Преобразуйте пороги качества кредита в вероятности перехода
Используйте исторические входные данные кредитного рейтинга из Data_TransProb.mat, оцените 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
Получите пороги качества кредита.
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
thresh - Пороги качества кредитаПороги качества кредита, заданные как M-by- N матрица порогов кредитного качества.
В каждой строке первый элемент должен быть Inf и записи должны удовлетворять следующему монотонному условию:
thresh(i,j) >= thresh(i,j+1), for 1<=j<N
The M-by- N входной thresh и M-by- N выход trans связаны следующим образом. Пороги thresh(i, j) являются критическими значениями стандартного нормального z распределения, 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 заданная строка в выходной матрице trans определяет распределение вероятностей 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 переходов с M ≤ N, в этом случае строка i содержит переходные вероятности для эмитентов с рейтингом 'Ri'. Но trans не обязательно быть стандартной матрицей перехода. trans может содержать индивидуальные вероятности перехода для множества M- специфические эмитенты, с M > N.
Например, предположим, что существуют только N= 3 оценки, 'High', 'Low', и 'Default', с этими порогами кредитного качества:
High Low Default High Inf -2.0814 -3.1214 Low Inf 2.4044 -1.7530
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, чем − 3.1214, или 0,09%. Вероятность того, что a 'High' заканчивается период с рейтингом 'Low' или ниже эквивалентно получению стандартного нормального случайного числа, меньшего, чем − 2.0814, или 1,87%. Отсюда вероятность закончить на 'Low' рейтинг:
P[z<-2.0814] - P[z<-3.1214] = 1.87% - 0.09% = 1.78%
'High' рейтинг:100%-1.87% = 98.13%
P[z<Inf]Типы данных: double
trans - Матрица переходных вероятностей в процентахМатрица переходных вероятностей в процентах, возвращенная как M-by- N матрица.
[1] Gupton, G. M., C. C. Finger, and M. Bhatia. «CreditMetrics». Технический документ, RiskMetrics Group, Inc., 2007.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.