模拟分析了多因素信用迁移评级模型
这creditMigrationCopula
将具有一组交易对手的信用敏感头寸组合作为输入,并对信用评级迁移进行基于copula的多因素模拟。对每个情景计算交易对手信用评级迁移和随后的投资组合价值变化,并报告几种风险度量。
creditMigrationCopula
将每个交易对手与一个随机变量联系起来,这个随机变量被称为潜在变量,它根据一个评级转移矩阵映射到信用评级。对于每一种情况,根据已实现的交易对手的信用评级,重新计算每个交易对手的头寸值。这些潜在变量是通过使用一个多因素模型来模拟的,其中系统性信贷波动是由一系列风险因素建模的。这些因素可以基于工业部门(如金融或航空航天),地理区域(如美国或欧元区),或任何其他潜在的信贷风险驱动因素。每个交易对手都被赋予了一系列权重,这些权重决定了他们对每个潜在信贷因素的敏感性。
模型的输入是:
migrationValues
-每一信用评级对应的交易对手头寸值。
评分
-每个交易对手的当前信用评级。
TransitionMatrix.
-信用评级转移概率矩阵。
乐金显示器
-损失给定默认(1−复苏).
重量
-因素和特殊模型权重
创建后creditMigrationCopula
对象(如创建creditMigrationCopula和属性),用模拟
函数,利用多因素模型模拟信贷迁移。然后,对于详细的报告,使用以下功能:portfolioRisk
那riskContribution
那confidenceBands
,getScenarios
.
创建一个CMC.
= creditMigrationCopula (migrationValues
那评分
那TransitionMatrix.
那乐金显示器
那重量
的)creditMigrationCopula
对象。这creditMigrationCopula
对象具有以下属性:
投资组合:
具有以下变量的表:
ID
-识别每个交易对手的ID
migrationValues
-每一信用评级的交易对手头寸值
评分
-每个交易对手的当前信用评级
乐金显示器
- 损耗默认
重量
-交易对手的因素和特殊权重
因子相关矩阵,anum..
——- - - - - -num..
矩阵定义风险因素之间的相关性。
所有可能的信用评级的集合。
转移矩阵:
对手对手转换从起始信用评级到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。顶行持有以最高评级(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。每一行的和必须为1
.中定义的信用评级的顺序必须与行和列的顺序匹配RatingLabels
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”
.
报告var和cvar时使用的值 - 风险级别。
一种numscenarios.
——- - - - - -1
投资组合价值的向量。属性之前,此属性为空模拟
功能。
模拟 |
使用creditMigrationCopula 目的 |
portfolioRisk |
生成投资组合级别的风险度量 |
riskContribution |
为投资组合中的每个交易对手产生风险贡献 |
confidenceBands |
置信区间乐队 |
getScenarios |
交易对手的场景 |
[1] Crouhy, M., Galai, D., and Mark, R. <当前信用风险模型的比较分析>。银行和金融杂志。第24卷,2000年,59-117页。
[2] Gordy,M。“信用风险模型的比较解剖学”。银行和金融杂志。第24卷,2000年,119-149页。
Gupton, G., Finger, C., Bhatia, M." CreditMetrics -技术文档"J. P.摩根,纽约,1997。
[4] Jorion,P。财务风险经理手册。第六版。威利金融,2011。
[5] Löffler, G.和Posch, P.基于Excel和VBA的信用风险建模。威利金融,2007。
[6]麦克尼尔,A.,Frey,R.和Horthechts,P。量化风险管理:概念,技术和工具。普林斯顿大学出版社,2005。
表格
|模拟
|portfolioRisk
|riskContribution
|confidenceBands
|getScenarios
|CreditDefaultCopula.
|nearcorr