Rating Contagion in the European Markets

In today's world, we often hear about rating agencies when it comes to assessing the risk of default for countries. Of course, rating agencies also evaluate individual private companies to inform investors, not only about the "value" and risk of these businesses. Stocks can transition from Investment Grade to Speculative Grade with a single downgrade and may no longer be attractive to risk-averse investors. In this thesis, we aim to examine, over a broad time span from the 1980s to the present day, how a downgrade to a level close to default, or nearly, of a company among the top 500 in the European market can influence other ratings in the future. We will primarily investigate its connection to the sector to which the companies in our database belong. We will also try to determine if there is a possibility of predicting downgrades by looking at sectors as predictors, in order to find a way to protect against credit contagion in the financial system. In this thesis, practical work was done in R for data cleaning, on the original extracted Ratings, and the construction of a suitable database to handle the data with the desired models. Firstly, the SIR model, a medical model used to simulate the spread of a disease, was tried. However, after encountering numerous challenges, a decision was made to change the approach and use different models. The new models used include Logistic Regression, Naive Bayes, Classification Tree, and Random Forest, leading to more easily interpretable and meaningful results, returning to models more relevant to the economic context.

Al giorno d'oggi sentiamo spesso parlare delle agenzie di rating per quanto riguarda gli Stati e il loro rischio di Default. Ovviamente le agenzie di rating valutano anche le singole aziende private per informare gli investitori, non solo sul "valore" e sul rischio delle imprese. Le azioni così possono passare da Investment Grade a Speculative Grade con un singolo downgrade e quindi non essere più appetibili per alcuni investitori più avversi al rischio. In questa tesi vogliamo verificare, durante un arco temporale ampio, a partire dagli anni '80 fino ad oggi, come un downgrade ad un livello vicino al Default, o quasi, di una impresa presente tra le prime 500 più grandi nel mercato europeo possa influenzare altri Rating nel futuro. La cercheremo soprattutto legata al settore di appartenenza delle nostre aziende usate nel database. Cercheremo anche di vedere se sia possibile avere qualche possibilità di prevedere dei downgrade guardando ai settori come predittori, così da poter trovare un modo per ripararsi da situazioni di contagio nel sistema di credito. In questa Tesi è stato svolto un lavoro pratico su R di pulizia dei dati estratti inizialmente sui Rating e una costruzione del database adatto per poter trattare i dati con i modelli desiderati. Inizialmente è stato provato come modello il SIR, un modello medico che serve a simulare una vera e propria propagazione di una malattia, ma successivamente dopo essersi imbattuti in numerose difficoltà si è deciso di cambiare percorso utilizzando altri modelli. I nuovi modelli utilizzati sono la Regressione Logistica, il Naive Bayes, il Classification Tree e il Random Forest, giungendo così a risultati più facilmente interpretabili e significativi tornando a modelli più pertinenti all'ambito economico.