Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU

Podobne dokumenty
r u du. Proces wartości aktywów firmy V. Proces bariery v wykorzystywany do zdefiniowania defaultu. moment defaultu τ.

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU cz.i

Modelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU cz. II: CDS y - swapy kredytowe

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Ogólnopolska Konferencja Naukowa Zagadnienia Aktuarialne - Teoria i praktyka Warszawa, 9 11 czerwca 2008

Modelowanie ryzyka kredytowego Zadania 1.

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Dyskretny proces Markowa

F t+ := s>t. F s = F t.

Wykład 2 Zmienne losowe i ich rozkłady

8 Całka stochastyczna względem semimartyngałów

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

Raport: Modele Matematyczne w Finansach 2014

Europejska opcja kupna akcji calloption

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

4 Kilka klas procesów

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

Pobieranie próby. Rozkład χ 2

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Postęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak

Prawdopodobieństwo i statystyka

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Modele Markov-Functional przegląd wybranych własności i zastosowanie do wyceny wybranych instrumentów pochodnych

Prognozowalne kryterium całkowalności według A. N. Shiryaeva i A. S. Cherny ego Joanna Karłowska-Pik. Historia

Ciągłość funkcji f : R R

Analiza portfelowa w czasie ciagłym dla ogólnych cen zakupu i sp. ze stałymi kosztami za transakcje

i 0,T F T F 0 Zatem: oprocentowanie proste (kapitalizacja na koniec okresu umownego 0;N, tj. w momencie t N : F t F 0 t 0;N, F 0

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

Prognozowanie i symulacje

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Prawdopodobieństwo i statystyka

Cechy szeregów czasowych

Statystyka i eksploracja danych

Zapomniane twierdzenie Nyquista

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Informacja o przestrzeniach Sobolewa

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

DYNAMIKA KONSTRUKCJI

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

q s,t 1 r k 1 t k s q k 1 q k... q n 1 q n q 1 i ef e, v 1 q,

Modele długości trwania

Grzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe

Rachunek prawdopodobieństwa- wykład 6

2. Wprowadzenie. Obiekt

Teoria ze Wstępu do analizy stochastycznej

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim

Wykłady... b i a i. i=1. m(d k ) inf

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

Parametr Λ w populacji ubezpieczonych ma rozkład dany na półosi dodatniej gęstością: 3 f

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3

7 Twierdzenie Fubiniego

KONTRAKTY FUTURES STOPY PROCENTOWEJ

Modelowanie ryzyka kredytowego: MODEL BLACK-COX A

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Prawa wielkich liczb, centralne twierdzenia graniczne

Zawansowane modele wyborów dyskretnych

Rys.1. Podstawowa klasyfikacja sygnałów

Ważną rolę odgrywają tzw. funkcje harmoniczne. Przyjmujemy następującą definicję. u = 0, (6.1) jest operatorem Laplace a. (x,y)

Zagadnienia stacjonarne

Zmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

Prawdopodobieństwo i statystyka

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

VII. ZAGADNIENIA DYNAMIKI

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Krzysztof Jajuga Akademia Ekonomiczna we Wrocławiu. Modelowanie stóp procentowych a narzędzia ekonometrii finansowej

Robert Kowalczyk. Zbiór zadań z teorii miary i całki

Wykład 3 Momenty zmiennych losowych.

RÓWNANIA RÓŻNICZKOWE WYKŁAD 13

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Detekcja rozkładów o ciężkich ogonach

Wykład 3 Momenty zmiennych losowych.

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Dystrybucje, wiadomości wstępne (I)

Kryptografia - zastosowanie krzywych eliptycznych

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

Tablice trwania życia

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

Zadania ze Wstępu do Analizy Stochastycznej 1. = 0 p.n.

MUMIO Lab 6 (składki, kontrakt stop-loss)

Maksymalne powtórzenia w tekstach i zerowa intensywność entropii

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW

}, gdzie a = t (n) )(f(t(n) k. ) f(t(n) k 1 ) 1+δ = 0,

Pojęcia podstawowe 1

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Podstawy elektrotechniki

MIARA I ODWZOROWANIE RYZYKA FORWARD NA RYNKU SKOŃCZONYM

Współczynniki Greckie

Wykład 3 Jednowymiarowe zmienne losowe

Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

Podstawy elektrotechniki

Transkrypt:

Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18

Proces Hazardu τ - nieujemna zmienna losowa na (Ω, G, Q) Q(τ = 0) = 0, Q(τ > ) > 0, 0. Proces indykaora defaulu H := 1 { τ}, 0, H = σ(h u : u ). Mamy dana filrację zw. referencyjna F aka, że G = H F, zn. G = H F, 0. τ nie musi być F-momenem sopu. hazardu Warszawa 2014 2 / 18

Proces Hazardu Dla każdego 0, F = Q(τ F ) a przez G oznaczmy F-survival process Własności Czy G jes malejacy? G = 1 F = Q(τ > F ) G 0 = 1, lim G = 0 G jes ograniczonym supermaryngałem, można więc wziaść cadlag modyfikacje. hazardu Warszawa 2014 3 / 18

Proces Hazardu Definicja Niech F < 1, dla 0. F-proces hazardu τ względem Q jes zdefiniowany wzorem Γ = ln G = ln(1 F ), 0. Mamy analogiczne własności jak funkcja hazardu Γ 0 = 0, lim Γ = + Założenie F < 1, dla wszyskich 0 implikuje, że τ nie jes F-momenem sopu. hazardu Warszawa 2014 4 / 18

Proces Hazardu Jeżeli F jes absolunie ciagłym procesem rosnacym zn. dla nieujemnego procesu f, F = 0 f u du o proces Γ jes akże rosnacy i absolunie ciagły zn. isnieje nieujemny F-adapowany proces γ aki, że dokładniej Γ = 0 γ u du γ u = 1 F u γ jes F-hazard rae (F-inensywnościa) f u hazardu Warszawa 2014 5 / 18

Konsrukcja kanoniczna Mamy zadany F-adapowany proces Γ na (Ω, G, Q), spełniajacy Γ 0 = 0, lim Γ = + Czy isnieje τ dla kórego F-proces hazardu jes równy Γ? Inaczej: Czy można skonsruować momen losowy τ o F-procesie hazardu równym Γ? Prosa konsrukcja wymaga pewnych dodakowych założeń: 1 Γ jes procesem rosnacym, 2 isnieje z.l. ξ U[0, 1] niezależna od F przy Q, Wedy można pokazać, że τ zdefiniowany τ := inf { 0 : e Γ ξ} jes G-momenem sopu z F-procesem hazardu Γ. hazardu Warszawa 2014 6 / 18

Konsrukcje τ cd... Czy jak już mamy τ z F procesem hazardu Γ o czy ma on reprezenację τ = inf { 0 : e Γ ξ}? Można pokazać, że ak rzeczywiście jes przy założeniach 1 Γ jes procesem ciagłym, ściśle rosnacym, 2 Q(τ > F ) = Q(τ > F ) = e Γ Założenie 2 jes spełnione w konsrukcji kanonicznej, jes zwiazane z zw. własnościa niezmienności maryngałów. W osanich laach pojawiły się ogólne konsrukcje w kórych Γ nie jes procesem rosnacym... hazardu Warszawa 2014 7 / 18

Proces Hazardu : Lema kluczowy Lema Dla każdej G-mierzalnej z.l. X L 1 (Q) mamy E(1 {<τ} X G ) = 1 {<τ} E(X G ) = 1 {<τ} E(X1 {<τ} F ) Q( < τ F ) 0. W szczególności dla wszyskich s Q( < τ s G ) = 1 {<τ} Q( < τ s F ) Q( < τ F ) = 1 {<τ} E(1 e Γ Γ s F ) hazardu Warszawa 2014 8 / 18

Proces Hazardu : Lema kluczowy Wniosek Niech X będzie F T -mierzalna z.l. (X L 1 (Q)). Wedy dla wszyskich [0, T ] mamy E(X1 {T <τ} G ) = 1 {<τ} E(X1 {T <τ} F ) Q( < τ F ) = 1 {<τ} E(Xe Γ Γ T G ). W dowodzie przydany jes nasępujacy lema Lema Niech G = F H. Wedy G G gdzie G jes filracja zdefinowana G = {A G : A {τ > } = B {τ > }dla pewnego B F }. hazardu Warszawa 2014 9 / 18

Lema Załóżmy, że Z jes procesem F-prognozowalnym akim, że Z (τ)1 {τ T } L 1 (Q). Wedy, dla wszyskich T, zachodzi ( T ) 1 {<τ} E(Z (τ)1 {τ T } G ) = 1 {<τ} e Γ E Z (u)df u F Niech F = N + C będzie rozkładem DM F, gdzie N jes F-maryngałem a C jes F-prognozowlanym procesem rosnacym. Wedy dla każdego T mamy ( T 1 {<τ} E(Z (τ)1 {τ T } G ) = 1 {<τ} e Γ E Z (u)dc u F ). Jeżeli F jes procesem ciagłym i rosnacym o ( T 1 {<τ} E(Z (τ)1 {τ T } G ) = 1 {<τ} E Z (u)e Γ Γ u dγ u F ). hazardu Warszawa 2014 10 / 18

Proces Hazardu : Lemay kluczowe Proposiion Niech A będzie procesem ograniczonym, F-prognozowalnym o skończonym wachaniu. Wedy, dla wszyskich T, zachodzi ( T ) ( T 1 {<τ} E (1 H u )da u G = 1 {<τ} e Γ E (1 F u )da u F ). lub równoważnie ( T ) ( T 1 {<τ} E (1 H u )da u G = 1 {<τ} E e Γ Γ u da u F ). hazardu Warszawa 2014 11 / 18

Proces Hazardu : wycena wypła Proposiion Dla każdego [0, T ), cena ex-dividend wypłay (X, A, Z, τ) ma przedsawienie ( S = 1 {<τ} G 1 B E Q (,T ] B 1 u (G u da u Z u dg u ) + G T B 1 X F Jeżeli F jes procesem rosnacym i ciagłym o wedy S = 1 {<τ} B E Q ( (,T ] T ). Bu 1 e Γ Γ u (da u + Z u dγ u ) + B 1 T XeΓ Γ T F ). hazardu Warszawa 2014 12 / 18

Proces Hazardu : wycena wypła Uwaga Zauważmy, że mamy S = 1 {<τ} S gdzie S jes F-adapowanym procesem sochasycznym reprezenujacym warość przed defaulem (X, A, Z, τ). Wniosek Niech F będzie ciagłym i rosnacym procesem. Wedy warość warość przed defualem (X, A, Z, τ) jes równa warości przed defaulem (X, Â, 0, τ), gdzie  = A + Z u dγ u 0 hazardu Warszawa 2014 13 / 18

Wycena wypła gdy τ ma F-inensywność Jeżeli τ ma F-inensywność γ o mamy formułę wyceny wypłay narażonej na ryzyko (X, A, Z, τ) S = 1 {<τ} E Q ( (,T ] e u (r v +γ v )dv (da u + Z u γ u du) +Xe T (r v +γ v )dv F ). hazardu Warszawa 2014 14 / 18

Wycena wypła gdy τ ma F-inensywność Bardziej inuicyjna formuła jes nasepujaca: Niech r u = r u + γ u będzie sopa procenowa uwzględniajac a ryzyko kredyowe wedy B ( ) B = exp r u du 0 można inerpreować jako rachunek bankowy uwzględniajacy ryzyko kredyowe. Wedy mamy wzór S = 1 {<τ} B E Q ( (,T ] 1 T 1 B u dau + B u Zu γ u du + X B 1 T F ). hazardu Warszawa 2014 15 / 18

Obligacje z ryzykiem kredyowym: Rozważmy obligację z częściowym odzyskiem warości Par. W T mamy obiecana wypłaę L-nominał obligacji, kóra dochodzi do skuku jeżeli τ > T. Jeżeli τ T o mamy w momencie τ wypłae o wielkości δl dla δ [0, 1] Mamy więc formalnie (L, 0, δl, τ). Cena ex-dividend jes więc wedy dana wzorem D δ (, T ) = LB E(δBτ 1 1 {<τ T } + B 1 T 1 T <τ G ) Jeżeli τ ma F-inensywność o mamy T ) D δ (, T ) = L B 1 E Q (δ B u γu du + B 1 T F hazardu Warszawa 2014 16 / 18

Obligacje z ryzykiem kredyowym: Rozważmy obligację z częściowym odzyskiem warości skarbowej (Treasury Value). W T mamy obiecana wypłaę L-nominał obligacji, kóra dochodzi do skuku jeżeli τ > T. Jeżeli τ T o mamy w momencie T wypłae o wielkości δl dla δ [0, 1]. Mamy więc wypłaę Y = L(1 {τ>t } + δ1 {τ T } ). Cena ex-dividend jes więc wedy dana wzorem D δ (, T ) = LB E(B 1 T (δ1 {τ T } + 1 {τ>t } ) G ) Lub równoważnie D δ (, T ) = LB E Q ( δb 1 τ B(τ, T )1 {<τ T } + B T 1 1 {τ>t } F ) hazardu Warszawa 2014 17 / 18

Obligacje z ryzykiem kredyowym: Wedy, jeżeli τ ma F-inensywność o orzymujemy T ) D δ (, T ) = L B 1 E Q (δ B u B(u, T )γu du + B 1 T F hazardu Warszawa 2014 18 / 18