In this master thesis, the impact of forward-looking macroeconomic information under IFRS 9 is studied using fictional data from a Swedish mortgage loan portfolio. The study employs a time series analysis approach and employs vector autoregression models to model expected credit loss parameters with multiple incorporated macroeconomic parameters. The models are analyzed using impulse response functions to study the impact of macroeconomic shocks and the results show that the unemployment rate, USD/SEK exchange rate and 3-month interest rates have a significant impact on expected credit losses. / I detta examensarbete studeras effekterna av framåtblickande makroekonomisk information enligt IFRS 9 med fiktiv data baserad på en svensk bolåneportfölj. Studien använder sig av tidsserieanalys och vektorautoregressionsmodeller för att modellera förväntade kreditförlust-parametrar med flera inkorporerade makroekonomiska parametrar. Modellerna analyseras med hjälp av impulsresponsfunktioner för att studera effekterna av makroekonomiska chocker. Resultaten visar att arbetslöshet, USD/SEK växelkurs och 3-månaders räntor har en signifikant inverkan på förväntade kreditförluster.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-319395 |
Date | January 2021 |
Creators | Corfitsen, Christian |
Publisher | KTH, Matematik (Avd.) |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-SCI-GRU ; 2021:227 |
Page generated in 0.0113 seconds