[和堅(jiān)FRM2學(xué)習(xí)筆記]市場(chǎng)風(fēng)險(xiǎn)-9.金融學(xué)相關(guān)性模型

1.解釋copula公式的目的,以及copula等式的轉(zhuǎn)換

correlation copula的目的是把兩個(gè)未知的分布映射成已知的分布室抽,然后根據(jù)轉(zhuǎn)換的分布查找兩個(gè)分布的聯(lián)合違約概率妒穴。

copula等式翻譯成人話就是取得資產(chǎn)i的在時(shí)間t點(diǎn)的累積違約分布宋税,然后使用正態(tài)分布根據(jù)違約概率反轉(zhuǎn)計(jì)算每個(gè)t點(diǎn)的z值,然后把兩個(gè)資產(chǎn)根據(jù)相關(guān)性矩陣進(jìn)行joint得出的分布函數(shù)就是Gaussian Default time copula讼油。根據(jù)這個(gè)可以得到投資組合在t時(shí)間點(diǎn)的累積違約概率是多少杰赛。


image

例題分析:


image

答案A,G是原始累積違約分布矮台。


image

答案C乏屯,
Gaussian Copula就是把marginal分布映射成了正太分布

2.描述Gaussian Copula并解釋如果用它來派生兩個(gè)資產(chǎn)的聯(lián)合違約概率

根據(jù)資產(chǎn)B在t點(diǎn)的違約概率,找到這個(gè)違約概率如果在正態(tài)分布上對(duì)應(yīng)的z值
根據(jù)資產(chǎn)C在t點(diǎn)的違約概率瘦赫,也找到這個(gè)違約概率在正態(tài)分布上對(duì)應(yīng)的z值


image

然后把兩個(gè)分布的z值加上相關(guān)性維度辰晕,構(gòu)建成一個(gè)三維空間的帽子,兩個(gè)資產(chǎn)的聯(lián)合違約概率就是在帽子上切割后的面積


image

要點(diǎn):Gaussian Copula的限制

  • 在危機(jī)中相關(guān)性會(huì)增加
  • 交易員會(huì)增加極端tranche的相關(guān)性
  • equity tranche中最低40%和最高20%的損失确虱,不能用這個(gè)模型
  • copula model是靜態(tài)的

例題分析:


image

答案B含友,由于只有兩個(gè)資產(chǎn),所以只有一個(gè)相關(guān)系數(shù),而不是相關(guān)性矩陣

3.總結(jié)如何使用Gaussian Copula去發(fā)現(xiàn)一個(gè)資產(chǎn)的違約時(shí)間

從一個(gè)N變量的正太分布樣本中獲得隨機(jī)樣本窘问,然后使用Gaussian Copula去根據(jù)這個(gè)隨機(jī)樣本來估計(jì)違約時(shí)間辆童,計(jì)算需要用excel等工具,比較復(fù)雜惠赫。

例題分析:


image

答案D把鉴,用來生成隨機(jī)樣本和估計(jì)違約時(shí)間的等式是D

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市儿咱,隨后出現(xiàn)的幾起案子庭砍,更是在濱河造成了極大的恐慌,老刑警劉巖混埠,帶你破解...
    沈念sama閱讀 219,539評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件怠缸,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡岔冀,警方通過查閱死者的電腦和手機(jī)凯旭,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,594評(píng)論 3 396
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來使套,“玉大人罐呼,你說我怎么就攤上這事≌旄撸” “怎么了嫉柴?”我有些...
    開封第一講書人閱讀 165,871評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)奉呛。 經(jīng)常有香客問我计螺,道長(zhǎng),這世上最難降的妖魔是什么瞧壮? 我笑而不...
    開封第一講書人閱讀 58,963評(píng)論 1 295
  • 正文 為了忘掉前任登馒,我火速辦了婚禮,結(jié)果婚禮上咆槽,老公的妹妹穿的比我還像新娘陈轿。我一直安慰自己,他們只是感情好秦忿,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,984評(píng)論 6 393
  • 文/花漫 我一把揭開白布麦射。 她就那樣靜靜地躺著拣播,像睡著了一般居触。 火紅的嫁衣襯著肌膚如雪脏榆。 梳的紋絲不亂的頭發(fā)上赚楚,一...
    開封第一講書人閱讀 51,763評(píng)論 1 307
  • 那天,我揣著相機(jī)與錄音柑司,去河邊找鬼糟袁。 笑死乱豆,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的杀饵。 我是一名探鬼主播莽囤,決...
    沈念sama閱讀 40,468評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼谬擦,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼切距!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起惨远,我...
    開封第一講書人閱讀 39,357評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤谜悟,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后北秽,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體葡幸,經(jīng)...
    沈念sama閱讀 45,850評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,002評(píng)論 3 338
  • 正文 我和宋清朗相戀三年贺氓,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了蔚叨。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,144評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡辙培,死狀恐怖蔑水,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情扬蕊,我是刑警寧澤搀别,帶...
    沈念sama閱讀 35,823評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站尾抑,受9級(jí)特大地震影響歇父,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜再愈,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,483評(píng)論 3 331
  • 文/蒙蒙 一榜苫、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧翎冲,春花似錦垂睬、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,026評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至檐春,卻和暖如春逻淌,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背疟暖。 一陣腳步聲響...
    開封第一講書人閱讀 33,150評(píng)論 1 272
  • 我被黑心中介騙來泰國(guó)打工卡儒, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留田柔,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,415評(píng)論 3 373
  • 正文 我出身青樓骨望,卻偏偏與公主長(zhǎng)得像硬爆,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子擎鸠,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,092評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容