Determinants of market-assessed credit risk
| dc.contributor.advisor | Psychoyios, Dimitrios | |
| dc.contributor.advisor | Ψυχογυιός, Δημήτριος | |
| dc.contributor.author | Kotzinos, Apostolos | |
| dc.contributor.author | Κοτζίνος, Απόστολος | |
| dc.date.accessioned | 2023-10-24T07:22:30Z | |
| dc.date.available | 2023-10-24T07:22:30Z | |
| dc.date.issued | 2023-06 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/15825 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/3247 | |
| dc.description.abstract | Η ύπαρξη εκτεταμένης ακαδημαϊκής βιβλιογραφίας περί των προσδιοριστικών παραγόντων της πιστοληπτικής αξιολόγησης και των επιτοκίων δανεισμού που αντιμετωπίζουν οι χώρες ανά τον πλανήτη υπογραμμίζει το ιδιαίτερο ενδιαφέρον που έχει προσελκύσει το συγκεκριμένο ζήτημα τόσο σε ακαδημαϊκό επίπεδο όσο και σε επίπεδο διαμόρφωσης κυβερνητικής πολιτικής. Η σχετική βιβλιογραφία υποδεικνύει ως κύριους προσδιοριστικούς παράγοντες την εξέλιξη των βασικών οικονομικών και δημοσιονομικών μεγεθών μιας χώρας αλλά και τη διακύμανση του παγκόσμιου οικονομικού κλίματος όπως αυτό αποτυπώνεται μέσω της επενδυτικής διάθεσης ανάληψης ρίσκου ή της επικρατούσας ρευστότητας. Στόχος της παρούσας μελέτης είναι να αναδείξει τον ρόλο που ενδεχομένως παίζουν ως προσδιοριστικοί παράγοντες της πιστοληπτικής αξιολόγησης και των επιτοκίων δανεισμού, δυο οικονομικά και κοινωνικά φαινόμενα που δεν έχουν συγκεντρώσει επαρκές έως και σήμερα ερευνητικό ενδιαφέρον ως προς την επίδρασή τους, παρότι έχουν ευρεία διάδοση στις σημερινές κοινωνίες και οικονομίες. Το πρώτο εκ των φαινομένων αυτών είναι η παραοικονομία ή μαύρη οικονομία ή παράλληλη της επίσημης οικονομία που απαντάται σε όλες τις χώρες παρόλο που διαφέρει ως προς τα ιδιαίτερα τοπικά χαρακτηριστικά ή το μέγεθος και την επιρροή. Το δεύτερο φαινόμενο είναι η διάδοση των Τεχνολογιών Πληροφοριών και Επικοινωνίας (ΤΠΕ) σε παγκόσμιο πλέον επίπεδο που αν και παρουσιάζει αρκετές διαφορές ως προς την ένταση και έκταση τόσο ανάμεσα στις ανεπτυγμένες και αναδυόμενες αγορές όσο και εντός των δύο αυτών ομάδων χωρών, έχει αναμφισβήτητα επιφέρει ευρύτατες αλλαγές σε οικονομικό και κοινωνικό επίπεδο με αποτέλεσμα να γίνεται πλέον λόγος για τη διάνυση της φάσης της ψηφιακής οικονομίας ως μια διακριτής φάση του καπιταλισμού. Η παρούσα μελέτη ξεδιπλώνεται σε δύο φάσεις. Η πρώτη φάση, η οποία και αποτυπώνεται στο πρώτο κεφάλαιο, καλύπτει τα έτη 2001-2010 και επικεντρώνεται αποκλειστικά στις επιδράσεις των ΤΠΕ ακολουθώντας ένα παραμετρικό μοντέλο. Πιο συγκεκριμένα, υιοθετούμε ένα υβριδικό μοντέλο τυχαίων επιδράσεων που μας επιτρέπει να διακρίνουμε και να εκτιμήσουμε τις βραχυπρόθεσμες και μακροπρόθεσμες επιδράσεις ενός πλήθους προσδιοριστικών παραγόντων βασιζόμενοι σε ένα δείγμα εξήντα πέντε (65) χωρών. Η μελέτη ανιχνεύει μια σημαντική μακρόχρονη επίδραση των ΤΠΕ στο αξιόχρεο μιας χώρας, ιδιαίτερα για όσες εξ αυτών ανήκουν στις αναδυόμενες οικονομίες. Περαιτέρω, τα ευρήματα της μελέτης παρουσιάζουν συνέπεια και κατά τα έτη της παγκόσμιας οικονομικής κρίσης. Η δεύτερη φάση της μελέτης καλύπτει μια ευρύτερη χρονική περίοδο εκτεινόμενη από το 2001 έως το 2016 και επιχειρεί να περιγράψει την επίδραση τόσο των ΤΠΕ όσο και της παραοικονομίας στην πιστοληπτική αξιολόγηση των χωρών και στη διαμόρφωση του κόστους δανεισμού όσο και να ανιχνεύσει τυχόν κοινές επιδράσεις. Κατά την δεύτερη αυτή φάση, η οποία και παρουσιάζεται στο δεύτερο κεφάλαιο, χρησιμοποιούνται ορισμένες δημοφιλείς τεχνικές μηχανικής μάθησης όπως δένδρα απόφασης, bagging, τυχαία δάση, gradient boosting και αναδραστικά νευρωνικά δίκτυα. Περαιτέρω, ακολουθώντας τις σύγχρονες τάσεις του αναδυόμενου πεδίου της ερμηνεύσιμης μηχανικής μάθησης, γίνεται χρήση τεχνικών όπως η καθολική ερμηνεία σπουδαιότητας παραγόντων και η ανάλυση συσσωρευμένων τοπικών επιδράσεων. Η μελέτη παρουσιάζει ενδείξεις ότι πολιτικές που ευνοούν την διάχυση της χρήσης των ΤΠΕ ή σκοπούν στην περιστολή της παραοικονομίας δύναται να έχουν μη συμμετρικά αποτελέσματα αναφορικά με το αξιόχρεο των χωρών, με την επίδραση να εξαρτάται τόσο από το σύγχρονο εύρος έκτασης των φαινομένων υπό μελέτη όσο και από την συνδυαστική παρουσία τους. Το τρίτο κεφάλαιο της παρούσας μελέτης αποτελεί μια σύντομη παρουσίαση των επιδράσεων των προαναφερθέντων φαινομένων στο κόστος δανεισμού της Ελλάδας κατά τα έτη 2001-2016. Μια σειρά τοπικών, model agnostic, μεθόδων ερμηνεύσιμης μηχανικής μάθησης μας επιτρέπουν να επιχειρήσουμε τον προσδιορισμό της χρονικής εξέλιξης των επιδράσεων των παραγόντων που σχηματίζουν τις προβλέψεις περί του κρατικού κόστους δανεισμού. Περαιτέρω, παρουσιάζεται μια συνοπτική συζήτηση περί των ευρημάτων και των βάσει αυτών ενδεδειγμένων εγχώριων πολιτικών. | el |
| dc.format.extent | 132 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Determinants of market-assessed credit risk | el |
| dc.type | Doctoral Thesis | el |
| dc.contributor.department | Σχολή Ναυτιλίας και Βιομηχανίας. Tμήμα Βιομηχανικής Διοίκησης και Tεχνολογίας | el |
| dc.description.abstractEN | A vast body of academic literature unveils as primary determinants of sovereign credit ratings and bond yields, a number of domestic macroeconomic and financial fundamentals, as well as global factors like the international risk appetite and the global liquidity. The scope of this study is to evaluate two phenomena that have not been explored in a great extent in previous research as potential factors of sovereign ratings and rates. The first phenomenon is the shadow economy, a pervasive and widespread feature of economies throughout the world. The second one is the prevalence of information and communication technologies (ICT) that transform every aspect of social and economic life. The study unfolds in two waves. The first wave, which corresponds to thesis’ first chapter, covers the years 2001-2010 and concentrates only on ICT effects following a parametric model. More specifically, we adopt a modified random effects approach which allows us to distinguish between short and long run effects on a dataset of 65 countries for a time span of ten years. We show that ICT have a significant impact on a country’s credit rating and cost of debt, regardless of the presence of other key variables proposed in the literature. The effect is stronger for non-OECD countries, indicating a pathway for developing countries to improve their access to debt markets. Our conclusions are robust to the advent of the recent financial and debt crisis. The second wave expands in years 2001-2016, corresponding to thesis’ second chapter and attempts to outline the main effects of shadow economy and ICT penetration on sovereign credit ratings and the cost of debt, along with possible second-order effects between the two variables. The chapter presents a range of machine-learning approaches, including bagging, random forests, gradient-boosting machines, and recurrent neural networks. Furthermore, following recent trends in the emerging field of interpretable ML, such as feature importance and accumulated local effects, we attempt to explain which factors drive the predictions of the so-called ML black box models. We show that policies facilitating the penetration and use of ICT and aiming to curb the shadow economy may exert an asymmetric impact on sovereign ratings and the cost of debt depending on their present magnitudes, not only independently but also in interaction. The last chapter is a brief presentation of the time-evolving impact of the two phenomena on the Greek sovereign cost of debt through years 2001-2016. A number of local model-agnostic interpretations of predictions regarding Greece is presented in order to identify the magnitude of the attributes that shape the prediction. Policy implications drawn upon research findings and government plans and intentions are also briefly discussed. | el |
| dc.subject.keyword | Credit ratings | el |
| dc.subject.keyword | Sovereign debt | el |
| dc.subject.keyword | Information and communication technologies | el |
| dc.subject.keyword | ICT | el |
| dc.subject.keyword | e-readiness | el |
| dc.subject.keyword | Developing countries | el |
| dc.subject.keyword | Shadow economy | el |
| dc.subject.keyword | NRI index | el |
| dc.subject.keyword | CART | el |
| dc.subject.keyword | Random forest | el |
| dc.subject.keyword | Bagging | el |
| dc.subject.keyword | Gradient boosting | el |
| dc.subject.keyword | Recurrent neural network | el |
| dc.date.defense | 2023-06-30 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα