matlab使用Copula仿真优化市场风险数据VaR分析

简介: matlab使用Copula仿真优化市场风险数据VaR分析

使用Copula建模相关默认值

 

此示例探讨了如何使用多因素copula模型模拟相关的交易对手违约。

鉴于违约风险敞口,违约概率和违约信息损失,估计交易对手组合的潜在损失。一个creditDefaultCopula对象用于每个债务人的信用与潜在变量模型。潜在变量由一系列加权潜在信用因子以及每个债务人的特殊信用因子组成。潜在变量根据其默认概率映射到每个方案的债务人的默认或非默认状态。该creditDefaultCopula对象支持投资组合风险度量,交易对手级别的风险贡献以及模拟收敛信息。

这个例子还探讨了风险度量对用于模拟的copula(高斯copula与t copula)类型的敏感性。


加载和检查投资组合数据

投资组合包含100个交易对手及其相关的信用风险敞口(默认值EAD),违约概率(PD)和默认损失(LGD)。使用creditDefaultCopula对象,您可以模拟某个固定时间段(例如,一年)的默认值和损失。的EAD,PD和LGD输入必须是针对特定的时间范围。

在此示例中,每个交易对手都使用一组权重映射到两个基础信用因子。该Weights2F变量是一个NumCounterparties-by-3矩阵,其中每一行包含一个单一的对方的权重。前两列是两个信用因子的权重,最后一列是每个交易对手的特殊权重。此示例(FactorCorr2F)中还提供了两个基本因子的相关矩阵。


加载CreditPortfolioData.mat

使用creditDefaultCopula投资组合信息和因子相关性初始化对象。



rng('default');
cc = creditDefaultCopula(EAD,PD,LGD,Weights2F,'FactorCorrelation',FactorCorr2F);


cc.VaRLevel = 0.99;
DISP(CC)
creditDefaultCopula with properties:


FactorCorrelation:[2x2 double]
VaRLevel:0.9900
PortfolioLosses:[]
cc.Portfolio(1:5,:)
ans =
5x5表
ID EAD PD LGD重量
__ ______ _________ ____ ____________________
1 21.627 0.0050092 0.35 0.35 0 0.65
2 3.2595 0.060185 0.35 0 0.45 0.55
3 20.391 0.11015 0.55 0.15 0 0.85
4 3.7534 0.0020125 0.35 0.25 0 0.75
5 5.7193 0.060185 0.35 0.35 0 0.65
 

模拟模型和绘制潜在损失

使用该simulate函数模拟多因素模型。默认情况下,使用高斯copula。此函数在内部将已实现的潜在变量映射到默认状态,并计算相应的损失。在模拟之后,creditDefaultCopula对象使用模拟结果填充PortfolioLosses和CounterpartyLosses属性。



cc = simulate(cc,1e5);
DISP(CC)
creditDefaultCopula with properties:


FactorCorrelation:[2x2 double]
VaRLevel:0.9900
PortfolioLosses:[1x100000双]

该portfolioRisk函数返回总投资组合损失分布的风险度量,并且可选地返回它们各自的置信区间。VaRLevel在creditDefaultCopula对象的属性中设置的级别报告风险值(VaR)和条件风险值(CVaR)。



[pr,pr_ci] = portfolioRisk(cc);


DISP(PR)


DISP(pr_ci)

投资组合风险衡量
EL Std VaR CVaR
______ ______ ______ ______
24.774 23.693 101.57 120.22

风险衡量的置信区间:
EL Std VaR CVaR
________________ ________________ ________________ _______________
24.627 24.92 23.589 23.797 100.65 102.82 119.1 121.35

看看投资组合损失的分布。预期损耗(EL),VaR和CVaR标记为垂直线。由VaR和EL之间的差异给出的经济资本显示为EL和VaR之间的阴影区域。



plotline = @(x,color)plot([xx],ylim,'LineWidth',2,'Color',color);


cvarline = plotline(pr.CVaR,'m');
%遮蔽预期损失和经济资本的领域。
plotband = @(x,color)patch([x fliplr(x)],[0 0 repmat(max(ylim),1,2)],...
color,'FaceAlpha',0.15);
elband = plotband([0 pr.EL],'blue');
ulband = plotband([pr.EL pr.VaR],'red');


找出交易对手的集中风险

使用该riskContribution函数查找投资组合中的集中度风险。riskContribution返回每个交易对手对投资组合EL和CVaR的贡献。这些附加值贡献与相应的总投资组合风险度量相加。



rc = riskContribution(cc);
报告EL和CVaR的风险贡献百分比。

RC(1:5,:)
ans =


ID EL Std VaR CVaR
__ _________ __________ _______ _________
1 0.038604 0.02495 0.10482 0.12868
2 0.067068 0.036472 0.17378 0.24527
3 1.2527 0.62684 2.0384 2.3103
4 0.0023253 0.00073407 0 0.0026274
5 0.11766 0.042185 0.27028 0.26223
 

通过CVaR贡献找出风险最大的交易对手。




[rc_sorted,idx] = sortrows(rc,'CVaR','descend');
rc_sorted(1:5,:)
ans =


ID EL Std VaR CVaR
__ _______ ______ ______ ______
89 2.261 2.2158 8.1095 9.2257
22 1.5672 1.8293 6.275 7.4602
66 0.85227 1.4063 6.3827 7.2691
16 1.6236 1.5011 5.8949 7.1083

绘制交易对手风险和CVaR贡献。具有最高CVaR贡献的交易对手以红色和橙色绘制。




pointSize = 50;
colorVector = rc_sorted.CVaR;
scatter(cc.Portfolio(idx,:)。EAD,rc_sorted.CVaR,...
pointSize,colorVector,'filled')
colormap('jet')

用置信带研究模拟收敛性

使用该confidenceBands函数来研究模拟的收敛性。默认情况下,会报告CVaR置信区间,但使用可选RiskMeasure参数支持所有风险度量的置信区间。



cb = confidenceBands(cc);
%置信带存储在表格中。
CB(1:5,:)
ans =


NumScenarios降低CVaR上限
____________ ______ ______ ______
1000 113.92 124.76 135.59
2000 111.02 117.74 124.45
3000 113.58 118.97 124.36
4000 113.06 117.44 121.81
5000 114.38 118.99 123.6

绘制置信区间以查看估算收敛的速度。

找到必要数量的方案以获得特定宽度的置信区间。



width =(cb.Upper - cb.Lower)./ cb.CVaR;


plot(cb.NumScenarios,width * 100,'LineWidth',2);


%找到置信带在
%CVaR的1%(双侧)范围内的点。
thresh = 0.02;
scenIdx = find(width <= thresh,1,'first');
scenValue = cb.NumScenarios(scenIdx);
widthValue = width(scenIdx);
 


比较Gaussian和t Copulas的尾部风险

切换到t copula会增加交易对手之间的默认关联。这导致投资组合损失的尾部分布更加严重,并且在压力情景中导致更高的潜在损失。

cc_t = simulate(cc,1e5,'Copula','t');
pr_t = portfolioRisk(cc_t);
了解投资组合风险如何随着t copula而变化。
高斯copula的投资组合风险:
EL Std VaR CVaR
______ ______ ______ ______
24.774 23.693 101.57 120.22
t copula的投资组合风险(dof = 5):
EL Std VaR CVaR
______ ______ ______ ______
24.924 38.982 186.33 251.38
 

比较每种型号的尾部损失。

使用具有五个自由度的t copula,尾部风险测量值VaR和CVaR显着更高。t copulas 的默认相关性较高,因此有多个交易对手默认的情况更多。自由度的数量起着重要作用。对于非常高的自由度,使用t copula的结果与使用高斯copula的结果相似。五是自由度非常低,因此结果显示出显着的差异。此外,这些结果强调极端损失的可能性对于copula的选择和自由度的数量非常敏感。

相关文章
|
28天前
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
28天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
138 68
|
30天前
|
算法 JavaScript
基于遗传优化的Sugeno型模糊控制器设计matlab仿真
本课题基于遗传优化的Sugeno型模糊控制器设计,利用MATLAB2022a进行仿真。通过遗传算法优化模糊控制器的隶属函数参数,提升控制效果。系统原理结合了模糊逻辑与进化计算,旨在增强系统的稳定性、响应速度和鲁棒性。核心程序实现了遗传算法的选择、交叉、变异等步骤,优化Sugeno型模糊系统的参数,适用于工业控制领域。
|
30天前
|
算法 决策智能
基于遗传优化的货柜货物摆放优化问题求解matlab仿真
本项目采用MATLAB2022A实现基于遗传算法的货柜货物摆放优化,初始随机放置货物后通过适应度选择、交叉、变异及逆转操作迭代求解,最终输出优化后的货物分布图与目标函数变化曲线,展示进化过程中的最优解和平均解的变化趋势。该方法模仿生物进化,适用于复杂空间利用问题,有效提高货柜装载效率。
|
28天前
|
机器学习/深度学习 监控 算法
基于yolov4深度学习网络的排队人数统计系统matlab仿真,带GUI界面
本项目基于YOLOv4深度学习网络,利用MATLAB 2022a实现排队人数统计的算法仿真。通过先进的计算机视觉技术,系统能自动、准确地检测和统计监控画面中的人数,适用于银行、车站等场景,优化资源分配和服务管理。核心程序包含多个回调函数,用于处理用户输入及界面交互,确保系统的高效运行。仿真结果无水印,操作步骤详见配套视频。
51 18
|
6月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
272 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
6月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
161 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
6月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
136 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
9月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)

热门文章

最新文章