Modeling and forecasting firm's asset and equity volatility

Abstract

La volatilitat dels actius de l’empresa és una de les principals variables en el modelat del risc de crèdit, i es refereix al grau de les fluctuacions del valor de l’actiu de l’empresa. Tot i que la volatilitat del patrimoni net i les seves propietats temporals han estat àmpliament estudiades a la literatura, molt poc es coneix sobre les propietats de la volatilitat de l’actiu de l’empresa. El principal motiu d’aquesta absència de coneixement resideix en què el valor subjacent dels actius de l’empresa és inobservable, i per tant, a les aplicacions pràctiques del modelat del risc de crèdit és habitual l’ús de la volatilitat de les accions com una variable proxy de la volatilitat d’actiu. Tot i això, estudis recents apunten que la volatilitat del patrimoni net té diferents propietats temporals respecte la volatilitat de l’actiu. En conseqüència, el principal objectiu d’aquesta investigació és estudiar les propietats temporals de la volatilitat d’actiu, les possibles diferències respecte a la volatilitat del patrimoni net, i proporcionar un anàlisi detallat de les seves principals propietats com la asimetria o persistència en el context del modelat i predicció de la volatilitat. La investigació s’estructura de la següent manera: Primer, s’analitza la persistència de la volatilitat d’actiu i la seva relació amb la volatilitat del patrimoni net. Segon, es determina quin model o models, considerant la família discreta de models GARCH (Generalized Auto-Regressive Conditional Heteroskedasticicty), són els millors per estimar i predir la volatilitat, analitzant en detall les seves implicacions a la asimetria i la persistència en el modelat i la predicció de la volatilitat de l’actiu. Tercer, es proporciona una aplicació pràctica per l’estimació de la volatilitat implícita de l’actiu dels CDS. Per aquesta investigació s’ha utilitzat una mostra de referència de 52 empreses no financeres de l’iTraxx Europe durant el període 2004-2016, i estimem els valors subjacents dels actius de l’empresa utilitzant diferents procediments habitualment emprats.

La volatilidad de los activos de la empresa es una de las principales variables en el modelado del riesgo de crédito, y se refiere al grado de las fluctuaciones del valor del activo de la empresa. A pesar de que la volatilidad del patrimonio neto y sus propiedades temporales han sido ampliamente estudiadas en la literatura, muy poco se conoce de las propiedades de la volatilidad del activo de la empresa. El principal motivo de esta ausencia de conocimiento reside en que el valor subyacente de los activos de la empresa es inobservable, y por ello, en las aplicaciones prácticas del modelado del riesgo de crédito es habitual el uso de la volatilidad de las acciones como una variable proxy de la volatilidad de activo. Sin embargo, estudios recientes apuntan que la volatilidad del patrimonio neto tiene distintas propiedades temporales respecto a la volatilidad del activo. En consecuencia, el principal objetivo de esta investigación es estudiar las propiedades temporales de la volatilidad de activo, las posibles diferencias con respecto a la volatilidad del patrimonio neto, y proporcionar un análisis profundo y detallado de sus principales propiedades como asimetría o persistencia en el contexto del modelado y predicción de la volatilidad. La investigación se estructura del siguiente modo: Primero, se analiza la persistencia de la volatilidad de activo y su relación con la volatilidad del patrimonio neto. Segundo, se determina qué modelo o modelos, considerando la familia discreta de modelos GARCH (Generalized Auto-Regressive Conditional Heteroskedasticicty), son los mejores para estimar y predecir la volatilidad, y analizando en detalle las implicaciones de la asimetría y la persistencia en el modelado y la predicción de la volatilidad de activo. Tercero, se proporciona una aplicación práctica para la estimación de la volatilidad implícita de activo de los CDS. A lo largo de esta investigación, se utilizan como muestra de referencia 52 empresas no financieras de iTraxx Europe durante el período 2004-2016, y estimamos los valores de los activos de la empresa subyacente utilizando diferentes procedimientos comúnmente aplicados.

Volatility of firm’s assets is one of the fundamental variables in credit risk modeling and refers to a degree of fluctuation of firm’s asset returns. While equity volatility and its time-series properties have been extensively studied in the finance literature, little is known about the time-series behavior of volatility of firm’s assets. The main reason for such a gap in the literature lies in the unobservability of the underlying value of the firm’s assets. For that reason, many practical applications applied in credit risk modeling are based on the use of stock return volatility as a proxy variable of asset volatility. However, recent studies point out in the direction that equity volatility has different time-series properties when compared to asset volatility. Thus, the main goal of this research is to study the time-series properties of firm’s asset volatility, the eventual differences it presents with respect to equity volatility, and to provide an in-depth understanding of its most relevant features such as asymmetry and long-range persistence in the context of volatility modeling and forecasting. This research is structured as follows: First, we examine the persistence properties (long memory) of firm’s asset volatility and its relationship with equity volatility. Second, we determine which model or models, considering the discrete-time family of GARCH (Generalized Auto-Regressive Conditional Heteroskedasticicty) models are the best to estimate and forecast conditional asset volatility. We analyze in detail the implications of asymmetry and long-range persistence on modeling and forecasting firm’s asset volatility. Third, we provide a practical application by estimating a CDS implied firm’s asset volatility and by analyzing its time-series properties. Throughout this research we use as a baseline sample a sample of 52 nonfinancial iTraxx Europe companies during the 2004-2016 period, and estimate underlying firm’s asset values using different, commonly applied procedures.