连词

创造连词目的模拟和分析多因素信用违约模型

在第页中展开全部

描述

这个连词类使用多因素模型模拟交易对手违约导致的投资组合损失。连词将每个交易对手与一个称为潜在变量的随机变量相关联，该随机变量映射到每个场景的违约/非违约结果，以确保违约概率发生PD。在违约情况下，该情景的损失记录为放电涂覆处理*LGD对于交易对手。使用多因素模型模拟这些潜在变量，其中系统性信贷波动用一系列风险因素建模。这些因素可以基于行业部门（如金融、航空航天）、地理区域（如美国、欧元区），或信用风险的任何其他潜在驱动因素。每个交易对手都被分配了一系列权重，这些权重决定了他们对每个潜在信用因素的敏感性。

模型的输入描述了信用敏感的风险组合：

  • 放电涂覆处理-违约风险敞口

  • PD-违约概率

  • LGD-违约损失（1）−恢复)

  • 砝码-因子与特质模型权重

之后连词对象已创建（请参见创建连接函数和性质)，使用模拟函数使用多因素模型模拟信用违约。结果以投资组合和交易对手层面损失分布的形式存储。计算投资组合层面的多个风险度量，以及单个债务人的风险贡献。该模型计算：

  • 投资组合损失在不同情景下的完全模拟分布

  • 不同情景下每个交易对手的损失

  • 若干风险措施(变量,CVaR,埃尔,性病)以置信区间

  • 每个交易对手的风险贡献（针对埃尔和CVaR)

创造

语法

cdc=creditDefaultCopula（EAD、PD、LGD、权重）
cdc=连接函数(___，名称，值）

描述

例子

疾病控制中心=连接词(放电涂覆处理,PD,LGD,砝码)创建一个连词对象这个连词对象具有以下属性：

  • 文件夹:

    包含以下变量的表格（表格的每一行代表一个交易对手）：

    • 身份证件-识别每个交易对手的ID

    • 放电涂覆处理-违约风险敞口

    • PD-违约概率

    • LGD-违约损失

    • 砝码-交易对手的因子和特质权重

  • 因子相关性:

    因子相关矩阵NumFactors-借-NumFactors定义风险因素之间相关性的矩阵。

  • 瓦莱夫:

    报告VaR和CVaR时使用的风险水平值。

  • 门扇

    投资组合损失努姆塞纳里奥斯-借-1.投资组合损失向量。该属性在模拟函数被使用。

例子

疾病控制中心=连接词(___,名称、值)设置性质使用前面语法中的名称-值对和任何参数。例如，cdc=creditDefaultCopula（EAD、PD、LGD、权重，'VaRLevel'，0.99）。您可以将多个名称-值对指定为可选的名称-值对参数。

输入参数

全部展开

默认情况下的风险敞口，指定为NumCounterparties-借-1.信用风险敞口的向量放电涂覆处理输入设置文件夹财产。

注

这个连词该模型模拟某个固定时间段（例如，一年）内的违约和损失。交易对手风险敞口(放电涂覆处理)违约概率(PD)两者都必须是特定于特定时间的。

数据类型：双重的

违约概率，指定为NumCounterparties-借-1.包含来自的元素的数值向量0通过1.，表示交易对手的违约概率。这个PD输入设置文件夹财产。

注

这个连词模型模拟固定时间段（例如，一年）内的违约和损失。交易对手风险敞口(放电涂覆处理)违约概率(PD)两者都必须是特定于特定时间的。

数据类型：双重的

默认情况下的损失，指定为NumCounterparties-借-1.包含来自的元素的数值向量0通过1.，表示交易对手违约时损失的风险敞口份额。LGD定义为（1）−恢复).例如LGD如果为0.6，则在发生违约的情况下，恢复率为40%LGD输入设置文件夹财产。

LGD也可以指定为NumCounterparties-借-2.矩阵，其中第一列包含LGD平均值，第二列包含LGD标准偏差。LGD平均值和标准偏差的有效开放区间为：

  • 对于第一列，平均值介于0和1..

  • 对于第二列，LGD标准偏差介于0和平方米（米*（1米））.

然后，在违约情况下，从贝塔分布中随机抽取LGD值，并为违约对手提供参数。

数据类型：双重的

因子和特质权重，指定为NumCounterparties-借-(NumFactors+1.)数组。每行包含特定交易对手的因子权重。每列包含潜在风险因素的权重。中的最后一列砝码包含每个交易对手的特殊风险权重。特殊权重表示公司特定的信用风险。每个交易对手（即每行）的权重总和必须为1.这个砝码输入设置文件夹财产。

例如，如果交易对手的信誉度由60%的美国、20%的欧洲和20%的特质组成，那么砝码向量应该是[0.6 0.2 0.2].

数据类型：双重的

名称-值对参数

指定可选的逗号分隔的字符对名称、值论据。名称是参数名和价值是对应的值。名称必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：名称1，值1，…，名称，值.

例子：cdc=creditDefaultCopula（EAD、PD、LGD、权重，'VaRLevel'，0.99）

交易对手的用户定义ID，指定为逗号分隔对，由“身份证”和NumCounterparties-借-1.向量身份证件每个交易对手的交易记录。身份证件用于确定在文件夹表和风险贡献表。身份证件必须是数字、字符串数组或字符向量的单元格数组身份证件名称-值对参数设置文件夹财产。

如果没有说明，身份证件默认为数值向量1：NumCounterparties.

数据类型：双重的|一串|细胞

风险水平价值（用于报告变量和CVaR)，指定为逗号分隔对，由“VaRLevel”和一个介于0和1.这个瓦莱夫名称-值对参数设置瓦莱夫财产。

数据类型：双重的

因子相关矩阵，指定为逗号分隔对，由“因素相关性”和NumFactors-借-NumFactors定义风险因素之间相关性的矩阵因子相关性名称-值对参数设置因子相关性财产。

如果未指定，则因子相关矩阵默认为单位矩阵，这意味着因子不相关。

数据类型：双重的

将并行处理用于模拟的标志，指定为逗号分隔对，由“使用并行”和标量值真的或假的这个使用并行名称-值对参数设置使用并行财产。

注

这个“使用并行”属性只能在创建连词对象，如果您有并行计算工具箱™. 一旦“使用并行”属性，则使用并行处理风险贡献或模拟.

数据类型：符合逻辑的

性质

全部展开

信贷组合的详细信息，指定为MATLAB®包含作为输入传递到的所有投资组合数据的表连词.

这个文件夹表中的每个构造函数输入都有一列(放电涂覆处理,PD,LGD,砝码，及身份证件).表中每行代表一个交易对手。

例如：

ID EAD PD LGD权重(uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

数据类型：桌子

信用系数的相关矩阵，指定为NumFactors-借-NumFactors矩阵。使用可选的名称-值对参数指定相关矩阵“因素相关性”当您创建连词对象

数据类型：双重的

报告VaR和CVaR时使用的风险级别值，使用可选的名称-值对参数指定“VaRLevel”当您创建连词对象

数据类型：双重的

总投资组合损失，指定为1.-借-努姆塞纳里奥斯向量机门扇属性在创建后为空连词对象之后模拟函数被调用时门扇房地产由投资组合损失向量填充。

数据类型：双重的

将并行处理用于模拟的标志，使用可选的名称-值对参数指定“使用并行”当您创建连词对象这个使用并行名称-值对参数设置使用并行财产。

注

这个“使用并行”属性只能在创建连词对象，如果您有并行计算工具箱“使用并行”属性，则使用并行处理风险贡献或模拟.

数据类型：符合逻辑的

目标函数

模拟 使用creditDefaultCopula对象模拟信用违约
portfolioRisk 生成投资组合级别的风险度量
风险贡献 为投资组合中的每个交易对手产生风险贡献
信任带 置信区间带
获取场景 交易对手情景

例子

全部崩溃

打开实时脚本

加载保存的投资组合数据。

负载叶绿体;

创建一个连词对象具有双因素模型。

cdc=creditDefaultCopula（EAD、PD、LGD、权重2f、，“因素相关性”，FactorCorr2F）
cdc=creditDefaultCopula，属性为：组合：[100x5表]因子相关：[2x2双精度]变量级别：0.9500 UseParallel:0组合组合：[]

设定瓦莱夫至99%。

cdc.VaRLevel=0.99；

模拟100000个场景，并查看投资组合风险度量。

cdc=模拟（cdc，1e5）
cdc=creditDefaultCopula和属性：组合：[100x5表]因子相关：[2x2双精度]变量级别：0.9900使用并行：0组合：[1x10000双精度]
portRisk=portfolioRisk（cdc）
港口风险=1×4表EL标准变量CVaR 24.774 23.693 101.57 120.22

查看投资组合损失的柱状图。

直方图（cdc.Portfolioloss）；头衔(“投资组合损失分布”);

如需进一步分析，请使用模拟,portfolioRisk,风险贡献，及获取场景与连词对象

工具书类

[1] 《当前信用风险模型的比较分析》银行与金融杂志。2000年第24卷，第59-117页。

[2] 信贷风险模型的比较解剖银行与金融杂志。2000年第24卷，第119-149页。

[3] Gupton，G.，Finger，C.，和Bhatia，M。“CreditMetrics–技术文档。”摩根大通，纽约，1997年。

[4] 约里安，P。财务风险经理手册。第六版，威利金融，2011年。

[5] Löffler，G.和Posch，P。使用Excel和VBA进行信用风险建模。威利金融，2007年。

[6] 麦克尼尔，A.，弗雷，R.，和Embrechts，P。定量风险管理：概念、技术和工具。普林斯顿大学出版社，2005年。

另见

|||||||

话题

外部网站

R2017a中引入

风险管理工具箱文件
万博1manbetx
CECL和IFRS 9在MATLAB中的建模：衡量终身预期信用损失

CECL和IFRS 9在MATLAB中的建模：衡量终身预期信用损失

下载白皮书