OnDefaultCorrelation债务违约相关性的度量-精品.pptxVIP

On Default Correlation;首先，资产组合信用风险可以分为两部分：一部分是各个资产本身的信用风险，另一部分则是由各个资产之间的相关结构引起的风险。在度量资产组合的信用风险时，可以采用违约概率作为衡量资产信用的指标。 What David did: 1.要很好地度量组合的整体风险，就要找到一个能将单个违约分布和多元违约联合分布联系起来的方法。 Copula就是这样一个函数，它能将单个边缘分布和多元联合分布联系起来。 2.通过一套借鉴精算学的方法，使用实时的、不断更新的市场数据进行违约概率相关性的评价，改进了原先依赖于一年一度公布的评级数据进行评价的不足。;传统违约概率相关度计算方法之不足;对传统违约概率相关度计算方法的改进;违约期限结构的表现形式——信用曲线;根据古典概率的定义，在精确的时间点t发生事件的概率几乎为0。但是我们可以讨论在一个小的时间间隔t到t＋Δt之间发生违约的概率，即Pr（t=Tt＋Δt）。我们必须把这个概率建立在t时间之前没有发生违约的基础上（即条件概率），这是因为如果信用资产在t时间时已经发生违约了，那么它就不会在t到t＋Δt之间发生违约了 ，故而需要用Pr（t=Tt＋Δt|T=t）。 对于Pr（t=Tt＋Δt|T=t），Δt越长，那么在这个间隔内发生违约的可能性越大。因此我们需要使之标准化，即把它除以Δt。 由于我们要用危险函数确定的是在t时间发生违约的瞬间风险，而不是在t到t＋Δt间隔时间，因此我们让Δt越来越小，直到极限，因此最后形成了下边这个h(t)函数公式。;资产在时刻没有违约的情况下，在时段 内违约的概率： ;危险率是发生违约的“瞬间”风险。根据最新的各类信息不断地确定资产的信用状态，这里隐含了盯住市场的思想。 现在定义信用曲线（credit curve），它是危险率函数的图形表示，代表信用资产在不同时刻的条件违约概率密度。有了信用曲线，就可以计算不同资产的违约相关性。 ;传统上获得信用曲线的方法一般有三种： 第一，从评级机构的历史数据中获得。 第二，使用布莱克－舒尔茨方法，将股票看作一个公司的看涨期权，用这个架构可以获得n期的违约概率，然后将其转换为危险率函数。 第三，从现有的市场信息中获得公司一系列不同期限债券的到期收益率，并将它与国债的到期收益率作比较，获得收益率价差曲线（Yield Spread Curve），然后假设一个外生的恢复率（Recovery Rate），就可以推算出信用曲线。【没懂。。。】;使用评级公司的数据;使用期权定价方法;根据B-S定价公式，假设公司资产价值 服从对数正态分布，违约边界为固定值D（它不必是债务总额），则从目前到时刻t这段时间，公司的生存概率S(t)可以用下列公式得到： 其中 由此可以计算出资产的信用曲线。;;;;反应不同特点的各种形式的Copula函数： ;先来看一个未使用各个信用资产相关性数据的例子：;而更有效的一个方法是：;;再代入：;Copula函数分布很适合利用蒙特卡罗模拟来实现。例如，模拟正态Copula函数的步骤如下： 产生均值为0，相关系数矩阵为 的正态随机数向量 将正态随机变量转换为均匀随机变量： 根据所希望的边缘分布函数转换均匀随机变量： 这里的Copula函数为： ;将Kendall’s tau引入Copula函数： 连续随机变量(X，Y)，其Copula函数为C，则 (X，Y)的Kendall’s tau为：  若U,V为[0,1]上均匀分布的随机变量，其联合分布函数恰为C，则： ;·将Spearman’s rho引入Copula函数： 连续随机变量(X.Y)，其Copula函数为C，则X,Y的Spearman’s rho为： 若U,V为[0,1]上均匀分布的随机变量，其联合分布函数恰为C，则： ;最后，我们可以看到一些intuitively correct的结论;梳理一下思路;最后，我们可以看到一些intuitively correct的结论;最后，我们可以看到一些intuitively correct的结论;Professor Paul Embrechts commented on the failure of such a delicate model:;夫子自道;