BIS国际清算银行-Firm-specific-risk-neutral-distributions-with-options-and-CDS_68页_2mb

总结：Firm-Specific Risk-Neutral Distributions with Options and CDS

核心内容

本文提出了一种新的方法，用于从期权和信用违约互换（CDS）中提取公司特定的风险中性分布（RND）。该方法结合了期权价格和CDS信息，以获得更全面的公司股票收益分布，尤其关注中间部分的收益风险。传统的期权方法通常无法准确捕捉中间部分的风险，而CDS提供了关于尾部风险的信息，因此两者的结合可以更有效地衡量投资者对非极端但重大负收益的风险预期。

主要观点

• 期权和CDS的信息互补性：期权价格反映了收益分布的中心部分，而CDS价格反映了尾部风险。通过结合两者，可以更好地捕捉中间部分的收益风险。
• 风险中性分布的构建：本文使用skew-$t$分布来建模风险中性分布，该分布能够灵活地拟合不同形状的收益分布，并且在实证研究中表现良好。
• 中间风险的溢价：通过比较基于期权和CDS的skewness，发现中间部分的收益风险在市场压力时期具有显著的溢价。
• 样本选择与数据来源：研究样本包括275家美国公司，时间范围为2006年至2015年。数据包括期权价格、CDS报价和公司股票收益。由于CDS数据有限，样本规模相对较小，但覆盖了大量公司特定的RND估计。
• 方法的经济价值：通过构建基于skewness的资产组合，研究发现结合CDS和期权的skewness衡量方法比仅使用期权的方法具有更高的投资表现，尤其是在金融危机期间。

关键信息

数据描述

• 时间范围：2006年1月至2015年12月。
• 数据来源：
  • 期权数据：来自OptionMetrics和Wharton Research Data Services (WRDS)，包括美国股市（AMEX、NASDAQ、NYSE）的个股期权。
  • CDS数据：来自Markit，包括5年期CDS报价，以及公司财务信息（如资产负债表、市场资本化等）。
  • 股票收益数据：来自CRSP（Center for Research on Security Prices）。
• 样本筛选：
  • 仅保留有正成交量和有效报价的期权。
  • 排除隐含波动率缺失的期权。
  • 通过公司规模和杠杆率双重排序，计算默认阈值。

默认阈值

• 默认阈值是基于公司破产前三个月的累计收益计算得出。
• 默认阈值根据公司规模（市场资本化）和杠杆率（负债与资产比）进行调整。
• 低杠杆公司的默认阈值为：市场资本化小于10亿美元时为-70%，大于等于10亿美元时为-89%。
• 高杠杆公司的默认阈值为：市场资本化小于10亿美元时为-81%，大于等于10亿美元时为-90%。

方法描述

• 风险中性分布的构建：结合期权价格和CDS信息，利用skew-$t$分布模型拟合公司特定的收益分布。
• 参数估计：通过最小化参数化CDF与期权和CDS数据之间的平方偏差来估计分布参数。
• skewness的计算：分别基于期权和CDS计算skewness，并比较两者之间的差异以捕捉中间风险。

实证结果

• skewness的经济意义：基于期权/CDS和期权-only的skewness构建的资产组合在2006-2015期间表现优于基于BKM方法的skewness组合。
• 市场压力下的表现：在金融危机期间（2008-2011），结合CDS和期权的skewness组合表现尤为突出。
• 投资表现：基于skewness的组合在2006-2015期间平均每月获得0.5%的风险溢价，且在不同假设下表现稳健。
• skewness的差异：期权/CDS组合与期权-only组合的skewness差异主要体现在尾部区域，表明CDS对尾部风险的捕捉更为准确。

方法创新

• 本文首次将CDS信息引入公司特定的RND估计，弥补了传统期权方法在尾部风险方面的不足。
• 通过skew-$t$分布，能够更全面地刻画收益分布的形状，包括偏度和峰度。
• 方法不仅依赖于数据，还通过合理的参数假设来增强模型的稳健性。

结论

• 结合期权和CDS的skewness衡量方法能够更准确地捕捉公司收益分布的中间风险。
• 该方法在市场压力时期表现出更强的预测能力和投资价值。
• 尽管CDS数据有限，但本文的方法在样本规模上仍具有较大的适用性，为研究公司特定的投资者预期和风险偏好提供了新的工具。