Factor Models for Corporate Bond Returns: A Bayesian Approach

Abstract

Denne afhandling undersøger, hvordan Bayesian Model Averaging (BMA) kan anvendes til at identificere robuste faktormodeller for afkast på virksomhedsobligationer. Dette gøres med udgangspunkt i et strømlinet datagrundlag og potentielle faktorer baseret på virksomhedsobligationer, aktier og makroøkonomi. På baggrund af syv foreslåede faktormodeller fra BMA-estimation vurderes performance både in-sample og out-of-sample. Resultaterne viser, at både sparsomme og højdimensionelle modeller kan præstere bedst afhængigt af valgte kriterier, hvilket understreger, at der ikke nødvendigvis findes én entydig optimal model. Analysen fremhæver desuden begrænsningerne ved udelukkende at anvende faktorer relateret til virksomhedsobligationer, grundet høj intern korrelation og tegn på uforklaret strukturel variation. Inklusion af makroøkonomiske og aktiebaserede faktorer forbedrer forklaringsevnen, og især makrofaktorer opnår høje posterior sandsynligheder for inklusion på trods af lave risikopræmier. Dette viser styrken ved BMA-metoden, som formår at fastholde faktorer med konsistent forklaringskraft, der ellers ville blive frasorteret af mere konventionelle metoder. Afslutningsvis finder vi, at BMA er en nyttig metode til at analysere og sammenligne faktormodeller, men at dens antagelser bør behandles med forsigtighed. På trods af visse begrænsninger overgår vores modeller tidligere studiers forklaringsevne og bidrager til diskussionen om dimensionering og faktorvalg i obligationsmarkedet.