dc.contributor.advisor | Κουρογένης, Νικόλαος | |
dc.contributor.author | Γκαρτζονίκας, Γεώργιος | |
dc.date.accessioned | 2018-04-20T06:14:58Z | |
dc.date.available | 2018-04-20T06:14:58Z | |
dc.date.issued | 2018-02 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/11172 | |
dc.description.abstract | Η επέκταση των χρηματοοικονομικών αγορών και η είσοδος όλο και περισσότερων συμμετεχόντων σε αυτές, καθιστά την ανάγκη για πρόσθετη πληροφόρηση σχετικά με την πιστοληπτική ποιότητα αυτών επιτακτική. Σημαντικό μέρος αυτής της πληροφόρησης μεταδίδεται από τους βαθμούς πιστοληπτικής ικανότητας (credit ratings) που εκδίδονται από τους Οίκους Αξιολόγησης (Credit Rating Agencies) και για το λόγο αυτό, συμπεριλαμβάνονται συχνά από τη διεθνή βιβλιογραφία σε υποδείγματα για τη μελέτη διαφόρων μεγεθών στις αγορές. Ταυτόχρονα, έχει παρατηρηθεί ότι οι μεταβάσεις προς κάθε επίπεδο αξιολόγησης, έχουν διαφορετικές επιδράσεις στις αξιολογούμενες εταιρείες και η απεικόνισή τους σε μια γραμμική, ομοιόμορφη κλίμακα με σταθερό βήμα (ΑΑΑ=1, ΑΑ+=2, ... κτλ) πιθανώς δεν αντικατοπτρίζει ορθά τη μεταδιδόμενη πληροφορία και οδηγεί σε σφάλμα μέτρησης της μεταβλητής. Στόχος της παρούσας μελέτης, είναι η εύρεση αυτών των διαφορετικών επιδράσεων όπως προσεγγίζονται από τις μη κανονικές αποδόσεις των τιμών των μετοχών στις περιπτώσεις των υποβαθμίσεων, έπειτα από την ανακοίνωση μεταβολής του βαθμού πιστοληπτικής ικανότητας, ακολουθώντας μια μεθοδολογία μελέτης γεγονότος (event-study). Τέλος, γίνεται μια προσέγγιση της βέλτιστης αριθμητικής απεικόνισης με βάση τις μη κανονικές αποδόσεις, η οποία αποτελεί την προτεινόμενη από την παρούσα μελέτη, μεθοδολογία για την αναπαράσταση των εταιρικών μακροχρόνιων βαθμών πιστοληπτικής ικανότητας σε οικονομετρικά υποδείγματα. | el |
dc.format.extent | 87 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.title | Αριθμητική απεικόνιση της εταιρικής πιστοληπτικής ικανότητας | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Χρηματοοικονομικής και Τραπεζικής Διοικητικής | el |
dc.description.abstractEN | The expansion of the financial markets and the existence of more participants into them, have grown the necessity of extra information about their credit quality. Large portion of this information is transmitted through credit ratings that are released from the Credit Rating Agencies, which are also included often into regression models that are aiming to explain various market factors. Simultaneously, it has been observed that the transition to each rating level, has different effect on the rated firm, so its representation in a linear scale with a constant step (AAA=1, AA+=2, … etc), possibly does not reflect correctly the transmitted information and might lead to a measurement error of the credit rating variable. The aim of this thesis, is to study these different effects, approached by the abnormal stock returns of the rated firms, because of the announcement of credit rating change, applying an event-study methodology. Ultimately, based on the abnormal returns, there is estimated a new numerical representation of the corporate long-term credit ratings, which is a proposed methodology to include credit ratings into econometric models. | el |
dc.contributor.master | Χρηματοοικονομική και Τραπεζική με κατεύθυνση στην Χρηματοοικονομική Ανάλυση για Στελέχη | el |
dc.subject.keyword | Βαθμοί πιστοληπτικής ικανότητας | el |
dc.subject.keyword | Αριθμητική απεικόνιση | el |
dc.subject.keyword | Οίκοι Πιστοληπτικής Αξιολόγησης | el |
dc.subject.keyword | Μη κανονικές αποδόσεις μετοχών | el |
dc.subject.keyword | Μελέτη γεγονότων | el |
dc.subject.keyword | Επεξηγηματική μεταβλητή | el |
dc.subject.keyword | Σφάλμα μέτρησης | el |
dc.subject.keyword | Credit rating | el |
dc.subject.keyword | Numerical mapping | el |
dc.subject.keyword | Numerical representation | el |
dc.subject.keyword | Credit rating agencies | el |
dc.subject.keyword | Abnormal returns | el |
dc.subject.keyword | Event study | el |
dc.subject.keyword | Control variable | el |
dc.subject.keyword | Measurement error | el |
dc.subject.keyword | Errors-in-variables | el |
dc.date.defense | 2018-03-12 | |