主要内容

confidenceBands

置信区间的乐队

折叠所有页面

语法

cbTable = confidenceBands (cmc)
cbTable = confidenceBands (cmc、名称、值)

描述

例子

cbTable= confidenceBands (cmc）返回所请求的风险度量及其相关置信区间的表。使用confidenceBands研究风险度量值及其相关置信区间如何随着情景数目的增加而收敛。在你运行confidenceBands函数，则必须运行模拟函数。有关使用a的更多信息creditMigrationCopula对象,看到creditMigrationCopula．

例子

cbTable= confidenceBands (cmc，名称,值）添加可选的名称-值对参数。

例子

全部折叠

打开生活的脚本

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creditMigrationCopula对象与四因素模型使用creditMigrationCopula．

cmc = creditMigrationCopula (transMat migrationValues,评级,．．．乐金显示器,重量,“FactorCorrelation”factorCorr)
cmc = creditMigrationCopula with properties: Portfolio: [250x5 table] FactorCorrelation: [4x4 double] RatingLabels: [8x1 string] TransitionMatrix: [8x8 double] VaRLevel: 0.9500 UseParallel: 0 PortfolioValues: []

设置VaRLevel到99%。

cmc。VaRLevel = 0.99;

使用模拟函数模拟100,000个场景，然后使用confidenceBands函数生成cbTable．

cmc =模拟(cmc、1 e5);cbTable = confidenceBands (cmc,“RiskMeasure”，“性病”，“ConfidenceIntervalLevel”, 0.9,“NumPoints”, 50);cbTable (1:10,:)
ans =10×4表numscenario下Std上____________ __________ _____ 2000 11996 12308 12637 4000 12871 13108 13354 6000 12556 12744 12939 8000 12830 12997 13168 10000 12702 12850 13001 12000 12784 12920 13059 14000 12895 13022 13151 16000 12747 12864 12983 18000 12948 13060 13174 20000 12971 13077 13186

输入参数

全部折叠

creditMigrationCopula对象模拟函数。

有关creditMigrationCopula对象,看到creditMigrationCopula．

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:cbTable = confidenceBands (cmc、“RiskMeasure”“性病”,“ConfidenceIntervalLevel”,0.9,“NumPoints”,50)

要研究的风险度量，指定为逗号分隔对组成“RiskMeasure”和一个字符向量或字符串。可能的值是:

  • “EL”-预期损失，即投资组合损失的平均值

  • “性病”-损失的标准差

  • “VaR”—风险值为指定的阈值VaRLevel财产的creditMigrationCopula对象

  • “CVaR”—条件返回VaR设置的阈值VaRLevel财产的creditMigrationCopula对象

数据类型:字符|字符串

置信区间级别，指定为逗号分隔的对，由“ConfidenceIntervalLevel”和中间的数字0和1．例如，如果指定0.95，则在输出表中报告95%置信区间(cbTable）.

数据类型:双

要报告的场景示例的数量，指定为逗号分隔对，包括“NumPoints”和一个非负整数。默认值是One hundred.，这意味着置信带是在100个均匀间隔的点上报告的，这些点的样本量从0增加到模拟情景的总数。

请注意

NumPoints必须是一个数值标量大于1．NumPoints通常比所模拟的场景总数要小得多。您可以使用confidenceBands获得一个关于风险度量及其置信区间收敛速度的定性概念。指定一个大值NumPoints不推荐使用，可能会导致性能问题confidenceBands．

数据类型:双

输出参数

全部折叠

要求的风险度量和相关的置信区间NumPoints场景样本大小，返回为包含以下列的表:

  • NumScenarios—样本点的场景数量

  • 较低的-低置信区间

  • RiskMeasure-所请求的风险度量，其中列的名称来自使用可选输入请求的任何风险度量RiskMeasure

  • 上-上置信区间

参考文献

[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分析》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。

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。

另请参阅

|||||

主题

介绍了R2017a

风险管理工具箱文档

金宝app

基于MATLAB的有效模型风险管理

基于MATLAB的有效模型风险管理

下载白皮书