信用额血容团
模拟和分析多因素信用迁移评级模型
描述
的信用额血容团用一组交换机进行输入的信用敏感职位的投资组合，并执行基于Copula的多因素模拟信用评级迁移。对抗Party信用评级迁移和随后的组合价值的变化是针对每种情况计算的，并报告了几项风险测量。
信用额血容团将每个对手对称与随机变量相关联，称为潜在变量，该变量基于评级转换矩阵映射到信用额定值。对于每个场景，基于对手对手的实现信用评级来重新计算每个交易对象的位置的值。通过使用多因素模型模拟这些潜变量，其中系统信用波动与一系列风险因素建模。这些因素可以基于行业部门（如金融或航空航天），地理区域（如美国或欧元区），或任何其他信贷风险的潜在司机。每个交易对手都被分配了一系列权重，这些权重决定了对每个基础信用因子的敏感性。
模型的输入是：
迁移价值-每一信用评级对应的交易对手头寸值。评级- 每个交易对手的当期信用评级。转移矩阵- 信用评级转换概率的矩阵。LGD.- 默认损失（1 -复苏)．权重- 因子和特殊模型重量
在您创建信用额血容团对象(如创建信用额度和特性）， 使用模拟使用多因素模型来模拟信用迁移的功能。然后，有关详细报告，请使用以下功能：portfoliorisk.，风险协调，信心带， 和getscenarios.．
创建
语法
描述
cmc= CreditMigrationCopula（迁移价值，评级，转移矩阵，LGD.，权重）信用额血容团对象。的信用额血容团对象具有以下属性:
投资组合：
包含以下变量的表格:
ID- 识别每个交易对手迁移价值- 每个信用评级的交易对手职位的值评级- 每个交易对手的当前信用评级LGD.-默认损失权重- 对手对手的因子和特质权重
因子相关矩阵，a
NumFactors——- - - - - -NumFactors定义风险因素之间相关性的矩阵。所有可能的信用评级集。
交易对手从初始信用评级转变为最终信用评级的概率矩阵。行表示初始信用评级，列表示最终评级。第一行包含了从最高评级开始的交易对手的概率(例如
AAA)，下面一行保存了从默认状态开始的交易对手的数据。下面一行可以省略，表示违约方仍未违约。每一行必须总和1．行和列的顺序必须与所定义的信用评级顺序匹配ratingleabels.参数。最后一列给出了每种评级的违约概率。如果未指定，则默认评级标签为:“AAA级”、“AA”、“”、“BBB”,“BB”、“B”,“CCC”、“D”．风险值水平，用于报告VaR和CVaR。
一个
NumScenarios——- - - - - -1投资组合价值的向量。属性之前，此属性为空模拟函数。
输入参数
特性
对象的功能
模拟 |
使用信用额血容团对象 |
portfoliorisk. |
生成投资组合级风险测量 |
风险协调 |
为投资组合中的每个交易对手产生风险贡献 |
信心带 |
置信区间的乐队 |
getscenarios. |
交易对手的场景 |
例子
创建一个信用额血容团对象使用四因素模型
加载保存的投资组合数据。
负载CreditMigrationData.mat；
为每一种债券按投资组合仓位调整债券价格。
migrationValues = migrationPrices .* numBonds;
创建一个信用额血容团对象与四因素模型使用信用额血容团．
CMC = CreditMigrationCopula（迁移值，评级，传输，......LGD，重量，'figulcorlelation'，factorcorr）
CMC = CreditMigrationCopula具有属性：投资组合：[250x5表]因子相关性：[4x4双] ratingLabess
设定varlevel.达到99％。
cmc。var.Level = 0.99;
的投资组合属性包含关于迁移值、评级、lgd和权重的信息。
头(cmc.Portfolio)
ans =8×5表ID MigrationValues评分LGD重量__ _______________ ______ ___________________________________ 1 1×8的双 “A” 0.6509 0 0 0 0.5 0.5 2 1×8双 “BBB” 0.8283 0 0.55 0 0 0.45 3 1×8双 “AA” 0.6041 0 0.7 0 0 0.3 4 1×8双“BB“0.6509 0 0.55 0 0 0.45 5 1x8双”BBB“0.756 0 0 0.75 0 0.25 6 1X8双倍”BB“0.8283 0 0 0 0.65 0.35 7 1x8双”BB“0.6041 0 0 0 0.65 0.35 8 1x8双倍”BB“0.4873 0.5 0 0 0 0.5
迁移值中的列与评级顺序相同，默认评级位于最后一列。
例如，这些是第一个交易对手的迁移值。请注意，默认值高于一些非默认额定值。这是因为默认额定值的迁移值是乘以在模拟期间乘以恢复速率的参考值（例如，当前额定值，转发值或其他），以获得事件中资产的值默认值。回收率是1-LGD.当LGD.输入到信用额血容团是一个常数LGD.价值（这是LGD.输入有一列）。恢复率是随机数量的LGD.输入到信用额血容团指定为beta分布的平均值和标准偏差(LGD.输入有两列）。
栏（cmc.portfolio.migrationValues（1，:)）XTicklabels（CMC.RateLabels）标题（“第一家公司的移民价值观”）
使用模拟函数模拟100,000个场景，然后使用portfoliorisk.函数。
cmc =模拟(cmc, 1 e5)
CMC =带有物业的CreditMigrationCopula：POSTFOLIO：[250x5表]因子相关性：[4x4双] ratingLabess06 2.0009E + 06 ...]
Portrick = portfoliorisk（CMC）
Portrack =.1×4表EL STD VAR CVAR ______ _____ _____ _____ 4515.9 12963 57176 83975
查看投资组合价值的直方图。
H =直方图（CMC.Portfoliovalues，125）;标题（“投资组合价值的分布”)；
创建一个信用额血容团对象及分析结果
加载保存的投资组合数据。
负载CreditMigrationData.mat；
为每一种债券按投资组合仓位调整债券价格。
migrationValues = migrationPrices .* numBonds;
创建一个信用额血容团对象与四因素模型使用信用额血容团．
CMC = CreditMigrationCopula（迁移值，评级，传输，......LGD，重量，'figulcorlelation'，factorcorr）
CMC = CreditMigrationCopula具有属性：投资组合：[250x5表]因子相关性：[4x4双] ratingLabess
设定varlevel.达到99％。
cmc。var.Level = 0.99;
使用模拟模拟100,000场景的功能，然后通过使用来查看投资组合风险措施portfoliorisk.函数。
cmc =模拟(cmc, 1 e5)
CMC =带有物业的CreditMigrationCopula：POSTFOLIO：[250x5表]因子相关性：[4x4双] ratingLabess06 2.0009E + 06 ...]
Portrick = portfoliorisk（CMC）
Portrack =.1×4表EL STD VAR CVAR ______ _____ _____ _____ 4515.9 12963 57176 83975
查看投资组合价值的直方图。
H =直方图（CMC.Portfoliovalues，125）;标题（“投资组合价值的分布”)；
覆盖投资组合所采用的价值，如果所有的交易对手都维持其当前的信用评级。
CurrentRatingValue = portRisk。EL +的意思(cmc.PortfolioValues);持有在情节([CurrentRatingValue CurrentRatingValue],[0马克斯(h.Values)],......'行宽'2);网格在
参考文献
[1] Crouhy，M.，Galai，D.和Mark，R。“对当前信用风险模型的比较分析。”银行业与金融杂志。卷。24,2000，pp。59-117。
[2] Gordy, M.，《信用风险模型的比较分析》银行业与金融杂志。卷。24,2000，第119.149页。
[3]瓜普顿，G.，手指，C.和Bhatia，M。“信用媒体 - 技术文件。”J. P. Morgan，纽约，1997年。
[4] Jorion, P。金融风险经理手册。第6版。Wiley Finance，2011。
[5]Löffler，G.和Posch，P。使用Excel和VBA的信用风险建模。Wiley Finance，2007。
McNeil, A.， Frey, R.， Embrechts, P.。量化风险管理:概念、技术和工具。普林斯顿大学出版社，2005。
您还可以从以下列表中选择一个网站：
