creditMigrationCopula
模拟分析多因素信用迁移评级模型
描述
的creditMigrationCopula将具有一组交易对手的信用敏感头寸组合作为输入，并对信用评级迁移进行基于copula的多因素模拟。针对每种情况计算交易对手信用评级迁移和投资组合价值的后续变化，并报告若干风险度量。
creditMigrationCopula将每个交易对手与一个被称为潜在变量的随机变量关联起来，该随机变量映射到基于评级转换矩阵的信用评级。对于每种情况，基于交易对手的已实现信用评级，重新计算与每个交易对手的头寸价值。这些潜在变量是通过使用多因素模型来模拟的，其中系统性信贷波动是用一系列风险因素模拟的。这些因素可以基于行业部门(如金融或航空航天)，地理区域(如美国或欧元区)，或任何其他潜在的信贷风险驱动因素。每个交易对手都被分配了一系列权重，以确定它们对每个潜在信贷因素的敏感性。
模型的输入是:
migrationValues-每个信用评级的交易对手仓位值。评级-每个交易对手的当前信用评级。转移矩阵-信用评级转换概率矩阵。乐金显示器-默认损失(1 â '复苏)．权重-因子和特质模型权重
在您创建creditMigrationCopula对象(如创建creditMigrationCopula而且属性),用模拟函数，利用多因素模型模拟信用迁移。然后，对于详细的报告，使用以下函数: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：
包含以下变量的表:
ID-标识对方的IDmigrationValues-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乐金显示器-默认损失权重-交易对手方的因素和特殊权重
因子相关矩阵，a
NumFactors——- - - - - -NumFactors定义风险因素之间相关性的矩阵。所有可能的信用评级的集合。
转移矩阵：
交易对手从初始信用评级过渡到最终信用评级的概率矩阵。行表示初始信用评级，列表示最终评级。最上面一行是交易对手从最高评级开始的概率(例如
AAA)，最下面一行是交易对手的数据，从默认状态开始。最末一行可以省略，表示违约的交易对手方仍处于违约状态。每一行之和必须为1．代码中定义的信用评级顺序必须与行和列的顺序匹配RatingLabels参数。最后一列是每个评级的违约概率。如果未指定，默认评级标签为:“AAA级”、“AA”、“”、“BBB”,“BB”、“B”,“CCC”、“D”．风险价值水平，用于报告VaR和CVaR。
一个
NumScenarios——- - - - - -1投资组合价值的向量。方法之前，此属性为空模拟函数。
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 |
生成投资组合级别的风险度量 |
riskContribution |
为投资组合中的每个对手方生成风险贡献 |
confidenceBands |
置信区间的乐队 |
getScenarios |
交易对手的场景 |
例子
创建一个creditMigrationCopula对象使用四因素模型
加载保存的投资组合数据。
负载CreditMigrationData.mat；
为每种债券的投资组合头寸计算债券价格。
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属性: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;
的投资组合属性包含关于迁移值、评级、lgd和权重的信息。
头(cmc.Portfolio)
ID MigrationValues评级乐金显示器的重量 __ _______________ ______ ______ ___________________________________ 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
迁移值中的列与评级的顺序相同，默认评级位于最后一列。
例如，这些是第一个对手方的迁移值。请注意，default的值高于某些非default评级。这是因为默认评级的迁移值是一个参考值(例如，面值、当前评级的向前值或其他值)，在模拟过程中乘以恢复速率，以获得在违约情况下资产的值。恢复速率为1-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(乐金显示器输入只有一列)。恢复速率为随机数乐金显示器输入creditMigrationCopula指定为beta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(“第一公司的迁移价值”）
使用模拟函数来模拟100,000个场景，然后使用portfolioRisk函数。
cmc =模拟(cmc, 1 e5)
cmc = creditMigrationCopula with properties: Portfolio: [250x5 table] FactorCorrelation: [4x4 double] RatingLabels: [8x1 string] TransitionMatrix: [8x8 double] VaRLevel: 0.9900 UseParallel: 0 PortfolioValues: [2.0082e+06 1.9950e+06 1.9933e+06 2.0009e+06…］
portRisk = portfolioRisk (cmc)
portRisk =1×4表EL性病VaR CVaR ______ _____ _____ _____ 4515.9 12963 57176 83975
查看投资组合价值的直方图。
h =直方图(cmc.PortfolioValues, 125);标题(“投资组合价值的分布”）;
创建一个creditMigrationCopula对象和结果分析
加载保存的投资组合数据。
负载CreditMigrationData.mat；
为每种债券的投资组合头寸计算债券价格。
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属性: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;
使用模拟函数来模拟100,000个场景，然后使用portfolioRisk函数。
cmc =模拟(cmc, 1 e5)
cmc = creditMigrationCopula with properties: Portfolio: [250x5 table] FactorCorrelation: [4x4 double] RatingLabels: [8x1 string] TransitionMatrix: [8x8 double] VaRLevel: 0.9900 UseParallel: 0 PortfolioValues: [2.0082e+06 1.9950e+06 1.9933e+06 2.0009e+06…］
portRisk = portfolioRisk (cmc)
portRisk =1×4表EL性病VaR CVaR ______ _____ _____ _____ 4515.9 12963 57176 83975
查看投资组合价值的直方图。
h =直方图(cmc.PortfolioValues, 125);标题(“投资组合价值的分布”）;
如果所有的交易对手保持他们当前的信用评级，覆盖投资组合的价值。
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
参考文献
[1] Crouhy, M.， Galai, D.和Mark, R. <当前信用风险模型的比较分析>。银行与金融杂志。2000年第24卷，第59 - 117页。
[2] Gordy, M. <信用风险模型的比较解剖学>。银行与金融杂志。第24卷，2000年，第119 - 149页。
格普顿，G.，芬格，C.，巴蒂亚，M.。“CreditMetrics -技术文档。”jp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] Löffler, G.和波施，P。基于Excel和VBA的信用风险建模。威利金融,2007。
A.麦克尼尔，R.弗雷，P.埃布莱希茨。定量风险管理:概念、技术和工具。普林斯顿大学出版社，2005。
版本历史
介绍了R2017a
您也可以从以下列表中选择网站: