主要内容

预计信用损失计算

打开实时脚本

这个示例展示了如何使用模拟贷款数据、宏观场景数据和现有的违约寿命期概率(PD)模型执行预期信贷损失(ECL)计算。

负载数据和模型

准备用于预测的负载贷款数据、宏观场景数据和相应场景的概率。

负载DataPredictLifetime.matdisp (LoanData)
ID ScoreGroup小无赖一年  ____ _____________ ___ ____ 1304“中等风险”4 2020 1304“中等风险”5 2021 1304 6 2022 1304“中等风险”“中等风险”7 2023 1304“中等风险”8 2024 1304 9 2025 1304“中等风险”“中等风险”10 2026 2067“低风险”7 2020 2067“低风险”8 2021 2067“低风险”9 2022 2067 2023“低风险”
显示（头部（多发性，10））
scenario oid Year GDP市场__________ ________ ______“严重”2020 -0.9 -5.5“严重”2021 -0.5 -6.5“严重”2022 0.2 -1“严重”2023 0.8 1.5“严重”2024 1.4 4“严重”2025 1.8 6.5“严重”2026 1.8 6.5“严重”2027 1.8 6.5“不利”2020 0.1 -0.5“不利”2021 0.2 -2.5
disp (ScenarioProbabilities)
概率-严重0.1不利0.2基线0.3有利0.2优秀0.2
负载LifetimeChampionModel.matdisp (pdModel)
属性问题：ModelID:“Champion”说明：“一个示例模型，用作演示目的的Champion模型。”模型：[1x1 classreg.regr.CompactGeneralizedLinearModel]IDVar:“ID”AgeVar:“YOB”LoanVars:“ScoreGroup”宏变量：[“GDP”“市场”]ResponseVar:“默认”

可视化一生PDs

对于ECL计算，只需要边际PDs。但是，首先可以可视化寿命PDs。

CompanyIDChoice =“1304”；CompanyID = str2double (CompanyIDChoice);IndCompany = LoanData。ID = = CompanyID;年= LoanData.Year (IndCompany);NumYears =长度(年);(MultipleScenarios ScenarioID =独一无二的。ScenarioID,“稳定”)；numcenarios=长度（ScenarioID）；LifetimePD=零（NumYears，numcenarios）；为ii=1: numscenario IndScenario = multiplescenarios . scenario oid == scenario oid (ii);data =加入(LoanData (IndCompany:), MultipleScenarios (IndScenario:));LifetimePD(:,(二)= predictLifetime (pdModel、数据);结束情节(年,LifetimePD) xticks(年)网格在…上xlabel(“年”)伊拉贝尔(“终身PD”)头衔(“按情景划分的终身PD”)传说(ScenarioID“位置”，“最佳”）

图中包含一个Axis对象。标题为“生存期PD按场景”的Axis对象包含5个line类型的对象。这些对象表示严重、不利、基线、有利和极好。

计算ECL

严格来说，ECL的计算需要一个终身PD模型、终身LGD模型和终身EAD模型，加上情景、情景概率和有效利率。

为简单起见，本示例假设为常量乐金显示器和含铅模型和给定的利率。

乐金显示器= 0.55;o = 100000;EffRate = 0.045;CompanyIDChoice =“1304”；CompanyID = str2double (CompanyIDChoice);IndCompany = LoanData。ID = = CompanyID;年= LoanData.Year (IndCompany);NumYears =长度(年);(MultipleScenarios ScenarioID =独一无二的。ScenarioID,“稳定”)；numcenarios=长度（ScenarioID）；MarginalPD=零（NumYears，numcenarios）；为ii=1:numcenarios indscenarios=MultipleScenarios.ScenarioID==ScenarioID（ii）；data=join（loanadata（IndCompany，：），MultipleScenarios（indscenarios，：）；MarginalPD（：，ii）=predictLifetime（pdModel，data，“概率类型”，“边际”）；结束DiscTimes =几年(1)+ 1;DiscFactors = 1. / (1 + EffRate)。^ DiscTimes;ProbScenario = ScenarioProbabilities.Probability;ECL_t_s = (MarginalPD *乐金显示器*含铅)。* DiscFactors;% ECL按年份和场景ECL_s =总和(ECL_t_s);%按情景分列的ECL总额发射极耦合逻辑= ECL_s * ProbScenario;%所有情景下的ECL加权平均值%安排ECL数据以表格式显示%附加每个场景的ECL总数和场景概率ECL_Disp=array2table（[ECL_t_s；ECL_s；ProbScenario']）；ECL_Disp.Properties.VariableNames=ScenarioID；ECL_Disp.Properties.RowNames=[strcat(“它”字符串(年));“ECL总”；“概率”];disp (ECL_Disp)
严重不良基线有利好  ______ _______ ________ _________ _________ 发射极耦合逻辑2020 595.58 507.16 430.44 364.11 306.97 ECL 2021 394.24 349.95 310.02 274.11 241.9 ECL 2022 235.53 215.4 196.75 179.5 163.57 ECL 2023 143.05 135.23 127.75 120.59 113.77 ECL 2024 85.219 83.517 81.816 80.118 78.429 2025 51.346 51.514 51.665 51.798 51.917发射极耦合逻辑ECL 2026 33.162 33.271 33.368 33.454 33.531 ECL总数1538.1 1376 1231.8 1103.7 990.08概率0.1 0.2 0.3 0.2 0.2
流('公司%s的生命周期ECL为:%g\n'、CompanyIDChoice发射极耦合逻辑)
公司1304的终身ECL为:1217.32

另请参阅

|||||||

相关话题

风险管理工具箱文档

金宝app

基于MATLAB的有效风险管理模型

基于MATLAB的有效风险管理模型

下载白皮书