使用copula进行信用模拟
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）违约风险敞口(
含铅)，该工具在未来某个时间的价值违约损失(
乐金显示器)，它被定义为1−恢复
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对单个交易对手的预期损失进行建模。当您对这些交易对手的投资组合进行建模，并希望用某种违约相关性对其进行模拟时，就会出现困难。
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。
因素模型
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单一因素。该因素Z代表经济中潜在的系统信用质量。该模型还包含一个随机特质误差。
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w1、……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，每个因素都与一些潜在的信贷驱动因素有关。例如，可以为不同的地区或国家或不同的行业提供系数。每个潜在变量现在是几个随机变量加上特殊误差（ε）的组合。
当潜在变量一个我如果是正态分布，则存在一个高斯copula。一个常见的替代方法是让潜在变量遵循t分布，从而导致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。
金宝app支持的模拟
风险管理工具箱™支持对手方信用违约和对手方信用评级金宝app迁移的模拟。
信用违约模拟
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−恢复）权重-因素和特殊权重FactorCorrelation-多因素模型的可选因子相关矩阵
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目的计算投资组合层面的若干风险度量以及各债务人的风险贡献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)具有置信区间。请参阅portfolioRisk．每个交易对手的风险贡献（针对
埃尔和CVaR)．看到风险贡献．风险度量和相关置信区间。看见
信任带．各交易对手个别损失的交易对手情景详情。请参阅
getScenarios．
信用评级迁移模拟
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-每个信用评级的交易对手头寸值。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−恢复）权重-因子与特质模型权重
你也可以用thecreditMigrationCopula目的计算投资组合层面的若干风险度量以及各债务人的风险贡献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)具有置信区间。请参阅portfolioRisk．每个交易对手的风险贡献（针对
埃尔和CVaR)．看到风险贡献．风险度量和相关置信区间。看见
信任带．每个交易对手的交易对手情景详细信息。请参阅
getScenarios．
另请参阅
creditDefaultCopula|creditMigrationCopula|asrf
相关的例子
更多关于
您还可以从以下列表中选择网站：
