exponenta event banner

transprobfromthresholds

Преобразование пороговых значений кредитного качества в вероятности перехода

Описание

пример

trans = transprobfromthresholds(thresh) преобразует пороговые значения кредитного качества в вероятности перехода

Примеры

свернуть все

Использовать исторические входные данные кредитного рейтинга из Data_TransProb.mat, оценить вероятности перехода с настройками по умолчанию.

load Data_TransProb
  
% Estimate transition probabilities with default settings
transMat = transprob(data)
transMat = 8×8

   93.1170    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
         0         0         0         0         0         0         0  100.0000

Получение пороговых значений кредитного качества.

thresh = transprobtothresholds(transMat)
thresh = 8×8

       Inf   -1.4846   -2.3115   -2.8523   -3.3480   -4.0083   -4.1276   -4.1413
       Inf    2.1403   -1.6228   -2.3788   -2.8655   -3.3166   -3.3523   -3.3554
       Inf    3.0264    1.8773   -1.6690   -2.4673   -2.9800   -3.1631   -3.1736
       Inf    3.4963    2.8009    1.6201   -1.6897   -2.4291   -2.7663   -2.8490
       Inf    3.5195    2.9999    2.4225    1.5089   -1.7010   -2.3275   -2.4547
       Inf    4.2696    3.8015    3.0477    2.3320    1.3838   -1.6491   -1.9703
       Inf    4.6241    4.2097    3.6472    2.7803    2.1199    1.5556   -1.1399
       Inf       Inf       Inf       Inf       Inf       Inf       Inf       Inf

Восстановите вероятности перехода.

trans = transprobfromthresholds(thresh)
trans = 8×8

   93.1170    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
         0         0         0         0         0         0         0  100.0000

Входные аргументы

свернуть все

Пороговые значения кредитного качества, указанные как Mоколо-N матрица пороговых значений кредитного качества.

В каждой строке первый элемент должен быть Inf и записи должны удовлетворять следующему условию монотонности:

 thresh(i,j) >= thresh(i,j+1), for 1<=j<N

Mоколо-N вход thresh и Mоколо-N продукция trans связаны следующим образом. Пороги thresh(i, j) являются критическими значениями стандартного нормального распределения z, так что:

trans(i,N) = P[z < thresh(i,N)],
 
trans(i,j) = P[z < thresh(i,j)] - P[z < thresh(i,j+1)], for 1<=j<N

Любая данная строка в выходной матрице trans определяет распределение вероятности по дискретному набору N рейтинги 'R1', ..., 'RN', так что для любой строки i trans(i, j) - вероятность миграции в'Rj'. trans может быть стандартной матрицей перехода, с MN, в этом случае строка i содержит вероятности перехода для эмитентов с рейтингом 'Ri'. Но trans не обязательно быть стандартной матрицей перехода. trans может содержать индивидуальные вероятности перехода для набора M- конкретные эмитенты, с M > N.

Например, предположим, что существуют только N= 3 оценки ,'High', 'Low', и 'Default', с этими пороговыми значениями кредитного качества:

        High    Low    Default
High    Inf   -2.0814   -3.1214
Low     Inf    2.4044   -1.7530
Матрица вероятностей перехода такова:
       High   Low   Default
High  98.13   1.78   0.09
Low    0.81  95.21   3.98

Это означает вероятность дефолта для 'High' эквивалентно рисованию стандартного нормального случайного числа, меньшего − 3,1214, или 0,09%. Вероятность того, что 'High' заканчивает период с рейтингом 'Low' или ниже эквивалентно рисованию стандартного нормального случайного числа, меньшего − 2,0814, или 1,87%. Отсюда вероятность окончания на 'Low' рейтинг:

P[z<-2.0814] - P[z<-3.1214] = 1.87% - 0.09% = 1.78%
И вероятность окончания на 'High' рейтинг:
100%-1.87% = 98.13%
где 100% равно:
P[z<Inf]

Типы данных: double

Выходные аргументы

свернуть все

Матрица вероятностей перехода в процентах, возвращенная как Mоколо-N матрица.

Ссылки

[1] Гуптон, G.M., C. C. Finger и M. Bhatia. «CreditMetrics». Технический документ, RiskMetrics Group, Inc., 2007.

Представлен в R2011b