هدف این مقاله، مقایسه کالیبراسیون مدل‌های قیمت‌گذاری اوراق اختیار خرید مبتنی‌بر نوسانات تصادفی و تکنیک تبدیل انتگرال تعمیم‌یافته است. بدین‌منظور، از تکنیک تبدیل انتگرال تعمیم‌یافته مبتنی‌بر نوسانات ثابت و نیز مدل هستون مبتنی‌بر نوسانات متغیر برای قیمت‌گذاری استفاده شد. جهت ‌اجرای مدل مطرح شده، پژوهش حاضر از داده‌های اختیار خرید عرضه شده در بورس اوراق بهادار تهران استفاده نموده است. نتایج نشان داد در وضعیت بی‌تفاوتی و وضعیت سوددهی کالیبراسیون مدل هستون برای همه سررسیدها بهتر از تکنیک تبدیل انتگرالی تعمیم‌یافته عمل می‌کند. در وضعیت ‌زیان‌دهی نیز اگرچه کالیبراسیون مدل هستون در دوره کوتاه‌مدت ضعیف عمل می‌کند، اما با افزایش زمان تا سررسید، کالیبراسیون مدل هستون بهتر از تکنیک تبدیل انتگرالی در میان‌مدت و بلندمدت پاسخ داده است. بر این اساس، پیشنهاد می‌شود در راستای توسعه زیرساخت‌های آموزشی و فرهنگ‌سازی اوراق اختیار معامله، اداره ابزارهای نوین مالی شرکت بورس اوراق بهادار تهران، جهت محاسبه پارامترهای کلیدی قراردادهای اختیار معامله در سناریوهای مختلف، مدل ارائه شده این مقاله را مد نظر قرار دهد تا بدین طریق ارزشگذاری دقیق‌تری از قراردادهای اختیارمعامله بدست آید. Manuscript profile

Nowadays, one of the most important topics in risk management of banks, financial, and credit institutions is credit risk management. In this research, the researchers used survival analytic methods for credit risk modeling in terms of the conditional distribution function of default time. As a practical task, the authors considered the reward credit portfolio of Tose'e Ta'avon Bank of Guilan Province and estimate the bank’s probability of default based on the survival analysis method. In order to analyze and verify the research hypothesis, firstly, the researcher estimated the survival analysis, survival function, and then the value of the probability of default function by three parametric, semi-parametric (proportional hazards model), and non-parametric methods. Finally, the author compared these three methods by using the ROC method. In order to analyze data, SPSS, SAS, R, and Minitab softwares were used. The results revealed that the parametric model was better and more suitable than the other models. After the parametric model, it was observed that, the semi-parametric model (proportional hazards model) and then the non-parametric model proved to be the best models. The results of this research suggest using rating or credit score in banks, because, in addition to the proper management of allocation of facility to customers, using a credit score as an explanatory variable can result in more efficient and more accurate estimations of default probability. Manuscript profile