US Bank CDS and the effects of quantitative easing and the financial crisis

Abstract

Denne oppgaven analyserer hvordan kvantitative lettelser (QE) påvirker CDS spreads i den amerikanske banksektoren. Det er slått fast i litteraturen at CDS representerer en pålitelig proxy for kredittrisikooppfatninger (Benbouzid et al., (2017). Jeg tar også for meg de andre variablene som har en innvirkning på kredittrisikoen i banksektoren, og ser hvordan disse forandrer seg fra før finanskrisen til perioden etter at krisen har inntruffet. Jeg tar først for meg VAR-modeller for å undersøke hvordan variablene påvirker kredittrisikoen, men ettersom vi har en blanding av stasjonære og ikke-stasjonære variabler utelater disse modellene flere langsiktige dynamikker. Jeg estimerer derfor også to ARDL-modeller for å analysere både kortsiktige og langsiktige effekter fra determinanter for CDS spreads gjennom den tilhørende EC-regresjonen, med hovedfokus på kvantitative lettelser.

Resultatene fra VAR-modellen indikerer at QE har bidratt til å redusere kredittrisikoen i den amerikanske banksektoren på kort sikt. ARDL-/ECM-modellene underbygger disse resultatene, og antyder også at det finnes et forhold mellom nivåvariablene som man må ta hensyn til. Analysene av CDS-determinanter før og etter finanskrisen antyder også at makroøkonomiske faktorer påvirker kredittrisikoen i banksektoren i større grad etter at krisen inntraff enn før.

In this thesis I analyze how QE affects CDS spreads in the US banking sector. It is established in the literature that CDSs represent a reliable measure of the credit risk perceptions (Benbouzid et al., (2017). I also consider other variables that I assume have an impact on the credit risk in the banking sector and observe how these change from before the GFC to the period after the crisis occurred. I first apply Vector Autoregression (VAR) models to investigate interdependencies of variables, but since I have a mixture of stationary and non-stationary variables, these models omit several long-term dynamics. Therefore, I also estimate Autoregressive Distributed Lag (ARDL) models to analyze both short-term and long-term effects from the determinants of CDS spreads through the Error Correction form of the equation, with focus on the role played by quantitative easing.

The results from the VAR model estimates indicate that QE reduced CDS spreads in the US banking sector in the short term. The ARDL/Error Correction Models (ECMs) support these results and concludes that there is also a level relationship between the variable that one must account for. The analysis of CDS determinants before and after the GFC also suggests that macroeconomic factors affect credit risk in the banking sector to a greater extent after the crisis than before.