Disentangling determinants of CDS spreads: A machine learning approach

Abstract

I denne avhandlingen analyseres determinantene til bedrifters credit default swaps (CDS), ved å bruke 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 potensiell redundans i den eksisterende literaturen. Deretter bruker vi fikset-effekt- og kvantil panelregresjon for 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 inkluderer et bredt spekter av variabler.

For det første gir resultatene våre en konsis, men likevel omfattende modell der kun syv og 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 støtter dermed overinvesterings hypotesen knyttet til ESG. Videre har Quantitative easing (QE) tidligere kun vist seg og ha en risikoreduserende effekt for bank-CDS-spreader, men vi viser at de samme resultatene gjelder for bedrifts-CDS-spreader. Kvantil panelregresjon viser at QE har en større risikoreduserende effekt for de mer risikofylte firmaene. For Fama-french variabler finner vi at variablene market excess return (MKT) og small-minus-big (SMB) er signifikante for å beskrive CDS-spreaden for differensert data, noe som ikke har blitt demonstrert i tidligere litteratur. Til slutt viser vi at kombinasjonen av variabler som forklarer variasjonene i CDS-spreader ikke er den samme som kombinasjoner av variabler som viser endringer i CDS-spreader.

This thesis analyzes the determinants of corporate credit default swaps (CDS) by using a global sample of 240 unique CDS’s from 2010 until 2020. We apply a systematic approach by using the feature selection method LASSO to find new variables and identify potential redundancies in the existing literature. Furthermore, we use fixed-effect panel regression to provide significance levels and the models R-squared, and quantile panel regression to provide a more nuanced understanding of 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 and governance 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 for bank 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 risky firms. 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, our results show that the variables needed to explain the variations in the CDS spread is not the same variables needed to explain the variations in the changes in CDS spreads.