تخمین و شبیه سازی همبستگی ریسک نکول شرکتها با استفاده از مد لهای شدت

محورهای موضوعی : دانش مالی تحلیل اوراق بهادار

کریم نوروزی پور ¹ , حسن داداشی ² , مهدی محمدی ³

1 - نویسنده مسئول
2 - ندارد
3 - ندارد

تاریخ دریافت : 1390/09/20 تاریخ پذیرش : 1390/12/19 تاریخ انتشار : 1391/03/20

کلید واژه: ریسک اعتباری, همبستگی نکول, مدل شدت تصادفی,

چکیده مقاله :

همبستگی ریسک نکول نقش مهم و قابل توجهی را در بازارها و محی طهای کسب و کار مالی ایفامی کند. چون اصولاً ریسک، در کنار ارزش زمانی پول و ارز شگذاری دارای یها سه محور تحلیل مالی راتشکیل می دهند.در حالت کلی ریسک و به صورت خاص تر همبستگی ریسک نکول از عناصر پایه ای موثر بر رفتارمالی است. همچنین در دنیای واقعی ریسک وجود دارد و بخش مهمی از سیستم مالی وظیفه باز توزیعریسک را بر عهده دارد. با داشتن توزیع احتمال ارزش دارایی های مؤسسه، م یتوان ریسک را به طور کمیمحاسبه کرد. در این چارچوب دینامیک مدل های مبتنی بر شدت که در آن نکول یک شرکت با استفاده ازفرایند های تصادفی، شدت کنترل م یشود بیشتر برای مدل کردن ریسک همبستگی نکول مورد استفادهقرار می گیرد. محاسبات روی این مدل ها با روش شبیه سازی مونت کارلوانجام م یشود. که این کار موجبتخمین های اریب شبیه سازی می شود. این مطالعه یک روش دقیق برای شبیه سازی مدل های مبتنی برشدت که باعث برآورد نااریب توزیع ضرر سبد اعتباری، انداز ههای ریسک و قیمت ابزارهای مشتقاتمی شود را بررسی و توسعه می دهد. روش جدید دارای دو مرحله می باشد.مرحله اول ساختن زنجیر مارکوف هم توزیع با وضعیت نکول و در مرحله دوم با استفاده از روشپذیرش / رد تابع بدست آمده را محاسبه می کند. نتایج تحقیق، نشان دهنده تائید توان تخمین و شبی هسازیهمبستگی ریسک نکول شرکت ها توسط مدل های شدت است.

چکیده انگلیسی:

Correlated default risk plays a significant role in financial markets and business.Primarily because the risk, alongside time value of money and asset valuation arethree components financial analysis. In general, risk and more specifically, Correlateddefault risk are basic elements affecting the financial behavior. There are also risks inthe real world and an important part of the financial system is responsible for thedistribution of risk.With the probability distribution of the assets of the institution, we can and will beenable calculated risk. In this context, Dynamic intensity-based models, in which afirm default is governed by a stochastic intensity process, are widely used to modelcorrelated default risk. The computations in these models can be performed by MonteCarlo simulation. the standard simulation method, which leads to biased simulationestimators. In This study, we reviews and develops an exact simulation method forintensity-based models that leads to unbiased estimators of credit portfolio lossdistributions, risk measures, and derivatives prices.The new method includes two steps. In a first step, we construct same distributionof Markov chains with the default status and in a second step, we compute functionobtained in first step, using accepted / rejected method.