预测交易对手的信贷损失取决于三个主要因素:
违约概率(PD
)
违约风险(含铅
),即该工具在未来某一时刻的价值
违约损失(乐金显示器
),它被定义为1−复苏
如果这些量在将来是已知的t,则预期损失为Pd × ead × LGD
.在这种情况下,您可以使用二项分布为单个交易对手的预期损失建模。当你对这些交易对手的投资组合建模,并想用某种违约相关性来模拟它们时,困难就出现了。
为了模拟相关违约,copula模型将每个交易对手与一个随机变量联系起来,称为“潜在”变量。这些潜在变量之间是相互关联的,使用一些代表它们信用价值的代理,例如,它们的股票价格。这些潜在变量随后被映射到默认或非默认结果,这样默认就有可能发生PD
.
这张图总结了copula仿真方法。
随机变量一个我相关我对手方以概率落在违约阴影区域PD
我.如果模拟值在该区域下降,则将其解释为默认值。的j交易对手遵循类似的模式。如果一个我和一个j随机变量是高度相关的,它们往往都有高值(没有默认值),或都有低值(落在默认区域)。因此,存在一个默认关联。
为米发行人米(米−1)/2相关参数。为米= 1000,这是大约50万个相关性。该方法的一个实际变化是单因素模型,它使所有潜在变量依赖于一个因素。这个因素Z代表了经济中根本的系统性信贷质量。该模型还包括一个随机特质错误。
这大大减少了输入数据的需求,因为现在您只需要米灵敏度,即权重w
1、……w
米.如果Z和ε我是标准正态变量吗一个我也是一种标准常态。
单因素模型的扩展是多因素模型。
这个模型有几个因素,每一个都与一些潜在的信贷驱动因素有关。例如,您可以为不同的地区或国家或不同的行业提供因素。每个潜在变量现在是几个随机变量加上特殊误差()的组合。
当潜在变量一个我是正态分布,有一个高斯关联。一个常见的替代方法是让潜在变量跟随一个t分布,它会导致t连系动词。tcopula比高斯copula导致更重的尾部。隐含的信用相关性也更大t连系动词。这两种关联方法之间的切换可以提供关于模型风险的重要信息。
风险管理工具箱™支持对手方信用违约和对手方信用评级万博1manbetx迁移的模拟。
的creditDefaultCopula
对象用于模拟和分析多因素信用违约的模拟。这些模拟假定您自己计算了该模型的主要输入。这个模型的主要输入是:
PD
-违约概率
含铅
-默认曝光
乐金显示器
-损失给定默认(1−复苏)
权重
-因素和特殊权重
FactorCorrelation
-多因素模型的可选因素相关矩阵
的creditDefaultCopula
对象使您能够使用多因素关联符模拟默认值,并将结果作为投资组合和交易对手级别上的损失分布返回。你也可以用thecreditDefaultCopula
目的是计算投资组合水平上的几个风险度量和个人义务的风险贡献。的输出creditDefaultCopula
模型及其相关功能如下:
投资组合损失在不同情景下的完整模拟分布以及每个交易对手在不同情景下的损失。有关更多信息,请参见creditDefaultCopula
对象属性和模拟
.
风险的措施(VaR
,CVaR
,埃尔
,性病
)的置信区间。看到portfolioRisk
.
每个交易对手的风险分摊额(供埃尔
和CVaR
).看到riskContribution
.
风险度量和相关的置信区间。看到confidenceBands
.
每个交易对手的个人损失的交易对手场景细节。看到getScenarios
.
的creditMigrationCopula
对象使您能够模拟每个交易对手的信用评级更改。
的creditMigrationCopula
对象用于模拟交易对手的信贷迁移。这些模拟假定您自己计算了该模型的主要输入。这个模型的主要输入是:
migrationValues
-每一信用评级对应的交易对手头寸值。
评级
-每个交易对手的当前信用评级。
转移矩阵
-信用评级转移概率矩阵。
乐金显示器
-损失给定默认(1−复苏)
权重
-因素和特殊模型权重
你也可以用thecreditMigrationCopula
目的是计算投资组合水平上的几个风险度量和个人义务的风险贡献。的输出creditMigrationCopula
模型及其相关功能如下:
投资组合价值的完全模拟分布。有关更多信息,请参见creditMigrationCopula
对象属性和模拟
.
风险的措施(VaR
,CVaR
,埃尔
,性病
)的置信区间。看到portfolioRisk
.
每个交易对手的风险分摊额(供埃尔
和CVaR
).看到riskContribution
.
风险度量和相关的置信区间。看到confidenceBands
.
每个交易对手的交易对手场景细节。看到getScenarios
.
asrf
|creditDefaultCopula
|creditMigrationCopula