Networks and News in Credit Risk Management

Abstract The presumably most important function of a corporation is the establishment and management of connections to customers, suppliers, investors, debtors and competitors. All these connections may produce profits or bear risks. Hence, the isolated inspection of a corporation (or also a sovereign) may be insufficient. Instead, the economic environment of a corporation and its connections should be included in its valuation. Usually, this is done via manual and hardly standardized processes with their associated large efforts. This article presents a new method to analyze business news and to build up a network of corporations based on business news. To this end, we search in news articles from Reuters and Bloomberg for corporation names or synonyms and assume a connection exists between two corporations if the corporations are mentioned together frequently. Based on these connections, we (1) build up a network for the S&P500 companies, (2) identify groups therein to validate the approach manually and (3) test, whether corporations with many connections and a particularly favorable position in the network receive better rating grades compared to corporations with fewer connections and an average network position. The latter is equivalent to the question of whether a corporation’s connections are a driver of the firm value. Moreover, we use the business news to measure a corporation’s publicity and sentiment, and relate these to the corporation’s rating as well. Our empirical results indicate that the network properties, the sentiment and the media attention are contained in respectively affect the rating grade. Hence, the incorporation of news in the firm valuation – as it is done by many financial institutions – is reasonable. The factors mentioned above increase the explanatory power of our regression model significantly. Since many corporations have sufficient news coverage for our approach but are not rated from a rating agency, and hence must be rated with internal models, our approach may support manual processes in financial institutions and reduce efforts and costs. Zusammenfassung Eine der zentralen aber oft unterschätzten Aufgaben von Unternehmen ist der Aufbau und die Pflege von Beziehungen zu Kunden, Lieferanten, Gläubigern, Investoren oder auch Konkurrenten, aus denen Profite und gegebenenfalls auch Risiken resultieren. Daher ist die isolierte Betrachtung eines Unternehmens (oder auch eines Staates) für dessen Bewertung oft nicht ausreichend. Stattdessen sollten das wirtschaftliche Umfeld eines Unternehmens und die Verbindungen eines Unternehmens direkt in dessen Bewertung einfließen. Deren zumeist qualitative, wenig standardisierte Analyse verursacht bei Kreditinstituten meist hohe Aufwände. Dieser Artikel beschreibt die Analyse von Unternehmensnachrichten und die Herleitung von Netzwerken dieser Unternehmen aus deren Unternehmensnachrichten. Hierzu suchen wir in Nachrichten von Reuters und Bloomberg nach Unternehmensnennungen und gehen von einer Verbindung zwischen zwei Unternehmen aus, wenn diese häufig in denselben Nachrichten genannt werden. Aufgrund dieser Verbindungen (1) erzeugen wir ein Netzwerk für die Unternehmen im S&P500, (2) identifizieren nicht-triviale Unternehmensgruppen und (3) testen, ob gut vernetzte Unternehmen eine bessere Bonitätsnote von den Ratingagenturen erhalten als weniger gut vernetzte Unternehmen. Letzteres ist gleichbedeutend mit der Fragestellung, ob eine gute, zentrale Positionierung eines Unternehmens in einem Netzwerk einen messbaren Mehrwert für das Unternehmen schafft, der sich im Rating niederschlägt. Darüber hinaus nutzen wir die Unternehmensnachrichten auch dazu um Kennzahlen abzuleiten, die die Aufmerksamkeit und die Stimmung der Nachrichtenlage unternehmensspezifisch messen und somit das wirtschaftliche Umfeld eines Unternehmens quantifizieren. Bezüglich dieser Kennzahlen überprüfen wir ebenfalls, ob sie einen messbaren Einfluss auf die Ratingnoten haben. Unsere Ergebnisse legen nah, dass sich sowohl Netzwerkeigenschaften als auch die Nachrichtenlage in der Bonitätseinschätzung niederschlagen. Diese Kennzahlen steigern den Erklärungsgrad unseres Shadow-Rating Modells erheblich. Da viele Unternehmen eine für unseren Ansatz hinreichende Nachrichtenabdeckung besitzen, aber kein Agenturrating, kann unser Ansatz besonders bei der Bewertung von Adressrisiken mit internen Modellen manuelle Prozesse ablösen und zu Effizienzsteigerungen führen. JEL Classification: G14, L14, D85