Risk premiumin the global creditMarkets: 2006-2012

Abstract

¿What have we learnt from the 2006-2012 crisis, including events such as the subprime crisis, the bankruptcy of Lehman Brothers or the European sovereign debt crisis, among others? It is usually assumed that in firms that have a CDS quotation, this CDS is the key factor in establishing the credit premiumrisk for a new financial asset. Thus, the CDS is a key element for any investor in taking relative value opportunities across a firm’s capital structure. In the first chapter we study the most relevant aspects of the microstructure of the CDS market in terms of pricing, to have a clear idea of how this market works. We consider that such an analysis is a necessary point for establishing a solid base for the rest of the chapters in order to carry out the different empirical studies we perform. In its document “Basel III: A global regulatory framework for more resilient banks and banking systems”, Basel sets the requirement of a capital charge for credit valuation adjustment (CVA) risk in the trading book and its methodology for the computation for the capital requirement. This regulatory requirement has added extra pressure for in-depth knowledge of the CDS market and this motivates the analysis performed in this thesis. The problem arises in estimating of the credit risk premium for those counterparties without a directly quoted CDS in the market. How can we estimate the credit spread for an issuer without CDS? In addition to this, given the high volatility period in the credit market in the last few years and, in particular, after the default of Lehman Brothers on 15 September 2008, we observe the presence of big outliers in the distribution of credit spread in the different combinations of rating, industry and region. After an exhaustive analysis of the results from the different models studied, we have reached the following conclusions. It is clear that hierarchical regression models fit the data much better than those of non-hierarchical regression. Furthermore,we generally prefer the median model (50%-quantile regression) to the mean model (standard OLS regression) due to its robustness when assigning the price to a new credit asset without spread,minimizing the “inversion problem”. Finally, an additional fundamental reason to prefer the median model is the typical "right skewness" distribution of CDS spreads...

¿Qué hemos aprendido de la crisis ocurrida durante el periodo 2006-2012, que incluye eventos como la crisis “subprime” la bancarrota de Lehman Brothers, o la crisis de deuda soberana europea? Normalmente, se asume que en las empresas que tienen CDS, éste es el factor clave para determinar la prima de riesgo de un nuevo activo. Por tanto, el CDS es un elemento fundamental para un inversor para tomar oportunidades relativas a través de la estructura de capital de la empresa. En el primer capítulo estudiamos los aspectos más relevantes de la microestructura delmercado de los CDS, en términos de precios, para tener una idea precisa del funcionamiento de este mercado. Consideramos que este tipo de análisis es fundamental para establecer una base sólida para el resto de los estudios empíricos que realizamos en los siguientes capítulos. En su documento “Basel III: A global regulatory framework for more resilient banks and banking systems”, Basilea establece los requerimientos de capital por el riesgo de CVA en la cartera de negociación y la metodología para la determinación de dicho capital. Este requerimiento regulatorio añade una presión extra para el profundo conocimiento del mercado de los CDS y motiva el análisis llevado a cabo en esta tesis. El problema surge cuando tenemos que estimar la prima de riesgo de crédito de contrapartidas que no tienen CDS en el mercado. ¿Cómo podemos estimar el spread de crédito de un emisor sin CDS? Adicionalmente, a raíz del default de Lehman Brothers el 15 de septiembre de 2008, observamos la presencia de grandes “outliers” en la distribución de spread de crédito en las distintas combinaciones de rating, industria y región. Después de un exhaustivo análisis de losmodelos estudiados, llegamos a las siguientes conclusiones. Es claro que la regresión jerárquica se ajusta mucho mejor que los modelos no jerárquicos. Adicionalmente, preferimos en general la estimación de los modelos en mediana que en media para asignar un spread a un emisor sin CDS, debido a la robustez de la mediana, que minimiza el problema de inversión. Por último, preferimos la mediana dada la presencia de asimetría a la derecha que suele mostrar la distribución de los spread de crédito...