creditDefaultCopula

Создайте creditDefaultCopula объект симулировать и анализировать мультифакторную модель значения по умолчанию кредита

Описание

creditDefaultCopula класс симулирует потери портфеля из-за значений по умолчанию контрагента с помощью мультифакторной модели. creditDefaultCopula партнеры каждый контрагент со случайной переменной, названной скрытой переменной, которая сопоставлена с default/non-default результатами для каждого сценария, таким образом, что значения по умолчанию происходят с вероятностью PD. В случае значения по умолчанию потеря для того сценария зарегистрирована равная EAD lgd для контрагента. Эти скрытые переменные симулированы с помощью мультифакторной модели, где системные колебания кредита моделируются с серией факторов риска. Эти факторы могут быть основаны на отраслях промышленности (такой столь же финансовый, космос), географические области (такие как США, еврозона), или любой другой базовый драйвер кредитного риска. Каждый контрагент присвоен серия весов, которые определяют их чувствительность к каждому базовому кредиту факторы.

Входные параметры к модели описывают чувствительный к кредиту портфель воздействий:

  • EAD — Воздействие в значении по умолчанию

  • PD — Вероятность значения по умолчанию

  • LGD — Потеря, данная значение по умолчанию (1 − Recovery)

  • Weights — Факторные и особенные веса модели

После creditDefaultCopula объект создается (см., Создают creditDefaultCopula и Свойства), используйте simulate функция, чтобы симулировать значения по умолчанию кредита с помощью мультифакторной модели. Результаты хранятся в форме распределения потерь на уровне контрагента и портфеле. Несколько мер по риску на уровне портфеля вычисляются, и вклады риска от отдельных должников. Модель вычисляет:

  • Полное симулированное распределение потерь портфеля через сценарии

  • Потери на каждом контрагенте через сценарии

  • Несколько мер по риску (VaRcvar , ELстанд) с доверительными интервалами

  • Рискните вкладами на контрагента (для EL и CVaR)

Создание

Описание

пример

cdc = creditDefaultCopula(EAD,PD,LGD,Weights) создает creditDefaultCopula объект. creditDefaultCopula объект имеет следующие свойства:

  • Портфель:

    Таблица со следующими переменными (каждая строка таблицы представляет одного контрагента):

    • ID — ID, чтобы идентифицировать каждого контрагента

    • EAD — Воздействие в значении по умолчанию

    • PD — Вероятность значения по умолчанию

    • LGD — Потеря, данная значение по умолчанию

    • Weights — Факторные и особенные веса для контрагентов

  • FactorCorrelation:

    Факторная корреляционная матрица, NumFactors- NumFactors матрица, которая задает корреляцию между факторами риска.

  • VaRLevel:

    Подверженный риску значения уровень, используемый при создании отчетов о VaR и CVaR.

  • PortfolioLosses

    Потери портфеля, NumScenarios- 1 вектор из потерь портфеля. Это свойство пусто до simulate функция используется.

пример

cdc = creditDefaultCopula(___,Name,Value) Свойства наборов с помощью пар "имя-значение" и любого из аргументов в предыдущем синтаксисе. Например, cdc = creditDefaultCopula(EAD,PD,LGD,Weights,'VaRLevel',0.99). Можно задать несколько пар "имя-значение" как дополнительные аргументы пары "имя-значение".

Входные параметры

развернуть все

Воздействие в значении по умолчанию в виде NumCounterparties- 1 вектор из кредитных рисков. EAD введите устанавливает свойство Portfolio.

Примечание

creditDefaultCopula модель симулирует значения по умолчанию и потери по некоторому фиксированному периоду времени (например, один год). Подверженность контрагента (EAD) и вероятности по умолчанию (PD) должно оба быть характерно для определенного времени.

Типы данных: double

Вероятность значения по умолчанию в виде NumCounterparties- 1 числовой вектор с элементами от 0 через 1, представление вероятностей по умолчанию для контрагентов. PD введите устанавливает свойство Portfolio.

Примечание

creditDefaultCopula модель симулирует значения по умолчанию и потери по фиксированному периоду времени (например, один год). Подверженность контрагента (EAD) и вероятности по умолчанию (PD) должно оба быть характерно для определенного времени.

Типы данных: double

Потеря, данная значение по умолчанию в виде NumCounterparties- 1 числовой вектор с элементами от 0 через 1, представление части воздействия, которое потеряно когда контрагент значения по умолчанию. LGD задан как (1 − Recovery). Например, LGD из 0,6 подразумевает 40%-ю скорость восстановления в случае значения по умолчанию. LGD введите устанавливает свойство Portfolio.

LGD может альтернативно быть задан как NumCounterparties- 2 матрица, где первый столбец содержит средние значения LGD и 2-й столбец, содержит стандартные отклонения LGD. Допустимые открытые интервалы для среднего и стандартного отклонения LGD:

  • Для первого столбца средние значения между 0 и 1.

  • Для второго столбца стандартные отклонения LGD между 0 и sqrt(m*(1-m)).

Затем в случае значения по умолчанию значения LGD чертятся случайным образом от бета распределения обеспеченными параметрами для принимающего значение по умолчанию контрагента.

Типы данных: double

Факторные и особенные веса в виде NumCounterparties- (NumFactors+ 1 Массив. Каждая строка содержит факторные веса для конкретного контрагента. Каждый столбец содержит веса для фактора базового риска. Последний столбец в Weights содержит особенный вес риска для каждого контрагента. Особенный вес представляет специфичный для компании кредитный риск. Общее количество весов для каждого контрагента (то есть, каждой строки) должно суммировать к 1. Weights введите устанавливает свойство Portfolio.

Например, если кредитоспособность контрагента состоит из 60% США, 20%-го европейца, и особенных 20%, то Weights вектором был бы [0.6 0.2 0.2].

Типы данных: double

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: cdc = creditDefaultCopula(EAD,PD,LGD,Weights,'VaRLevel',0.99)

Пользовательские идентификаторы для контрагентов в виде разделенной запятой пары, состоящей из 'ID' и NumCounterparties- 1 вектор из IDs для каждого контрагента. ID используется, чтобы идентифицировать воздействия в Portfolio таблица и таблица вклада риска. ID должно быть числовое, массив строк или массив ячеек из символьных векторов. ID аргумент пары "имя-значение" устанавливает свойство Portfolio.

Если незаданный, ID значения по умолчанию к числовому векторному 1:NumCounterparties.

Типы данных: double | string | cell

Значение подверженный риску уровень (используемый для создания отчетов о VaR и CVaR) в виде разделенной запятой пары, состоящей из 'VaRLevel' и числовое между 0 и 1. VaRLevel аргумент пары "имя-значение" устанавливает свойство VaRLevel.

Типы данных: double

Факторная корреляционная матрица в виде разделенной запятой пары, состоящей из 'FactorCorrelation' и NumFactors- NumFactors матрица, которая задает корреляцию между факторами риска. FactorCorrelation аргумент пары "имя-значение" устанавливает свойство FactorCorrelation.

Если не заданный, факторные значения по умолчанию корреляционной матрицы к единичной матрице, означая, что факторы не коррелируются.

Типы данных: double

Отметьте, чтобы использовать параллельную обработку для симуляций в виде разделенной запятой пары, состоящей из 'UseParallel' и скалярное значение true или false. UseParallel аргумент пары "имя-значение" устанавливает свойство UseParallel.

Примечание

'UseParallel' свойство может только быть установлено при создании creditDefaultCopula возразите, есть ли у вас Parallel Computing Toolbox™. Однажды 'UseParallel' свойство установлено, параллельная обработка используется с riskContribution или simulate.

Типы данных: логический

Свойства

развернуть все

Детали кредитного портфеля в виде таблицы MATLAB®, которая содержит все данные о портфеле, которые были переданы как вход в creditDefaultCopula.

Portfolio таблица имеет столбец для каждых из входных параметров конструктора (EAD, PDlgd , Weights, и ID). Каждая строка таблицы представляет одного контрагента.

Например:

    ID     EAD         PD          LGD       Weights 
    __    ______    _________    _______    _________
    1     122.43     0.064853    0.68024    0.3  0.7
    2     70.386     0.073957    0.59256    0.3  0.7
    3     79.281     0.066235    0.52383    0.3  0.7
    4     113.42     0.01466     0.43977    0.3  0.7
    5     100.46     0.0042036   0.41838    0.3  0.7

Типы данных: table

Корреляционная матрица для факторов кредита в виде NumFactors- NumFactors матрица. Задайте корреляционную матрицу с помощью дополнительного аргумента пары "имя-значение" 'FactorCorrelation' когда вы создаете creditDefaultCopula объект.

Типы данных: double

Значение подверженный риску уровень, используемый при создании отчетов о VaR и CVaR, заданном использовании дополнительного аргумента пары "имя-значение" 'VaRLevel' когда вы создаете creditDefaultCopula объект.

Типы данных: double

Общие потери портфеля в виде 1- NumScenarios вектор. PortfolioLosses свойство пусто после того, как вы создадите creditDefaultCopula объект. После simulate функция вызывается, PortfolioLosses свойство заполняется с вектором из потерь портфеля.

Типы данных: double

Отметьте, чтобы использовать параллельную обработку для симуляций, заданного использования дополнительного аргумента пары "имя-значение" 'UseParallel' когда вы создаете creditDefaultCopula объект. UseParallel аргумент пары "имя-значение" устанавливает UseParallel свойство.

Примечание

'UseParallel' свойство может только быть установлено при создании creditDefaultCopula возразите, есть ли у вас Parallel Computing Toolbox. Однажды 'UseParallel' свойство установлено, параллельная обработка используется с riskContribution или simulate.

Типы данных: логический

Функции объекта

simulateСимулируйте значения по умолчанию кредита с помощью creditDefaultCopula объект
portfolioRiskСгенерируйте измерения риска уровня портфеля
riskContributionСгенерируйте вклады риска для каждого контрагента в портфеле
confidenceBandsПолосы доверительного интервала
getScenariosСценарии контрагента

Примеры

свернуть все

Загрузите сохраненные данные о портфеле.

load CreditPortfolioData.mat;

Создайте creditDefaultCopula объект с 2D факторной моделью.

cdc = creditDefaultCopula(EAD,PD,LGD,Weights2F,'FactorCorrelation',FactorCorr2F)
cdc = 
  creditDefaultCopula with properties:

            Portfolio: [100x5 table]
    FactorCorrelation: [2x2 double]
             VaRLevel: 0.9500
          UseParallel: 0
      PortfolioLosses: []

Установите VaRLevel к 99%.

cdc.VaRLevel = 0.99;

Симулируйте 100 000 сценариев и просмотрите меры по портфельному риску.

 cdc = simulate(cdc,1e5)
cdc = 
  creditDefaultCopula with properties:

            Portfolio: [100x5 table]
    FactorCorrelation: [2x2 double]
             VaRLevel: 0.9900
          UseParallel: 0
      PortfolioLosses: [1x100000 double]

 portRisk = portfolioRisk(cdc)
portRisk=1×4 table
      EL       Std       VaR      CVaR 
    ______    ______    _____    ______

    24.876    23.778    102.4    121.28

Просмотрите гистограмму потерь портфеля.

histogram(cdc.PortfolioLosses);
title('Distribution of Portfolio Losses');

Для последующего анализа используйте simulate, portfolioRisk, riskContribution, и getScenarios функции с creditDefaultCopula объект.

Ссылки

[1] Crouhy, M., Galai, D. и Марк, R. “Сравнительный анализ Текущих Моделей Кредитного риска”. Журнал Банковского дела и Финансов. Издание 24, 2000, стр 59–117.

[2] Gordy, M. “Сравнительная Анатомия Моделей Кредитного риска”. Журнал Банковского дела и Финансов. Издание 24, 2000, стр 119–149.

[3] Gupton, G., палец, C. и Bhatia, M. “CreditMetrics – технический документ”. J. P. Morgan, Нью-Йорк, 1997.

[4] Jorion, P. Финансовое руководство менеджера по рискам. 6-й выпуск. Финансы Вайли, 2011.

[5] Löffler, G. и Posch, P. Credit Risk Modeling Using Excel и VBA. Финансы Вайли, 2007.

[6] Макнейл, A., Фрэй, R. и Embrechts, P. Количественное управление рисками: Концепции, методы и инструменты. Издательство Принстонского университета, 2005.

Введенный в R2017a
Для просмотра документации необходимо авторизоваться на сайте