Por favor, use este identificador para citar o enlazar este ítem:
http://cide.repositorioinstitucional.mx/jspui/handle/1011/183| Rating sub - national government debt in LDCs: does size matter? | |
| Smith Ramírez, R. Hernández Trillo, F. | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Credit ratings -- Mexico -- Econometric models. Credit bureaus -- Mexico -- Econometric models. | |
| In this paper we study the determinants of both the decision to be rated and the ratings for sub-national governments in a prominent LDC, Mexico. One of the main findings is that entity size does matter; as a matter of fact, population size is one of the two rating determinants common to all the raters under analysis. In a country with a long bailing-out history, these results support our too-big-to-fail hypothesis. Namely, large entities select themselves to be rated (and so to obtain new debt) because they know they have political power; and secondly, raters know that the probability that federal government bail out large entities is high. Under these circumstances requiring the services of a rating firm has little sense since market may assess the risk of these entities as that of the sovereign instruments. If so, sub-national governments may save the cost of the grading. Besides, the assessment of sovereign debt risk is normally free of charge. Methodologically, we extend and modify Moon and Stostsky (1993) seminal work in several ways. First, our model considers six latent dependent variables (instead of four). Second, we formulate a Monte Carlo Expectation Maximization (MCEM) algorithm to circumvent the estimation of multidimensional integrals in lieu of using the probability simulator of Borsch-Supan and Hajivassiliou (1993). Finally, our discussion is based on marginal effects rather on parameter estimates. En este trabajo se estudian los determinantes tanto de la decisión a someterse a una calificación como de la misma para gobiernos municipales en México. El principal factor que encontramos para ambos casos es el de tamaño del municipio; éste lo aproximamos con la población. Es interesante observar que es el único factor común a las tres calificadoras de riesgo. En general, este resultado es consistente con la hipótesis de muy-grande-para-quebrar, la que sugiere que en este caso cuando la entidad esté en problemas, el gobierno federal la rescata. En este sentido las entidades grandes se auto-seleccionan para ser calificadas. Esto puede ser interpretado, a su vez, como un elemento con contenido político, es decir, población en este sentido es sinónimo de voto electoral, por lo que es rentable rescatar a la entidad y esto se refleja en la calificación crediticia. Bajo esta circunstancia el requerimiento de la calificación puede ser redundante, sobre todo porque las agencias cobran por el servicio. En otras palabras, las entidades grandes pueden ahorrarse el costo de este producto, pues el riesgo debiera ser el soberano, mismo que ya tiene una calificación sin costo alguno para gobierno federal. Metodológicamente extendemos y modificamos el trabajo de Moon and Stostsky (1993) de varias maneras. Primero, nuestro modelo cualitativo de variable dependiente considera seis variables latentes, en lugar de cuatro. Segundo, formulamos un algoritmo de maximización esperada de Monte Carlo para resolver la estimación de los integrales multidimensionales en lugar de usar el simulador de probabilidad de Borsch-Supan and Hajivassiliou (1993). Finalmente, nuestra discusión se basa en los efectos marginales en lugar de los parámetros estimados. | |
| 2006 | |
| Documento de trabajo | |
| Inglés | |
| Estudiantes Investigadores | |
| CIENCIAS SOCIALES | |
| Aparece en las colecciones: | División de Economía, Documentos de Trabajo |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 000071406_documento.pdf | Documento electrónico | 559.27 kB | Adobe PDF | Visualizar/Abrir |