Greek crisis and credit risk: predictive ability of the credit risk models and stress testing

Abstract

This thesis studies corporate credit risk in the Greek equity market by treating financial distress as a dynamic process rather than as a rare binary default event. The Greek economy constitutes a particularly informative case, as the sovereign debt crisis, the banking crisis, the prolonged recession, and the COVID-19 shock generated repeated regime breaks and persistent financial fragility among firms. In this environment, formal bankruptcies and delistings capture only part of underlying economic distress, while institutional features often delay or distort observable default outcomes. Therefore, the analysis shifts the focus from static default prediction to the evolution of firms’ financial condition over time. Altman’s Z-Score is used as the central organizing metric, not only through its traditional zone classification but primarily as a continuous indicator whose changes, direction of movement and future levels convey information about evolving credit quality. The empirical framework combines classical credit risk models, panel econometric techniques, and machine learning methods applied to a long panel of non-financial firms listed on the Athens Stock Exchange from the mid-2000s to the early 2020s. The results highlight the dominant role of profitability and liquidity in driving distress dynamics, strong persistence and mean reversion in credit quality, and the importance of macroeconomic regimes in shaping firm-level outcomes. Predictive models show that the direction of financial improvement or deterioration is substantially more predictable than the magnitude of changes, while machine learning methods improve out-of-sample performance but remain sensitive to extreme outcomes. Overall, the thesis contributes a unified framework for credit risk monitoring in small, crisis-prone economies, emphasizing the need to complement static default indicators with dynamic, interpretable measures of financial distress, and explicitly acknowledging the limits of prediction under structural change.

Η παρούσα διδακτορική διατριβή διερευνά τον πιστωτικό κίνδυνο των επιχειρήσεων στην ελληνική κεφαλαιαγορά, προσεγγίζοντας τη χρηματοοικονομική δυσχέρεια ως μια δυναμική διαδικασία και όχι ως ένα σπάνιο δυαδικό γεγονός αθέτησης. Η ελληνική οικονομία αποτελεί ένα ιδιαίτερα πρόσφορο πεδίο ανάλυσης, καθώς η κρίση δημόσιου χρέους, η τραπεζική κρίση, η παρατεταμένη ύφεση και η πανδημία της COVID-19 προκάλεσαν διαδοχικές διαρθρωτικές μεταβολές και παρατεταμένη χρηματοοικονομική ευθραυστότητα στον επιχειρηματικό τομέα. Υπό αυτές τις συνθήκες, οι επίσημες πτωχεύσεις και οι διαγραφές εταιρειών από το χρηματιστήριο αποτυπώνουν μόνο ένα μέρος της πραγματικής οικονομικής δυσχέρειας, ενώ τα θεσμικά χαρακτηριστικά της ελληνικής οικονομίας συχνά καθυστερούν ή αλλοιώνουν την εμφάνιση παρατηρήσιμων γεγονότων αθέτησης. Για τον λόγο αυτό, η παρούσα έρευνα μετατοπίζει το ενδιαφέρον από τη στατική πρόβλεψη της αθέτησης στη μελέτη της διαχρονικής εξέλιξης της χρηματοοικονομικής κατάστασης των επιχειρήσεων.Κεντρικό εργαλείο της ανάλυσης αποτελεί ο δείκτης Z-Score του Altman, ο οποίος αξιοποιείται όχι μόνο μέσω της κλασικής ταξινόμησής του σε ζώνες πιστωτικού κινδύνου, αλλά κυρίως ως ένας συνεχής δείκτης χρηματοοικονομικής υγείας, του οποίου οι μεταβολές, η κατεύθυνση της εξέλιξης και οι μελλοντικές τιμές παρέχουν ουσιαστική πληροφόρηση για τη δυναμική της πιστοληπτικής ποιότητας των επιχειρήσεων. Το εμπειρικό πλαίσιο συνδυάζει κλασικά υποδείγματα εκτίμησης πιστωτικού κινδύνου, σύγχρονες τεχνικές οικονομετρίας δεδομένων πάνελ και μεθόδους μηχανικής μάθησης, οι οποίες εφαρμόζονται σε ένα μακροχρόνιο σύνολο δεδομένων μη χρηματοοικονομικών επιχειρήσεων εισηγμένων στο Χρηματιστήριο Αθηνών, καλύπτοντας την περίοδο από τα μέσα της δεκαετίας του 2000 έως τις αρχές της δεκαετίας του 2020.Τα ευρήματα της διατριβής αναδεικνύουν τον καθοριστικό ρόλο της κερδοφορίας και της ρευστότητας στη διαμόρφωση της δυναμικής της χρηματοοικονομικής δυσχέρειας, την έντονη χρονική επιμονή και την τάση επαναφοράς της πιστοληπτικής ποιότητας προς τη μακροχρόνια ισορροπία, καθώς και τη σημαντική επίδραση των μακροοικονομικών καθεστώτων στη χρηματοοικονομική εξέλιξη των επιχειρήσεων. Τα προβλεπτικά υποδείγματα δείχνουν ότι η κατεύθυνση της χρηματοοικονομικής βελτίωσης ή επιδείνωσης μπορεί να προβλεφθεί με σημαντικά μεγαλύτερη ακρίβεια από ό,τι το μέγεθος των αντίστοιχων μεταβολών, ενώ οι μέθοδοι μηχανικής μάθησης επιτυγχάνουν βελτιωμένη προβλεπτική απόδοση εκτός δείγματος, παραμένοντας ωστόσο ευαίσθητες στις ακραίες παρατηρήσεις και στις περιόδους έντονων διαρθρωτικών αλλαγών. Συνολικά, η διατριβή προτείνει ένα ολοκληρωμένο και ενοποιημένο πλαίσιο παρακολούθησης του πιστωτικού κινδύνου σε μικρές οικονομίες που χαρακτηρίζονται από υψηλή μεταβλητότητα και επαναλαμβανόμενες κρίσεις. Παράλληλα, αναδεικνύει την ανάγκη συμπλήρωσης των παραδοσιακών στατικών δεικτών αθέτησης με δυναμικά και ερμηνεύσιμα μέτρα χρηματοοικονομικής δυσχέρειας, τα οποία αποτυπώνουν αποτελεσματικότερα την εξέλιξη της πιστοληπτικής ποιότητας των επιχειρήσεων, αναγνωρίζοντας ταυτόχρονα τα εγγενή όρια της πρόβλεψης σε περιβάλλοντα που υπόκεινται σε έντονες διαρθρωτικές μεταβολές.