Prognosemodelle für Länderrisiken: Logit- und Deep Learning-Methoden im Vergleich (Forecasting Sovereign Ratings with Logit Regression and Deep Learning: Quo vadis, Italia?)

ifes Schriftenreihe Band 18

28 Pages Posted: 18 Oct 2019

See all articles by Frank Lehrbass

Frank Lehrbass

L*PARC (Lehrbass Predicitive Analytics and Risk Consulting); FOM University of Applied Sciences for Economics and Management; University of the Bundesbank

Daniel Hagemann

FOM University of Applied Sciences - ESSEN - FOM University of Applied Sciences, Student

Date Written: December 1, 2018

Abstract

German Abstract: Die vorliegende Untersuchung beschäftigt sich mit den Einflussfaktoren auf das Rating von Staaten sowie auf die Zuordnung eines Investmentgrade-Status. Es werden ein Ordered Logit-Modell, ein Logit-Modell sowie ein Deep Learning-Modell konzipiert, die zur Prognose von zukünftigen Bonitätsentwicklungen verwendet werden können. Ferner eignen sich die Modelle zur Analyse unterschiedlicher politischer und wirt-schaftlicher (Stress-)Szenarien. Für Italien wird eine bedingte Vorhersage gewagt.

English Abstract: This study explores the factors driving sovereign ratings. An Ordered Logit-Model, a Logit-Model and a Deep Learning-Model are estimated/trained in order to forecast sovereign ratings. A conditional forecast for Italy is worked out in detail.

Note: Downloadable document is in German.

Keywords: Country Risk, Sovereign Risk, Forecasting, Rating

JEL Classification: G24, H60

Suggested Citation

Lehrbass, Frank and Lehrbass, Frank and Hagemann, Daniel, Prognosemodelle für Länderrisiken: Logit- und Deep Learning-Methoden im Vergleich (Forecasting Sovereign Ratings with Logit Regression and Deep Learning: Quo vadis, Italia?) (December 1, 2018). ifes Schriftenreihe Band 18, Available at SSRN: https://ssrn.com/abstract=3465432 or http://dx.doi.org/10.2139/ssrn.3465432

Frank Lehrbass (Contact Author)

L*PARC (Lehrbass Predicitive Analytics and Risk Consulting) ( email )

Dusseldorf
Germany

HOME PAGE: http://lehrbass.de

FOM University of Applied Sciences for Economics and Management ( email )

Toulouser Allee 53
Dusseldorf, 40476
Germany

University of the Bundesbank ( email )

Schloss
Hachenburg, 57627
Germany

Daniel Hagemann

FOM University of Applied Sciences - ESSEN - FOM University of Applied Sciences, Student

Germany

Do you have a job opening that you would like to promote on SSRN?

Paper statistics

Downloads
81
Abstract Views
525
Rank
478,534
PlumX Metrics