• Media type: E-Book
  • Title: Prognosemodelle für Länderrisiken : Logit- und Deep Learning-Methoden im Vergleich (Forecasting Sovereign Ratings with Logit Regression and Deep Learning: Quo vadis, Italia?)
  • Contributor: Lehrbass, Frank [Author]; Hagemann, Daniel [Other]
  • Published: [S.l.]: SSRN, [2019]
  • Published in: ifes Schriftenreihe Band 18
  • Extent: 1 Online-Ressource (28 p)
  • Language: German
  • DOI: 10.2139/ssrn.3465432
  • Identifier:
  • Origination:
  • Footnote: Nach Informationen von SSRN wurde die ursprüngliche Fassung des Dokuments December 1, 2018 erstellt
  • Description: German Abstract: Die vorliegende Untersuchung beschäftigt sich mit den Einflussfaktoren auf das Rating von Staaten sowie auf die Zuordnung eines Investmentgrade-Status. Es werden ein Ordered Logit-Modell, ein Logit-Modell sowie ein Deep Learning-Modell konzipiert, die zur Prognose von zukünftigen Bonitätsentwicklungen verwendet werden können. Ferner eignen sich die Modelle zur Analyse unterschiedlicher politischer und wirt-schaftlicher (Stress-)Szenarien. Für Italien wird eine bedingte Vorhersage gewagt

    English Abstract: This study explores the factors driving sovereign ratings. An Ordered Logit-Model, a Logit-Model and a Deep Learning-Model are estimated/trained in order to forecast sovereign ratings. A conditional forecast for Italy is worked out in detail
  • Access State: Open Access