受限因变量模型在金融中的应用.pdfVIP

《统计手册：金融中的统计方法》 第 19 章 受限因变量模型在金融中的应用∗ G.S. Maddala 1. 引言 本文的目的在于回顾受限因变量（Limited Dependent Variable ）模型在金融中的一些应 用，并对模型应用中存在的缺陷提出一些改进建议。这一领域的一些问题 Maddala （1991） 已经讨论过，本文将根据最新研究再度探讨这些问题。为求简洁，本文不讨论持续时间模型。 讨论的具体领域包括： （1）贷款歧视和违约的研究， （2 ）债券评级的研究， （3 ）事件研究， （4 ）储蓄、贷款和银行倒闭， （5 ）其他各种应用：公司兼并，公司债务选择，市场微观结构和期货市场。 2.贷款歧视和违约的研究 发放贷款的歧视模型通常使用 logit 分析或判别函数。这两者是有关联的（参阅Maddala ， 1983 和 1991，第Ⅱ部分）。潜变量R ∗定义为 t Rt∗ β +β Lt +β Ct +β M t +εt 0 1 2 3 其中R ∗ 是表示贷方决定拒绝发放贷款的不可观测指标，L 是贷款期限向量，C 是衡量信 t t t 誉的变量向量，M t 表示借方的人口统计学特征（包括种族、性别、年龄等）。M t 中用于识 别保护组变量的系数，被看成是表示存在或者不存在歧视待遇（或反歧视）的指标。 为了使保护组在样本中具有足够的代表性，通常以不同比例对拒绝和接受的申请进行抽 样。例如，被拒绝申请的比例是 5 ％，而被接受申请的比例是 95 ％，如果要从中抽取大约 10％的样本，应该以 100%的比例对被拒绝申请进行抽样，而以 5 ％的比例对被接受申请进 行抽样。这种抽样设计被称为“基于选择的抽样”。出于这一原因，在一些金融应用中常常 建议使用 Manski-Lerman 加权最大似然估计量。参阅 Palepu 等（1986）和Boyes 等（1989）。 但是，这一估计量只适用于包含选择标志的 McFadden 条件 logit 对数单位模型，而不适用 于金融应用中的 logit 模型。在这种情况下，只需要对常数项进行调整。斜率系数和它们的 标准误都是有效的。假设虚拟变量定义如下： 1 如果观测值属于组1 ⎧ y i ⎨ 0 否则 ⎩ ∗ 感谢 Hongyi Li 的帮助和对本文初稿有益的评论。 1 《统计手册：金融中的统计方法》 令p 和p 分别为两组的抽样比例，根据基于选择的样本估计 logit 模型之后，需要将常数项 1 2 减少logp 1 −logp 2 ，（Maddala （1983）P91 的“增加”应该是“减少”）。有关会计和金融 方面事例的进一步讨论、Manski-Lerman 估计量适用性的详细评论以及它在这些情形下的扩 展请参阅 Maddala （1991，P793-794 ），在此不再赘述。 值得提及的是单方程模型的两个扩展例子。他们是 Boyes 等 （1989）和 Yezer 等 （1994）， 都对模型进行扩展，使之包含违约概率。 Boyes 等考虑的是包括贷款发放和违约的二方程模型： 1 发放贷款 ⎧ + , y Zα ε y ⎨ 1 1 1 1 0 不发放贷款 ⎩