There are three components of the Expected Loss(EL). The first thing is Exposures at Default(EaD), the second thing is Probability of Default(PD), and the last one is Loss Given Default(LGD). The EL can be calculated by the products of the three components.
My object for this research is the estimation of the PD and the Loss Ratio as a Loss Given Default on the construction guarantee bonds. For the guarantee company, it is very important to estimate the PD and the Loss Ratio on the guarantee bonds which are to be published. There are too many factors to be considered for the estimation and it is very difficult to estimate them precisely. For the estimation, I have adopted 28 variables including financial factors of the guaranteed companies and macro indices for the PD estimation through the logistic regression and used the kernel density estimation method for the Loss Ratio density on the construction guarantee bond. Then, I have divided the guaranteed companies by the credit ratings of the Construction Guarantee cooperative in South Korea because I have believed that the estimation model for the PD and the Loss Ratio will be different subject to the credits of the companies.
As a result, I have found that there are several meaningful variables for the guaranteed companies in PD estimations. Among them, the magnitude of the assets shows very interesting results. Contrary to the common sense, the beta of magnitude of the assets explains that the construction guarantee bond for the relatively big company could be easily default. And the beta of the turnover ratio of the total assets shows that the construction company should have a certain level of financial assets or tangible assets in lower credit ratings. Out of the macro variables, the beta of the default spread shows that the default spread has a contrary relationship with the PD in publishing construction guarantee bonds.
Estimating the Loss Ratio, I have checked the risks with Value at Risk(VaR) and Conditional Value at Risk(CVaR). The historical data of the construction guarantee show that the AA and BBB ratings have more potential risks rather than other ratings in the recession. It means the construction guarantee companies need to reserve more allowances for the companies in the AA and BBB ratings.
예상손실을 계산할때 요소는 세가지가 있다. 부도시 노출금액, 부도확률, 마지막으로 부도시 손해율이다. 예상손실은 이러한 세가지의 곱으로 계산된다.
본 연구의 목적은 건설보증의 보증금 지급확률과 손해율을 추정하는 것이다. 보증회사로서는 발급될 보증서의 보증금 지급확률과 손해율을 추정하는 것이 매우 중요하다. 그 추정을 위해서는 고려해야할 많은 요소들이 있으며 정확한 추정을 한다는 것도 매우 어렵다. 먼저 본인은 그 추정을 위해 피보증회사의 재무변수와 거시경제 변수를 포함하여 총 28개의 변수를 고려하였으며, 보증금 지급확률을 추정하기 위해 로짓분석모형(Logistic regression)을 이용하였고, 손해율 분포를 추정하기 위해 커널 추정방법(kernel density estimation method) 을 이용하였다. 그리고 피보증회사의 신용도에 따라 보증금 지급확률과 손해율이 달라질 것으로 판단되어, 한국의 건설공제조합 신용등급을 이용, 피보증회사를 신용등급별로 구분하여 분석하였다.
그 결과 보증금 지급확률을 추정하면서 몇가지 의미 있는 변수를 발견할 수 있었다. 그 중 자산규모 변수가 흥미로운 결과를 보여줬는데, 일반적인 상식과는 달리, 자산규모가 큰 피보증회사일수록 부도확률이 커지는 것을 보였다. 그리고 총자산회전율은 낮은 신용등급의 건설회사일수록 일정규모이상의 금융자산이나 유형자산을 보유하는 것이 보증금 지급확률을 낮출 수 있다는 것을 보여주었다. 거시경제 변수 중 디폴트 스프레드는 보증금 지급확률과 상반되는 결과를 보여주었는데, 즉 디폴트 스프레드가 클수록 보증금 지급확률이 낮아졌다.
손해율을 추정할 때, 이를 이용하여 Value at Risk(VaR)와 Conditional Value at Risk(CVaR)을 체크해보았다. 그 결과 AA 등급과 BBB 등급에서 잠재적 위험이 많은 것으로 나타났다. 이는 건설보증기관이 해당 등급의 보증건에 대해 더 많은 충당급을 설정할 필요가 있음을 보여준다.
