主要内容

transprobbytotals

估计概率过渡使用总数结构的输入

所有的页面崩溃

语法

[transMat, sampleTotals] = transprobbytotals(总数)
[transMat, sampleTotals] = transprobbytotals (___、名称、值)

描述

例子

(transMat,sampleTotals)= transprobbytotals (总数)估计概率过渡使用总数结构的输入。transprobbytotals有助于消除离群值信息,获得引导置信区间,或为不同的周期性计算转移概率估计参数(1年过渡,2年过渡,等等)。

例子

(transMat,sampleTotals)= transprobbytotals (___,名称,值)添加可选名称-值对参数。

例子

全部折叠

打开生活的脚本

使用历史信用评级的输入数据Data_TransProb.mat和transprob生成输入transprobbytotals:

负载Data_TransProb%叫TRANSPROB三个输出参数[transMat, sampleTotals idTotals] = transprob(数据);transMat
transMat =8×893.1170 5.8428 0.8232 0.1763 0.0376 0.0012 0.0001 0.0017 1.6166 93.1518 4.3632 0.6602 0.1626 0.0055 0.0004 0.0396 0.1237 2.9003 92.2197 4.0756 0.5365 0.0661 0.0028 0.0753 0.0236 0.2312 5.0059 90.1846 3.7979 0.4733 0.0642 0.2193 0.0216 0.1134 0.6357 5.7960 88.9866 3.4497 0.2919 0.7050 0.0010 0.0062 0.1081 0.8697 7.3366 86.7215 2.5169 2.4399 0.0002 0.0011 0.0120 0.2582 1.4294 4.2898 81.2927 12.7167 100.0000 0 0 0 0 0 0 0

假设公司4和27个局外人,你想删除它们从预处理idTotals结构体数组和概率估计的新转变。

idTotals (27 [4]) = [];[transMat1, sampleTotals1] = transprobbytotals (idTotals);transMat1
transMat1 =8×893.1172 5.8427 0.8231 0.1763 0.0377 0.0012 0.0001 0.0017 1.6213 93.1501 4.3584 0.6614 0.1631 0.0055 0.0004 0.0397 0.1239 2.9027 92.2297 4.0628 0.5367 0.0661 0.0028 0.0753 0.0236 0.2313 5.0070 90.1825 3.7986 0.4734 0.0642 0.2193 0.0216 0.1134 0.6357 5.7959 88.9866 3.4497 0.2920 0.7050 0.0010 0.0062 0.1081 0.8697 7.3367 86.7217 2.5171 2.4395 0.0002 0.0011 0.0120 0.2591 1.4340 4.3034 81.3027 12.6875 100.0000 0 0 0 0 0 0 0

获得1年,2年,3年,4年,5年违约概率,没有离群值(即信息。,使用sampleTotals1)。

DefProb = 0 (7, 5);为t = 1:5 transMatTemp = transprobbytotals (sampleTotals1“transInterval”t);DefProb (:, t) = transMatTemp (1:7 8);结束DefProb
DefProb =7×50.0017 0.0070 0.0159 0.0285 0.0450 0.0397 0.0828 0.1299 0.1813 0.2377 0.0753 0.1606 0.2567 0.3640 0.4831 0.2193 0.4675 0.7430 1.0445 1.3700 0.7050 1.4668 2.2759 3.1232 4.0000 2.4395 4.9282 7.4071 9.8351 12.1847 12.6875 23.1184 31.7177 38.8282 44.7266

输入参数

全部折叠

总转换观察、指定为一个结构或一个结构体数组的长度nTotals字段:

  • totalsVec-一个稀疏向量的大小1——- - - - - -nRatings1。

  • totalsMat——一个稀疏矩阵的大小nRatings1——- - - - - -nRatings2与nRatings1≤nRatings2。

  • 算法——一个特征向量与价值观“持续时间”或“队列”。

为“持续时间”算法,totalsMat(我,j)包含总转换观察评级我在评级j(所有的对角元素都是0)的总时间花在评级我存储在totalsVec(我)。例如,你有三个评级类别,投资级(搞笑)、投机级(SG),默认的(D),以下信息:

总时间IG SG D等级:4859.09 1503.36 1162.05转换IG SG D(行)搞笑0 89 7(列):SG 202 0 32 D 0 0 0
然后:
总数。总数Vec = [4859.09 1503.36 1162.05] totals.totalsMat = [ 0 89 7 202 0 32 0 0 0] totals.algorithm = 'duration'

为“队列”算法,totalsMat(我,j)包含转换观察从评级我对评级j,totalsVec(我在评级)是最初的计数我。例如,给出下列信息:

最初数IG SG D等级:4808 1572 1145转换IG SG D(行)搞笑4721 80 7(列):SG 193 1347 32 D 0 0 1145
然后:

总数。总数Vec = [4808 1572 1145] totals.totalsMat = [4721 80 7 193 1347 32 0 0 1145 totals.algorithm = 'cohort'

常见的总量结构是可选的输出参数transprob:

  • sampleTotals——一个单一结构总结整个数据集的统计信息。

  • idTotals——一个结构体数组的总数在ID级别的信息。

数据类型:结构体|结构

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:transMat = transprobbytotals (Totals1 transInterval的5)

每年的信用评级快照为估计,被认为是指定为逗号分隔组成的“snapsPerYear”的数值1,2,3,4,6,或12。

请注意

这个参数只使用“队列”算法。

数据类型:双

过渡区间的长度,在年,指定为逗号分隔组成的“transInterval”和一个数字值。

数据类型:双

输出参数

全部折叠

百分比的转移概率矩阵,作为一个返回nRatings1——- - - - - -nRatings2转换矩阵。

结构与样本总数,返回的字段:

  • totalsVec-一个向量的大小1——- - - - - -nRatings1。

  • totalsMat-一个矩阵的大小nRatings1——- - - - - -nRatings2与nRatings1≤nRatings2。

  • 算法——一个特征向量与价值观“持续时间”或“队列”。

如果总数是一个结构体数组,sampleTotals包含聚合信息。也就是说,sampleTotals.totalsVec的总和总数(k)。totalsVec对所有k和类似的totalsMat。当总数本身就是一个结构,sampleTotals和总数都是一样的。

更多关于

全部折叠

群估计

队列算法估计的跃迁概率基于序列快照的信用评级定期间隔的时间点。

如果一个公司的信用评级变化两个快照日期之间的两次,中间评级是被忽视的,只有最初的和最后的评级影响估计。

持续时间估算

与队列的方法,在过渡期间算法估计概率基于完整的信用评级历史,看信用评级迁移发生的确切日期。

没有快照的概念,在这种方法中,和所有信用评级迁移影响的估计,即使在很短的时间内公司的评级变化两次。

引用

[1]汉森,S。,T. Schuermann. "Confidence Intervals for Probabilities of Default."银行与金融杂志》上。30卷(8),爱思唯尔,2006年8月,页2281 - 2301。

[2]Loffler G。,p . n . Posch。信用风险建模使用Excel VBA。西萨塞克斯郡,英格兰:威利金融,2007。

[3]时间,T。“信用迁移矩阵。”在e·梅尔尼克b·埃维里特(eds)。百科全书的定量风险分析和评估。威利,2008年。

版本历史

介绍了R2010b

另请参阅

|

主题

外部网站