Contagion or Macroeconomic Fluctuations? Identifiability in Aggregated Default Data

Deze studie concludeert dat bij geaggregeerde defaultdata macro-economische schommelingen de variatie voornamelijk verklaren en dat het onderscheiden van besmetting afhankelijk is van het mechanisme, waarbij alleen het Lo-Davis-model een persistent signaal van besmetting achterlaat dat niet volledig door macro-economische heterogeniteit wordt geabsorbeerd.

De kern

De Grote Misdaad: Is het een Ketenreactie of gewoon Slecht Weer?

Stel je voor dat je een grote stad bekijkt waar elke dag winkels failliet gaan. Soms gaat er maar één winkel dicht, maar soms sluit er in één maand ineens een hele straat de deuren. De vraag die de econoom Shintaro Mori in dit artikel stelt, is heel simpel maar cruciaal: Waarom gebeurt dat?

Is het omdat de winkels elkaar "aansteken" (zoals een virus)? Als winkel A failliet gaat, verliezen klanten hun vertrouwen, en dan gaat ook winkel B dicht, en daarna C? Dit noemen we contagio.

Of is het gewoon omdat het weer (de economie) slecht is? Als er een storm komt (een recessie), dan gaan alle winkels tegelijkertijd failliet, niet omdat ze elkaar aansteken, maar omdat ze allemaal door dezelfde storm worden getroffen. Dit noemen we macro-economische schokken.

Het probleem is dat we vaak alleen maar het eindresultaat zien: "In 2008 zijn er 500 winkels dichtgegaan." We zien niet wie wie heeft besmet en we zien niet precies hoe de storm eruitzag. Het is alsof je alleen de as van een verbrand huis ziet en moet raden of het door een blikseminslag (macro) of door een brand die van huis tot huis sprong (contagio) is ontstaan.

De Drie Verdachten

Mori vergelijkt drie verschillende theorieën (modellen) om deze "faillissements-drukte" te verklaren:

1. De "Vasicek"-theorie (De Gemeenschappelijke Storm):
   Dit model gaat ervan uit dat er één grote, onzichtbare "storm" is die over de hele stad waait. Als de storm hard waait, krijgen alle winkels het zwaar te verduren. Het is een gladde, continue verspreiding van risico.

   • Analogie: Als het regent, worden alle straten nat. Het maakt niet uit of er een emmer water over de ene straat wordt gegoten; het is de regen die alles beïnvloedt.

2. De "Lo-Davis"-theorie (De Cumulatieve Kettingreactie):
   Hier gaat het om een besmetting die opbouwt. Als er één winkel failliet gaat, wordt het iets moeilijker voor de anderen. Als er twee gaan, wordt het nog moeilijker. De kans dat er nog meer dichtgaan, groeit naarmate er meer dichtgaan.

   • Analogie: Een sneeuwbal die rolt. Hij begint klein, maar naarmate hij rolt, wordt hij groter en trekt hij meer sneeuw aan. Hoe meer er al zijn, hoe makkelijker het is dat er nog meer bij komen.

3. De "Torri"-theorie (De Drempel-Of-Geen-Of):
   Dit is een "alles-of-niets" model. Er is een drempel. Als er minstens één besmette winkel is die de "infectie" verspreidt, dan gaan alle kwetsbare winkels tegelijkertijd dicht. Als er geen enkele is, gebeurt er niets.

   • Analogie: Een vlam in een droog bos. Als er één vonk is, vlamt het hele bos direct op. Als er geen vonk is, blijft het droog. Er is geen "half opbranden".

Wat Vond Mori?

Mori keek naar historische data van winkels (bedrijven) die failliet gingen tussen 1920 en 2023. Hij deed twee dingen:

1. De Eerste Test: Alles blijft gelijk (i.i.d.)
Hij keek eerst of de modellen de data konden verklaren zonder rekening te houden met veranderingen in de tijd.

• Resultaat: De "Gemeenschappelijke Storm" (Vasicek) paste het beste. De data leek meer op een gladde verspreiding dan op een plotselinge kettingreactie.
• Betekenis: Als je alleen kijkt naar het totaal aantal faillissementen per jaar, lijkt het alsof het vooral door de algemene economische omstandigheden komt, niet door winkels die elkaar aansteken.

2. De Tweede Test: De Wereld Verandert (Hiërarchisch)
In het echt verandert de economie natuurlijk. Soms is het goed, soms slecht. Mori liet de "kans op faillissement" dus variëren per jaar.

• Het Grote Ontdekking: Toen hij rekening hield met de veranderingen in de economie (het weer), bleek dat 90% van de variatie in faillissementen te maken had met het weer (macro-economische schokken), en niet met het aansteken van winkels.
• Het Verschil tussen de Verdachten:
  • Bij de "Torri"-theorie (de drempel) verdween het bewijs voor besmetting volledig. Het model kon de data net zo goed verklaren als een puur "weer"-model. De besmetting was zo sterk verweven met de economische schokken dat je ze niet meer uit elkaar kon halen. Het was alsof je probeerde een vonk te vinden in een orkaan; je ziet alleen de orkaan.
  • Bij de "Lo-Davis"-theorie (de sneeuwbal) bleef er echter een klein, maar hardnekkig spoor van besmetting over. Zelfs als je het weer in rekening brengt, zag je nog een klein beetje extra "drukte" die niet door het weer te verklaren was. Dit suggereert dat er wel degelijk een soort van opbouwend effect is, maar dat het heel klein is vergeleken met de economische storm.

De Conclusie in Gewone Taal

De conclusie van dit onderzoek is verrassend rustgevend, maar ook een beetje teleurstellend voor degenen die houden van complexe netwerken:

1. Het is vooral het weer: Als je kijkt naar het totaal aantal faillissementen per jaar, is de belangrijkste oorzaak bijna altijd de staat van de economie (de macro-economische fluctuaties).
2. Besmetting is moeilijk te zien: Als er echt besmetting is (winkels die elkaar aansteken), is het zo klein dat het in de ruwe data vaak "oplost" in de economische schokken. Je kunt het niet makkelijk onderscheiden van gewoon slecht weer.
3. Het type besmetting maakt uit: Als besmetting bestaat, lijkt het meer op een langzame sneeuwbal (Lo-Davis) dan op een plotselinge explosie (Torri). De sneeuwbal laat een klein, meetbaar spoor achter, terwijl de explosie volledig wordt weggevaagd door de storm.

Kortom: Als je ziet dat er in één jaar veel winkels dichtgaan, is de kans het grootst dat het gewoon een slecht economisch jaar was. De "virus-achtige" verspreiding van faillissementen is, als die er al is, zo subtiel dat hij in de grote cijfers vaak onzichtbaar blijft. Het is alsof je in een zee van golven probeert te zien of er een kleine stroomrichting is; de golven (de economie) zijn gewoon te groot om de stroom (de besmetting) duidelijk te zien.

Technische samenvatting

Titel: Contagie of Macroeconomische Fluctuaties? Identificeerbaarheid in Geaggregeerde Default-data

1. Probleemstelling

In de kredietrisicomodellering is het een veelvoorkomend fenomeen dat defaulten (faillissementen) van bedrijven niet onafhankelijk van elkaar plaatsvinden, maar clusteren. Twee hoofdmechanismen worden vaak aangevoerd om deze clustering te verklaren:

1. Contagie (Besmetting): Het defaulten van één bedrijf verhoogt direct de waarschijnlijkheid van default bij andere bedrijven (via netwerkeffecten).
2. Macroeconomische Fluctuaties: Gemeenschappelijke schokken (bijv. recessies) verhogen gelijktijdig de defaultkansen voor alle bedrijven.

De centrale uitdaging is dat empirische observaties vaak beperkt zijn tot geaggregeerde data (bijv. het jaarlijkse totaal aantal defaulten), zonder inzicht in de onderliggende netwerkkoppelingen of exacte tijdstippen. Het artikel onderzoekt of het mogelijk is om uit deze "grofkorrelige" (coarse-grained) data onderscheid te maken tussen contagie en macroeconomische variatie. Dit wordt een probleem van identificeerbaarheid: genereert contagie componenten in de verdeling van defaultaantallen die fundamenteel verschillend zijn van die veroorzaakt door macroeconomische schommelingen?

2. Methodologie

De auteur vergelijkt drie representatieve modellen voor afhankelijke defaultverdelingen, elk met een ander mechanisme voor afhankelijkheid:

1. Lo–Davis Model (Cumulatieve Contagie):
   • Mechanisme: Contagie is cumulatief. De kans op een extra default neemt glad toe naarmate het aantal eerdere defaulten toeneemt.
   • Structuur: Een binomiale mengverdeling waarbij de mengverdeling afhangt van het aantal idiosyncratische defaulten.
2. Torri Model (Drempelwaarde-Contagie / Immunisatie):
   • Mechanisme: Een "OR"-type mechanisme. Zodra er minimaal één besmettelijk default optreedt, wordt een globale staat geactiveerd die alle niet-geïmmuniseerde obligaten tegelijkertijd blootstelt. Extra defaulten versterken de contagie niet verder.
   • Structuur: Een tweestapsregime (niet-besmettelijk vs. besmettelijk) met een drempelwaarde.
3. Vasicek Model (Gemeenschappelijke Factor):
   • Mechanisme: Afhankelijkheid wordt gegenereerd door een continue, latente macroeconomische factor. Defaulten zijn conditioneel onafhankelijk gegeven deze factor.
   • Structuur: Een continue mengverdeling van binomiale verdelingen.

Empirische Analyse:

• Data: Jaarlijkse defaultaantallen (1920–2023), opgesplitst in drie klassen: Totaal (ALL), Speculatieve Graad (SG) en Investeringsgraad (IG).
• Benadering 1 (i.i.d. specificatie): Alle parameters zijn constant in de tijd. Hier wordt gekeken welk model de empirische verdeling het beste nabootst zonder tijdvariatie.
• Benadering 2 (Hiërarchische specificatie): De defaultkans $p$ varieert per jaar via een latente variabele. Dit stelt de auteur in staat om de variantie in defaultaantallen te ontleden in:
  • Idiosyncratische variatie.
  • Bijdrage van binnen-jaarse contagie.
  • Bijdrage van kruis-jaarse heterogeniteit (fluctuaties in de macro-omstandigheden).

3. Belangrijkste Resultaten

A. Onder i.i.d. specificatie (constante parameters):

• Het Vasicek-model biedt de beste algehele fit (laagste negatieve log-likelihood) en reproduceert de staartgedragingen (tail behavior) het nauwkeurigst.
• Het Torri-model onder- of overschat de staartkansen sterk en vertoont een te snelle afname van de waarschijnlijkheid voor grote defaultaantallen.
• Het Lo–Davis-model presteert beter dan Torri, maar slechter dan Vasicek, en toont een bijna bimodale verdeling.
• Conclusie: Zonder tijdvariatie lijkt een continue mengmechanisme (Vasicek) de data beter te vangen dan discrete contagiemechanismen.

B. Onder hiërarchische specificatie (variërende defaultkansen):
Wanneer tijdvariatie in de defaultkansen wordt toegestaan, verandert het beeld aanzienlijk:

1. Dominantie van Macro-fluctuaties: De grootste bijdrage aan de variantie in jaarlijkse defaultaantallen komt voort uit de kruis-jaarse variatie in de defaultomstandigheden ($p_t$), niet uit binnen-jaarse contagie.
2. Identificeerbaarheid van Contagie:
   • Torri-model: De drempelwaarde-contagie verdwijnt effectief in de macroeconomische heterogeniteit. Na aggregatie blijft er geen stabiel component over dat onderscheiden kan worden van macro-fluctuaties. Het model reduceert tot een puur heterogeen model.
   • Lo–Davis-model: Er blijft een klein maar persistent component van cumulatieve contagie over. Dit is zichtbaar in de variantie-decompositie en in het gedrag van de staart.
3. Staartgedrag:
   • Het hiërarchische Lo–Davis-model levert de meest gebalanceerde fit, vooral voor de ALL en SG klassen.
   • Het hiërarchische Torri-model en het Vasicek-model neigen tot het overschatten van het staarrisico (te zware staarten), vooral bij hoge betrouwbaarheidsniveaus.

4. Kernbijdragen

• Identificeerbaarheidsgrens: Het artikel toont aan dat bij geaggregeerde data (zoals jaarlijkse aantallen) het onderscheid tussen contagie en macro-economische schokken vaak onmogelijk is, tenzij het contagiemechanisme een specifiek, persistent signaal achterlaat.
• Structuurverschil: Het onderscheidt tussen drempelwaarde-contagie (Torri), die na aggregatie verdwijnt in macro-ruis, en cumulatieve contagie (Lo–Davis), die een detecteerbaar, zij het klein, residu achterlaat.
• Rol van Macro-variabiliteit: Het benadrukt dat de variatie in jaarlijkse defaultaantallen primair wordt gedreven door veranderende macro-economische condities, en niet door sterke interne besmettingsnetwerken.

5. Significatie en Conclusie

De studie heeft belangrijke implicaties voor kredietrisicomanagement en econometrische modellering:

• Waarschuwing voor Aggregatie: Het gebruik van geaggregeerde data om contagie te "bewijzen" is riskant. Wat eruitziet als contagie, kan vaak worden verklaard door niet-gemeten macro-economische variatie.
• Modelkeuze: Voor het modelleren van jaarlijkse defaultaantallen is een model dat macro-variabiliteit expliciet meeneemt (hiërarchisch) essentieel. Zonder dit leidt het Vasicek-model tot een schijnbare goede fit, maar overschat het de staartrisico's zodra tijdvariatie wordt ingevoerd.
• Fysische Interpretatie: Cumulatieve interacties (Lo–Davis) laten een "vingerafdruk" achter die onderscheidbaar is van macro-fluctuaties, terwijl drempelwaarde-interacties (Torri) en sterke gemeenschappelijke factoren (Vasicek) op geaggregeerd niveau in elkaar overlopen.

Samenvattend concludeert Mori dat default-clustering in geaggregeerde data voornamelijk wordt gedreven door tijdvariatie in kredietcondities. Contagie, indien aanwezig, speelt een secundaire rol die de vorm van de staart verfijnt, maar geen primaire bron van variantie is. Alleen cumulatieve contagie blijft onder bepaalde omstandigheden identificeerbaar in ruwe data.