Essays on System-wide Financial Risk Measurement Frameworks and Their Implications
시스템 차원의 금융 리스크 측정 프레임워크와 그 함의에 관한 연구
- 주제(키워드) Credit Default Swap (CDS) , CDS Index (CDX) , Reference Tranche Rate , Default Clustering Risk Premium , Credit Data , Credit Analytics Innovation , Delinquency Prediction , Economic Analysis , Financial Inclusion , Fraudulent insurance claims , Machine Learning , Imbalanced Data
- 발행기관 고려대학교 대학원
- 지도교수 Baeho Kim
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 박사
- 학과 및 전공 대학원 경영학과
- 원문페이지 148 p
- 실제URI http://www.dcollection.net/handler/korea/000000288219
- UCI I804:11009-000000288219
- DOI 10.23186/korea.000000288219.11009.0001564
- 본문언어 영어
초록/요약
본 학위논문은 시스템 차원의 금융 리스크 측정 프레임워크와 그 함의에 관한 세 개의 연구들로 구성되어 있습니다. 첫 번째 장에서는 2005년 9월부터 2021년 3월까지 CDX 북미 투자등급(CDX.NA.IG) 포트폴리오의 신용파생상품 계약을 분석하여 부도 클러스터링 위험을 포함하는 시장 내재 프리미엄을 살펴봅니다. 단일 신용부도스와프(CDS) 스프레드를 이용하여 파생된 기준 트랜치 비율을 시계열로 구축했습니다. 디폴트 클러스터링 위험 프리미엄(DCRP)은 원본과 기준 트랜치 스프레드를 비교하여 포착되며, 투자자가 포트폴리오 수준에서 상관된 디폴트에 대해 더 큰 보상을 요구할 때 전자가 후자를 초과합니다. 2007~9년 글로벌 금융위기 기간 동안 DCRP 수준은 크게 증가했고, 한동안 비교적 안정적으로 유지되다가 2016년부터 점차 감소했습니다. 특히 코로나19 충격으로 인해 DCRP 수준이 다시 급격히 상승했습니다. 경험적 분석에 따르면 추정 DCRP는 자산 가격, 특히 금융 시스템이 불안정한 시기에 미국 주식 투자자들이 이용할 수 있는 투자 기회에 영향을 미치는 데 중요한 영향을 미치는 것으로 나타났습니다. 두 번째 장에서는 금융 디지털 혁신을 통해 신용 분석을 발전시켜 금융 포용 정책의 실행을 강화하기 위한 경제적 인사이트를 제공하는 것을 목표로 합니다. 이를 위해 금융 분석 혁신과 대규모 금융 데이터의 통합이 금융 포용 정책의 효과를 높이고 궁극적으로 금융 취약계층의 경제적 성과를 개선하는 데 기여할 수 있는지 살펴봅니다. 분석에 따르면, 2,000억 원(약 1억 5,500만 달러)의 정부 지원 프로그램을 통해 현재 신용등급으로 인해 대출을 받기 어려운 국내 금융소외계층의 46.56\%를 추가로 지원할 수 있을 것으로 예상됩니다. 세 번째 장에서는 개인의 신뢰도가 의료보험 가입자의 부당청구 행위를 예측할 수 있는 경로를 조사하는 것을 목표로 합니다. 이를 위해 보험 관련 변수와 함께 광범위한 개인 신용 정보를 활용하는 대규모 보험 사기 탐지 데이터 모델을 개발했습니다. 그 결과 대규모 데이터 세트에 대한 머신러닝 모델 사용의 통계적 우월성을 확인했습니다. 또한 불균형 데이터의 경제적 분석은 보험금 청구의 초기 심사 단계에서 조사 자원 배분의 경제적 영향을 판단하여 유용한 지침을 제공할 수 있습니다.
more초록/요약
This dissertation consists of three chapters on system-wide financial risk measurement frameworks and their implications. The first chapter examines the market-implied premiums for bearing default clustering risk by analyzing credit derivatives contracts on the CDX North American Investment Grade (CDX.NA.IG) portfolio between September 2005 and March 2021. We constructed time-series of reference tranche rates exclusively derived from single-name CDS spreads. The default clustering risk premium (DCRP) is captured by comparing the original and reference tranche spreads, with the former exceeding the latter when investors require greater compensation for correlated defaults at the portfolio level. The fitted DCRP level significantly increased during the 2007-9 global financial crisis, remained relatively stable for a period, and gradually declined from 2016. Notably, the COVID-19 shock caused another sharp rise in the DCRP level. Empirical analysis finds that the estimated DCRP has significant implications for asset pricing, particularly in affecting the investment opportunities available to U.S. stock investors during times of instability in the financial system. The second chapter aims to provide economic insights to enhance the implementation of financial inclusion policies by advancing credit analytics through financial digital transformation. To this end, we examine whether integrating financial analytics innovation with large-scale financial data can boost the effectiveness of financial inclusion policies and ultimately contribute to better economic outcomes for financially vulnerable individuals. According to my analysis, the government funding program of KRW 200 billion (approximately USD 155 million) can potentially assist an additional 46.56% of financially excluded individuals in South Korea who struggle to obtain loans due to their current credit ratings. The third chapter aims to investigate the channels through which an individual’s credibility can predict fraudulent behaviors of healthcare insurance policyholders. To this end, we have developed a large-scale data model for fraud detection that utilizes a wide range of personal credit information along with insurance-related variables. Our results confirm the statistical superiority of using machine learning models for large datasets. In addition, economic analysis of imbalanced data can provide valuable guidance by determining the economic impact of allocating investigative resources during the early screening phase of insurance claims.
more목차
Abstract i
Preface v
Contents vii
List of Tables x
List of Figures xi
1 Default Clustering Risk Premium and its Cross-Market Asset Pricing Implications 1
1.1 Introduction 2
1.2 Motivation 8
1.2.1 Main objectives 8
1.2.2 Identifying the default clustering risk premium 10
1.2.3 Cross-market asset pricing implications 12
1.3 Model Framework 13
1.3.1 CDS-implied dependence structure 14
1.3.2 Extracting the DCRP estimates 20
1.4 Empirical Analysis 25
1.4.1 Data and sample 26
1.4.2 The time-series behavior of the fitted DCRP 27
1.4.3 Cross-market asset-pricing implications 30
1.4.4 Robustness checks 34
1.5 Conclusion 37
References 38
2 Innovation in Financial Inclusion Policies with Digital Transformation: Evidence from South Korea 54
2.1 Introduction 55
2.1.1 Main hypotheses 59
2.1.2 Literature review 63
2.1.3 Our contributions 65
2.2 Framework for Analyzing Policy Effectiveness 67
2.2.1 Financially underprivileged groups 67
2.2.2 Design and Evaluation of Financial Inclusion Policies 69
2.2.3 Top-down versus Bottom-up approaches 71
2.3 Evaluation Methodologies 72
2.3.1 Statistical Predictability Evaluation 72
2.3.2 Economic Cost-Benefit Assessment 74
2.4 Empirical analysis 77
2.4.1 Data preprocessing and underlying assumptions 77
2.4.2 Performance comparison between statistical models 81
2.4.3 Aggregate-level cost-benefit analysis 88
2.4.4 Subgroup analysis 89
2.5 Conclusion 92
References 94
3 Industry-wide benefits of prescreening high-risk medicare beneficiaries for fraudulent insurance claims 111
3.1 Introduction 112
3.2 Methodology 115
3.2.1 Main objectives 115
3.2.2 Statistical Predictability Evaluation 116
3.2.3 Economic Cost-Benefit Assessment 118
3.3 Data 120
3.4 Empirical Results 122
3.5 Conclusion 126
References 127
