil panelregresjonfor å vise signifikans og gi en mer nyansert forståelse av hvordan variablene bestemmer CDS-spreaden. Analysen utfører vi på level data og data som er differensiert en gang, og vi inkludereret bredt spekter av variabler.
For det første gir resultatene våre en konsis, men likevel omfattende modell der kun syvog ti variabler nødvendige for å forklare henholdsvis CDS-spreaden og endringer i CDS-spreaden.For det andre, viser resultatene våre flere nye innsikter knyttet til CDS determinantene. ESG variablene social pillar og governance pillar har en positiv effekt på CDS spreaden, og støtterdermed overinvesterings hypotesen knyttet til ESG. Videre har Quantitative easing (QE) tidligerekun vist seg og ha en risikoreduserende effekt for bank-CDS-spreader, men vi viser at de sammeresultatene gjelder for bedrifts-CDS-spreader. Kvantil panelregresjon viser at QE har en størrerisikoreduserende effekt for de mer risikofylte firmaene. For Fama-french variabler finner vi atvariablene market excess return (MKT) og small-minus-big (SMB) er signifikante for å beskriveCDS-spreaden for differensert data, noe som ikke har blitt demonstrert i tidligere litteratur. Tilslutt viser vi at kombinasjonen av variabler som forklarer variasjonene i CDS-spreader ikke er densamme som kombinasjoner av variabler som viser endringer i CDS-spreader. This thesis analyzes the determinants of corporate credit default swaps (CDS) by using a globalsample of 240 unique CDS’s from 2010 until 2020. We apply a systematic approach by using thefeature selection method LASSO to find new variables and identify potential redundancies in theexisting literature. Furthermore, we use fixed-effect panel regression to provide significance levelsand the models R-squared, and quantile panel regression to provide a more nuanced understandingof what determines CDS spreads. The analysis is performed on level data and first-differenced data,using a broad range of variables.
First, our results provide a concise yet comprehensive model with only seven and ten variables needed to explain the CDS spread and changes in the CDS spread, respectively. Second,we provide several novel insights related to the variables. The ESG variables social pillar andgovernance pillar has a positive sign, thus supporting the over-investment view related to ESG.Quantitative Easing (QE) has previously only been demonstrated to have a risk-reducing effect forbank CDS spreads, but we show the same results apply to corporate CDS spreads. Furthermore,as shown by our quantile panel regression, QE has a larger risk-reducing effect for the more riskyfirms. For Fama-French variables, we find the variables market excess return (MKT) and smallminus-big (SMB) significant for describing the CDS spread for first-differenced data. Lastly, ourresults show that the variables needed to explain the variations in the CDS spread is not the samevariables needed to explain the variations in the changes in CDS spreads.