تخمين و شبيه‌سازي همبستگي ريسك نكول شركت‌ها با استفاده از مدل‌هاي شدت

Estimate & Simulation of Correlated Default Risk with Use Stochastic Intensity Model

همبستگي ريسك نكول نقش مهم و قابل توجهي را در بازارها و محيط‌هاي كسب و كار مالي ايفا مي‌كند. چون اصولاً ريسك، در كنار ارزش زماني پول و ارزش‌گذاري دارايي‌ها سه محور تحليل مالي را تشكيل مي‌دهند. در حالت كلي ريسك و به صورت خاص‌تر همبستگي ريسك نكول از عناصر پايه‌اي موثر بر رفتار مالي است. همچنين در دنياي واقعي ريسك وجود دارد و بخش مهمي از سيستم مالي وظيفه باز توزيع ريسك را بر عهده دارد. با داشتن توزيع احتمال ارزش دارايي‌هاي موسسه، مي‌توان ريسك را به طور كمّي محاسبه كرد. در اين چارچوب ديناميك مدل‌هاي مبتني بر شدت كه در آن نكول يك شركت با استفاده از فرايند‌هاي تصادفي، شدت كنترل مي‌شود بيشتر براي مدل كردن ريسك همبستگي نكول مورد استفاده قرار مي‌گيرد. محاسبات روي اين مدل‌ها با روش شبيه سازي مونت كارلوانجام مي‌شود. كه اين كار موجب تخمين‌هاي اريب شبيه سازي مي‌شود. اين مطالعه يك روش دقيق براي شبيه سازي مدل‌هاي مبتني بر شدت كه باعث برآورد نااريب توزيع ضرر سبد اعتباري، اندازه‌هاي ريسك و قيمت ابزارهاي مشتقات مي‌شود را بررسي و توسعه مي‌دهد. روش جديد داراي دو مرحله مي‌باشد. مرحله اول ساختن زنجير ماركوف هم توزيع با وضعيت نكول و در مرحله دوم با استفاده از روش پذيرش / رد تابع بدست آمده را محاسبه مي‌كند. نتايج تحقيق، نشان‌دهنده تاييد توان تخمين و شبيه‌سازي همبستگي ريسك نكول شركت‌ها توسط مدل‌هاي شدت است.

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