How Is Credit Risk Estimated? Discussion and Evidence based on Cross-Industry Sample Utilizing the KMV Model
Lyytikäinen, Ilari (2016)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe201601253678
https://urn.fi/URN:NBN:fi-fe201601253678
Tiivistelmä
The purpose of this thesis is to focus on credit risk estimation. Different credit risk estimation methods and characteristics of credit risk are discussed. The study is twofold, including an interview of a credit risk specialist and a quantitative section. Quantitative section applies the KMV model to estimate credit risk of 12 sample companies from three different industries: automobile, banking and financial sector and technology. Timeframe of the estimation is one year. On the basis of the KMV model and the interview, implications for analysis of credit risk are discussed.
The KMV model yields consistent results with the existing credit ratings. However, banking and financial sector requires calibration of the model due to high leverage of the industry. Credit risk is considerably driven by leverage, value and volatility of assets. Credit risk models produce useful information on credit worthiness of a business. Yet, quantitative models often require qualitative support in the decision-making situation. Tutkimuksessa käsitellään luottoriskin mallintamista. Tutkimus on kaksijakoinen käsittäen sekä tutkimushaastattelun että kvantitatiivisen osion. Kvantitatiivisessä osiossa mallinnetaan luottoriski kahdelletoista eri yritykselle kolmelta eri toimialalta: autoteollisuus, finanssiala sekä teknologiateollisuus. Luottoriski mallinnetaan vuodeksi eteenpäin. KMV-mallin sekä tutkimushaastattelun pohjalta esitetään ehdotuksia liittyen luottoriskin analysointiin ja -työkalujen käyttöön
KMV-työkalu tuottaa yhteneväisiä tuloksia nykyisten luottoluokitusten kanssa. Erityisesti kuitenkin finanssialan luottoriskin määrittäminen on haasteellista korkean velkaantumisasteen johdosta ja edellyttää KMV-mallin muokkaamista. Luottoriskiin vaikuttavat pääasiassa yrityksen velkaantumisaste, omaisuuserien arvo sekä arvon volatiliteetti. Luottoriskityökalut tuottavat hyödyllistä informaatiota yhtiön luottokelpoisuudesta kuitenkin usein työkalujen tuottama informaatio yksinään ei ole riittävää, vaan lisätietoa yrityksen laadullisista tekijöistä tarvitaan, jotta luottoriski voidaan määrittää perusteellisesti.
The KMV model yields consistent results with the existing credit ratings. However, banking and financial sector requires calibration of the model due to high leverage of the industry. Credit risk is considerably driven by leverage, value and volatility of assets. Credit risk models produce useful information on credit worthiness of a business. Yet, quantitative models often require qualitative support in the decision-making situation.
KMV-työkalu tuottaa yhteneväisiä tuloksia nykyisten luottoluokitusten kanssa. Erityisesti kuitenkin finanssialan luottoriskin määrittäminen on haasteellista korkean velkaantumisasteen johdosta ja edellyttää KMV-mallin muokkaamista. Luottoriskiin vaikuttavat pääasiassa yrityksen velkaantumisaste, omaisuuserien arvo sekä arvon volatiliteetti. Luottoriskityökalut tuottavat hyödyllistä informaatiota yhtiön luottokelpoisuudesta kuitenkin usein työkalujen tuottama informaatio yksinään ei ole riittävää, vaan lisätietoa yrityksen laadullisista tekijöistä tarvitaan, jotta luottoriski voidaan määrittää perusteellisesti.