transprobfromthresholds

Преобразуйте пороги качества кредита в вероятности перехода

Описание

пример

trans = transprobfromthresholds(thresh) преобразует пороги качества кредита в вероятности перехода

Примеры

свернуть все

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

Входные параметры

свернуть все

Пороги 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 MN, 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
Матрица переходных вероятностей тогда:
       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%
И вероятность окончания на 'High' рейтинг:
100%-1.87% = 98.13%
где 100% то же, что и:
P[z<Inf]

Типы данных: double

Выходные аргументы

свернуть все

Матрица переходных вероятностей в процентах, возвращенная как M-by- N матрица.

Ссылки

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

Введенный в R2011b