creditMigrationCopula
模拟和分析多因素信用评级迁移模型
描述
的creditMigrationCopula需要作为输入组合credit-sensitive头寸的交易对手和执行copula-based,多因素的模拟信用评级迁移。交易对手信用评级迁移和随后的组合变化值计算每个场景和几个风险测量报告。
creditMigrationCopula将每一个对手与一个随机变量,称为潜变量,它映射到基于评级转移矩阵的信用评级。为每一个场景,每一个对手的位置是重新计算的基础上,实现了交易对手的信用评级。这些潜在变量模拟采用多因素模型,在系统性信贷波动建模与一系列的风险因素。这些因素可以基于行业(如金融、航空),地理区域(如美国或欧元区),或任何其他信贷风险的潜在推动力。每个对手都是指定一系列的权重确定他们对每一个潜在的信用因素的敏感性。
输入到模型是:
migrationValues——值为每个信用评级交易对手的位置。评级——当前每个交易对手的信用评级。转移矩阵——信用等级转移概率矩阵。乐金显示器——损失给予违约(1ˆ复苏)。权重——权重因子和特殊的模型
在您创建creditMigrationCopula对象(如创建creditMigrationCopula和属性),用模拟函数来模拟信用迁移使用多因素模型。然后,详细报告,使用以下功能:portfolioRisk,riskContribution,confidenceBands,getScenarios。
创建
语法
描述
cmc= creditMigrationCopula (migrationValues,评级,转移矩阵,乐金显示器,权重)creditMigrationCopula对象。的creditMigrationCopula对象具有以下属性:
投资组合:
一个表与以下变量:
ID- ID来识别每一个对手migrationValues为每一个信用评级——交易对手的位置的值评级——当前每个交易对手的信用评级乐金显示器——鉴于违约损失权重——因素和交易对手的权重
因素相关矩阵,
NumFactors——- - - - - -NumFactors矩阵定义了风险因素之间的相关性。的所有可能的信用评级。
转移矩阵:
概率的矩阵,交易对手信用评级开始转换从一个最终的信用评级。行代表信用评级开始,列代表最终的评级。第一行包含概率的对手开始在最高等级(例如
AAA)和底部行持有的对手从默认状态。最后一行可以省略,这表明交易对手违约仍在违约。每一行必须总和1。行和列的顺序必须与信用评级中定义的顺序RatingLabels参数。最后一列是每个评级的违约概率。如果未指定的,违约评级标签:“AAA级”、“AA”、“”、“BBB”,“BB”、“B”,“CCC”、“D”。风险价值层面,在报告VaR和CVaR时使用。
一个
NumScenarios——- - - - - -1向量的组合值。这个属性是空的,直到你使用模拟函数。
输入参数
属性
对象的功能
模拟 |
模拟信用迁移使用creditMigrationCopula对象 |
portfolioRisk |
生成组合层次风险测量 |
riskContribution |
在投资组合中生成每个交易对手风险的贡献 |
confidenceBands |
置信区间的乐队 |
getScenarios |
交易对手的场景 |
例子
创建一个creditMigrationCopula对象使用四因子模型
加载保存组合数据。
负载CreditMigrationData.mat;
规模的债券价格为每一个债券投资组合头寸。
migrationValues = migrationPrices。* numBonds;
创建一个creditMigrationCopula使用对象的四因子模型creditMigrationCopula。
cmc = creditMigrationCopula (transMat migrationValues,评级,…乐金显示器,重量,“FactorCorrelation”factorCorr)
cmc = creditMigrationCopula属性:组合:[250 x5表]FactorCorrelation: [4 x4双]RatingLabels: x1字符串[8]转移矩阵:[8×8双]VaRLevel: 0.9500 UseParallel: 0 PortfolioValues: []
设置VaRLevel到99%。
cmc。VaRLevel = 0.99;
的投资组合属性包含的信息迁移值,评级,乐金显示器和权重。
头(cmc.Portfolio)
ID MigrationValues评级乐金显示器权重__售予交___________________________________ 1 1×8双”“0.6509 0 0 0 0.5 0.5 - 2 1×8双" BBB " 0.8283 0.45 0.55 0 0 0 3 1×8双“AA”0.6041 0 0.7 0.3 0 0 4 1×8双“BB”0.6509 0 0.55 0.45 0 0 5 1×8双" BBB " 0.4966 0 0 0.75 0.25 0 6 1×8双“BB”0.8283 0 0 0 0.65 0.35 7 1×8双“BB”0.6041 0 0 0 0.65 0.35 1 8×8双“BB”0.4873 0.5 0.5 0 0 0
迁移中的列值的顺序相同评级的违约评级在最后一列。
例如,这些迁移值的第一个对手。注意,默认的值高于非默认的评级。这是因为违约评级迁移值是一个参考价值(例如,票面价值,提出价值在额定电流,或其他)乘以回收率在仿真得到的价值资产的违约事件。1 -回收率乐金显示器当乐金显示器输入creditMigrationCopula是一个常数乐金显示器价值(乐金显示器输入一列)。时的恢复速率是一个随机量乐金显示器输入creditMigrationCopula被指定为贝塔分布的平均值和标准偏差(乐金显示器输入有两列)。
栏(cmc.Portfolio.MigrationValues (1:)) xticklabels (cmc.RatingLabels)标题(“第一家公司迁移值”)
使用模拟函数模拟100000个场景,然后视图使用投资组合风险措施portfolioRisk函数。
cmc =模拟(cmc, 1 e5)
cmc = creditMigrationCopula属性:组合:[250 x5表]FactorCorrelation: [4 x4双]RatingLabels: x1字符串[8]转移矩阵:[8×8双]VaRLevel: 0.9900 UseParallel: 0 PortfolioValues: [2.0082 e + 06 1.9950 e + 06 1.9933 e + 06 2.0009 1.9819 e + e + 06 06 1.9955 e + 06 1.9962 e + 06年1.9966 2.0018 e + e + 06 06 2.0036 e + 06 1.9873 e + 06年1.9929 2.0015 e + e + 06 06 1.9875 e + 06 1.9962 e + 06年2.0070 2.0054 e + e + 06 06 2.0037 e + 06 2.0032 e + 06 1.9990 e + 06……]
portRisk = portfolioRisk (cmc)
portRisk =1×4表EL性病VaR CVaR _____ _____ _____ _____ 4515.9 12963 57176 83975
查看直方图的组合值。
h =直方图(cmc.PortfolioValues, 125);标题(“投资组合价值分布”);
创建一个creditMigrationCopula对象和分析结果
加载保存组合数据。
负载CreditMigrationData.mat;
规模的债券价格为每一个债券投资组合头寸。
migrationValues = migrationPrices。* numBonds;
创建一个creditMigrationCopula使用对象的四因子模型creditMigrationCopula。
cmc = creditMigrationCopula (transMat migrationValues,评级,…乐金显示器,重量,“FactorCorrelation”factorCorr)
cmc = creditMigrationCopula属性:组合:[250 x5表]FactorCorrelation: [4 x4双]RatingLabels: x1字符串[8]转移矩阵:[8×8双]VaRLevel: 0.9500 UseParallel: 0 PortfolioValues: []
设置VaRLevel到99%。
cmc。VaRLevel = 0.99;
使用模拟函数模拟100000个场景,然后视图使用投资组合风险措施portfolioRisk函数。
cmc =模拟(cmc, 1 e5)
cmc = creditMigrationCopula属性:组合:[250 x5表]FactorCorrelation: [4 x4双]RatingLabels: x1字符串[8]转移矩阵:[8×8双]VaRLevel: 0.9900 UseParallel: 0 PortfolioValues: [2.0082 e + 06 1.9950 e + 06 1.9933 e + 06 2.0009 1.9819 e + e + 06 06 1.9955 e + 06 1.9962 e + 06年1.9966 2.0018 e + e + 06 06 2.0036 e + 06 1.9873 e + 06年1.9929 2.0015 e + e + 06 06 1.9875 e + 06 1.9962 e + 06年2.0070 2.0054 e + e + 06 06 2.0037 e + 06 2.0032 e + 06 1.9990 e + 06……]
portRisk = portfolioRisk (cmc)
portRisk =1×4表EL性病VaR CVaR _____ _____ _____ _____ 4515.9 12963 57176 83975
查看直方图的组合值。
h =直方图(cmc.PortfolioValues, 125);标题(“投资组合价值分布”);
叠加组合的值需要如果所有交易对手保持当前的信用评级。
CurrentRatingValue = portRisk。EL +的意思(cmc.PortfolioValues);持有在情节([CurrentRatingValue CurrentRatingValue],[0马克斯(h.Values)],…“线宽”2);网格在
引用
[1]Crouhy, M。Galai D。,Mark, R. “A Comparative Analysis of Current Credit Risk Models.”银行与金融杂志》上。24卷,2000年,页59 - 117。
[2]戈迪,m .“信用风险模型的比较解剖学。”银行与金融杂志》上。24卷,2000年,页119 - 149。
[3]Gupton G。,手指,C。,Bhatia, M.“CreditMetrics——技术文档。”j.p.摩根,纽约,1997年。
[4]Jorion, P。金融风险管理手册。第六版。威利金融,2011。
[5]Loffler G。P。,波什的说法,信用风险建模使用Excel VBA。威利金融,2007。
麦克内尔[6],A。弗雷,R。,Embrechts, P.定量风险管理:概念、技术和工具。普林斯顿大学出版社,2005年。
版本历史
介绍了R2017a
