scholarly journals Quantitative models of sovereign risk and state-contingent debt

2021 ◽  
Author(s):  
Έρση-Ηλιάνα Σαββοπούλου
Keyword(s):  
Principal Component Analysis ◽  
Monte Carlo ◽  
Event Study ◽  
Principal Component ◽  
Higher Order ◽  
Sovereign Risk ◽  
Ceteris Paribus ◽  
Market Sentiment ◽  
Quantitative Models ◽  
Sovereign Spreads

Η διατριβή εξετάζει την απόκλιση των αποδόσεων των κρατικών ομολόγων (sovereign spreads) και το δημόσιο χρέος από τη σκοπιά των κεφαλαιαγορών, αποδίδοντας ιδιαίτερο ρόλο στην αβεβαιότητα. Παρέχεται εκτενής βιβλιογραφική επισκόπηση των μοντέλων κρίσεων δημοσίου χρέους και της εμπειρικής βιβλιογραφίας, σχετικά με τους παράγοντες που καθορίζουν την απόκλιση των αποδόσεων των κρατικών ομολόγων (sovereign spreads) με έμφαση στη βιωσιμότητα του χρέους, στις πολλαπλές ισορροπίες, στις αυτοεκπληρούμενες κρίσεις χρέους και στο διαχωρισμό μεταξύ θεμελιωδών μεγεθών έναντι του «συναισθήματος της αγοράς» (market sentiment).Παρέχεται μία νέα εφαρμογή στο δημόσιο χρέος ενός παλαιού θεωρητικού υποδείγματος αυτοεκπληρούμενων νομισματικών κρίσεων. Η νέα εφαρμογή εξηγεί πώς η παρουσία της αβεβαιότητας οδηγεί νομοτελειακά στο μοναδικό αποτέλεσμα, δηλαδή σε κρίση. Η αβεβαιότητα εμφανίζεται με τρεις μορφές: ως προς την πληροφόρηση, ως προς τη στρατηγική και ως ηλιακές κηλίδες (“sunspots”). To εργαλείο των “higher order beliefs” της θεωρίας παιγνίων εφαρμόζεται εν προκειμένω στις κεφαλαιαγορές.Στο κεφάλαιο της εμπειρικής εκτίμησης, προκύπτει μία νέα μέτρηση της αβεβαιότητας σχετικά με την απόκλιση της απόδοσης του ελληνικού δεκαετούς ομολόγου από το αντίστοιχο γερμανικό (sovereign spread) μέσω του υποδείγματος Threshold GARCH. Η μέθοδος Principal Component Analysis εφαρμόζεται στη μέτρηση του σχετικού ρίσκου της περιφέρειας της Ευρωζώνης. Στη συνέχεια, προσαρμόζεται ένα υπόδειγμα threshold regression στην απόκλιση της απόδοσης του ελληνικού δεκαετούς ομολόγου από το γερμανικό (sovereign spread) για την περίοδο μεταξύ Ιανουαρίου 1999 και Δεκεμβρίου 2020. Στο υπόδειγμα αυτό, ένα καθεστώς (regime) που καθορίζεται από τα θεμελιώδη μεγέθη διαχωρίζεται από ένα καθεστώς «συναισθήματος της αγοράς» με βάση ένα οριακό επίπεδο αβεβαιότητας. Στη συνέχεια, η ανωτέρω οριζόμενη συμπεριφορά της απόκλισης της απόδοσης του ελληνικού δεκαετούς ομολόγου από το αντίστοιχο γερμανικό (sovereign spread) τοποθετείται πάνω στο χρονοδιάγραμμα του αφηγήματος της ελληνικής κρίσης χρέους. Περίοδοι κρίσης χαρακτηρίζονται από υψηλή αβεβαιότητα. Ακολούθως, εφαρμόζεται ένα Component GARCH-M υπόδειγμα της απόκλισης της απόδοσης του ελληνικού δεκαετούς ομολόγου από το αντίστοιχο γερμανικό (sovereign spread). Ένας βραχυπρόθεσμος συντελεστής της αβεβαιότητας ως προς τη βιωσιμότητα του ελληνικού δημόσιου χρέους διαχωρίζεται από έναν μακροπρόθεσμo συντελεστή. Περίοδοι κρίσεως συμπίπτουν με τις περιόδους υψηλού επιπέδου βραχυπρόθεσμου «συναισθήματος της αγοράς» (market sentiment), το οποίο καθορίζεται από τη ρευστότητα (liquidity-driven). Συμπληρωματικά στην ανάλυση, η μέθοδος event study επιβεβαιώνει την επίδραση ημερομηνιών-κλειδιά στην απόκλιση της απόδοσης του ελληνικού ομολόγου από το αντίστοιχο γερμανικό (sovereign spreads).Ένα τελικό υπολογιστικό κεφάλαιο αξιολογεί πώς θα εξελισσόταν το ελληνικό δημόσιο χρέος προς ΑΕΠ στο ξέσπασμα της ελληνικής κρίσης χρέους (historical counterfactual), εάν όλο ή μέρος του χρέους συνδεόταν με το ΑΕΠ (GDP-indexation). Εφαρμόζοντας προσομοιώσεις (Monte Carlo) των πιθανών εξελίξεων στο χρόνο του λόγου χρέους προς ΑΕΠ, διαγράμματα-χωνιά (fan charts) οδηγούν προς το συμπέρασμα πως η Ελλάδα δεν θα ήταν καλή περίπτωση για την εισαγωγή ομολόγων με ρήτρα ΑΕΠ (GDP-linked bonds), με αμετάβλητα τα λοιπά δεδομένα (ceteris paribus).

The structure of Estonian personal values: a lexical approach

2002 ◽  
Vol 16 (3) ◽  
pp. 221-235 ◽  
Author(s):  
Toivo Aavik ◽  
Jüri Allik
Keyword(s):  
Principal Component Analysis ◽  
Personal Values ◽  
General Structure ◽  
Principal Component ◽  
Higher Order ◽  
The Self ◽  
The Other ◽  
Two Dimensional ◽  
Lexical Approach ◽  
Estonian Language

The main purpose of this paper is to investigate the variety of value describing words and interrelation of value categories in the Estonian language. To accomplish this aim, a psycholexical approach was adopted, during which a set of 560 value‐related words was selected from the Estonian Orthological Dictionary and the results were compared with the Schwartz Values Survey (SVS). When principal‐component analysis was applied on the self‐ratings of a reduced list of 78 value‐related words, six factors emerged and were labelled as benevolence, self‐enhancement, broadmindedness, hedonism, conservatism, and self‐realization. However, all these themes are interrelated and load on a singular secondary dimension. The constructs measured by SVS and the value categories in Estonian were only partially interchangeable; moderate correlations imply an imperfect correspondence: each theme was related to many categories on the other questionnaire. However, a significant general structure refers to the same two‐dimensional level of higher‐order values described by Schwartz in 1992. Copyright © 2002 John Wiley & Sons, Ltd.

scholarly journals Dimensionality Reduction of Dynamic Mesh Animations Using HO-SVD

2013 ◽  
Vol 3 (4) ◽  
pp. 277-289 ◽  
Author(s):  
Michał Romaszewski ◽  
Piotr Gawron ◽  
Sebastian Opozda
Keyword(s):  
Principal Component Analysis ◽  
Singular Value Decomposition ◽  
Dimensionality Reduction ◽  
Principal Component ◽  
Component Analysis ◽  
Higher Order ◽  
Singular Value ◽  
3D Mesh ◽  
Reduction Of Dimensionality ◽  
Value Decomposition

Abstract This work presents an analysis of Higher Order Singular Value Decomposition (HOSVD) applied to reduction of dimensionality of 3D mesh animations. Compression error is measured using three metrics (MSE, Hausdorff, MSDM). Results are compared with a method based on Principal Component Analysis (PCA) and presented on a set of animations with typical mesh deformations.

scholarly journals Anomaly Detection in Photovoltaic Production Factories via Monte Carlo Pre-Processed Principal Component Analysis

Energies ◽  
2021 ◽  
Vol 14 (13) ◽  
pp. 3951
Author(s):  
Eleonora Arena ◽  
Alessandro Corsini ◽  
Roberto Ferulano ◽  
Dario Alfio Iuvara ◽  
Eric Stefan Miele ◽  
...  
Keyword(s):  
Principal Component Analysis ◽  
Monte Carlo ◽  
Anomaly Detection ◽  
Principal Component ◽  
Component Analysis ◽  
Operating Conditions ◽  
Production Plant ◽  
Use Case ◽  
Model Errors ◽  
Unseen Data

This paper investigates a use case of robust anomaly detection applied to the scenario of a photovoltaic production factory—namely, Enel Green Power’s 3SUN solar cell production plant in Catania, Italy—by considering a Monte Carlo based pre-processing technique as a valid alternative to other typically used methods. In particular, the proposed method exhibits the following advantages: (i) Outlier replacement, by contrast with traditional methods which are limited to outlier detection only, and (ii) the preservation of temporal locality with respect to the training dataset. After pre-processing, the authors trained an anomaly detection model based on principal component analysis and defined a suitable key performance indicator for each sensor in the production line based on the model errors. In this way, by running the algorithm on unseen data streams, it is possible to isolate anomalous conditions by monitoring the above-mentioned indicators and virtually trigger an alarm when exceeding a reference threshold. The proposed approach was tested on both standard operating conditions and an anomalous scenario. With respect to the considered use case, it successfully anticipated a fault in the equipment with an advance of almost two weeks, but also demonstrated its robustness to false alarms during normal conditions.

Sign in / Sign up

Export Citation Format

Share Document