通过潜在系统因素依赖的Markov链蒙特卡洛估计违约和回收
摘要：在经济衰退中，默认数量增加时，恢复率往往下降是一个众所周知的事实。我们展示了如何使用贝叶斯推理方法和马尔可夫链蒙特卡洛方法估计默认损失模型，在默认和恢复之间通过潜在的系统风险因素联系。这种方法对于所有模型参数和潜在系统因素的联合估计非常方便。此外，所有相关的不确定性都可以轻松地量化。通常可用的数据是默认和恢复的年度平均值，因此数据集较小，参数不确定性显著。在这种情况下，贝叶斯方法优于最大似然方法，后者依赖于参数不确定性的大样本极限高斯逼近。作为一个例子，我们考虑了一个具有一个潜在因素的均匀组合。然而，该方法可以很容易地扩展到处理非均匀组合和多个潜在因素。
作者：Xiaolin Luo and Pavel V. Shevchenko
论文ID：1011.2827
分类：Risk Management
分类简称：q-fin.RM
提交时间：2014-11-03