CreditMetrics
CreditMetrics
CreditMetrics
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Vergleich der Portfoliomodelle I<br />
Seminar Portfoliokreditrisiko<br />
Manuel Molitor
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
1. CreditRisk +<br />
– Zusammenfassung<br />
– WEF<br />
– Kritik<br />
2. <strong>CreditMetrics</strong><br />
3. CreditRisk + vs <strong>CreditMetrics</strong><br />
4. <strong>CreditMetrics</strong> in CreditRisk +<br />
5. CreditRisk + in <strong>CreditMetrics</strong><br />
6. Zusammenfassung<br />
Agenda<br />
2
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Eigenschaften<br />
• Nur auf Ausfall-Ereignisse fokussiert<br />
• Ausfälle sind Poisson-Verteilt<br />
• Risikofaktoren Gamma-Verteilt<br />
• Ausfallrisiko nicht an der Kapitalstruktur gebunden<br />
• Annahme:<br />
– Ausfallwahrscheinlichkeit in einer Periode gleich hoch<br />
für die selbe Periodendauer in der Zukunft<br />
– Die Anzahl der Ausfälle in einer bestimmten Periode sind<br />
unabhängig zu einer anderen Periode<br />
3
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Eigenschaften<br />
• Die bedingte Wahrscheinlichkeit p i (x) eines Ausfall<br />
des Schuldners i<br />
– Einer Funktion von der jeweiligen Ratingklasse des<br />
Schuldners i<br />
– Die Realisation der Risikofaktoren x<br />
– Der Vektor der Faktorladungen<br />
p ( x) = p<br />
K<br />
( ∑<br />
x w )<br />
i ς(<br />
i)<br />
k ik<br />
k = 1<br />
• Intuition: Die Risikofaktoren x dienen die<br />
unbedingte Wahrscheinlichkeit zu<br />
erhöhen/reduzieren<br />
4
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Wahrscheinlichkeitserzeugende<br />
Funktion (WEF)<br />
• Ausfälle werden durch die WEF berechnet<br />
• WEF dient zum Herleiten von Einzelwahrscheinlichkeiten<br />
und der Verteilungsfunktion<br />
• Annahmen bei einer WEF F k (z):<br />
– Wenn K 1 und K 2 unabhängige ZV sind, dann ist die WEF<br />
von den Summen K 1 +K 2 gleich dem Produkt zweier WEF<br />
– Wenn F k (z|x) mit einer Verteilungsfunktion H(x) für x<br />
F ( z) = ∫<br />
F ( z | x) dH ( x)<br />
K K<br />
x<br />
5
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
• Exposure konstant<br />
Kritik zu CreditRisk +<br />
• Keine Migrationsrisiken<br />
• Verliert an Genauigkeit durch Exposure Bänder<br />
• Poisson: E[x]=Var[x]<br />
nicht empirisch nachgewiesen<br />
• Nur für geringe Ausfallwahrscheinlichkeiten<br />
6
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
1. CreditRisk +<br />
2. <strong>CreditMetrics</strong><br />
– Eigenschaften<br />
– CM2S<br />
– Kritik<br />
– Rating Agencies<br />
3. CreditRisk + vs <strong>CreditMetrics</strong><br />
4. <strong>CreditMetrics</strong> in CreditRisk +<br />
5. CreditRisk + in <strong>CreditMetrics</strong><br />
6. Zusammenfassung<br />
Agenda<br />
7
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Eigenschaften<br />
• Misst Korrelation in Kreditqualität für alle Gruppen<br />
von Schuldnern<br />
– Nicht direkt möglich<br />
– Basiert auf gemeinsame Wahrscheinlichkeit von asset<br />
returns<br />
• Nur equity returns (Vereinfachung der Kapitalstruktur)<br />
• Kernstück: Latente ZV<br />
• Monte Carlo Simulation<br />
• recovery rate flexibel<br />
8
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
• Kredit-Homogenität:<br />
Annahmen<br />
– Alle Schuldner Kredithomogen in der gleichen<br />
Ratingklasse<br />
• Gleiche Migrationswahrscheinlichkeiten<br />
• Gleiche Ausfallwahrscheinlichkeiten<br />
• Equity Preis als Proxy<br />
• Unterliegt der Normalverteilung<br />
9
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Eigenschaften<br />
• Misst Ausfälle + Auf- und Abstufung zwischen den<br />
Ratingklassen<br />
• Modellierung durch eine unbeobachtbare latente<br />
ZV y i , die verbunden mit Schuldner i ist<br />
• w i : relative Sensitivität des Schuldners i zu den<br />
Risikofaktoren<br />
η<br />
yi = xwi + ηiεi • : relative Wichtigkeit des idiosynkratischen Risikos für<br />
i<br />
den Schuldner<br />
10
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Eigenschaften<br />
• Schuldner Ausfall, wenn:<br />
xw + η ε < Cζ i i i ( i)<br />
• Die Cζ Werte so gesetzt, dass die unbedingte<br />
Ausfallwahrscheinlichkeit für gerateten ζ<br />
Schuldner entspricht<br />
p ζ<br />
p ζ<br />
wie bei CreditRisk + definiert<br />
11
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
CM2S<br />
• Restriktive Version von <strong>CreditMetrics</strong><br />
• Nur zwei Zustände<br />
– Ausfall<br />
– Nicht-Ausfall<br />
• Verlust bei Ausfall ist fixiert<br />
– Also keine speziellen Risiken in der Rückzahlung<br />
12
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Kritik zu <strong>CreditMetrics</strong><br />
• Übergangswahrscheinlichkeiten basieren auf<br />
durchschnittliche historischen Frequenzen von<br />
Ausfällen und Kreditmigrationen<br />
• Alle Firmen der gleichen Ratingklasse<br />
gleiches Ausfallrisiko<br />
• Aktuelle Ausfallraten sind gleich der historischen<br />
Ausfallraten<br />
• Kreditratingänderung = Kreditqualitätsänderung<br />
• Kreditrating ≜<br />
Ausfallraten<br />
13
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
• Ordinale Ranking<br />
Rating Agenturen<br />
• Nur langsame Veränderung wg historischen<br />
Frequenzen<br />
überschätzt die wahre W. für das bleiben in der gleichen<br />
Ratingklasse<br />
• Durchschnittliche historische PD überschätzt die<br />
PD für typischen Firmen in einer Ratingklasse<br />
• Wenn die W. in der gleichen Klasse zu bleiben und<br />
die PD zu groß sind<br />
Übergangswahrscheinlichkeiten zu klein<br />
14
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
1. CreditRisk +<br />
2. <strong>CreditMetrics</strong><br />
3. CreditRisk + vs <strong>CreditMetrics</strong><br />
– Vergleich<br />
– Vor- und Nachteile<br />
4. <strong>CreditMetrics</strong> in CreditRisk +<br />
5. CreditRisk + in <strong>CreditMetrics</strong><br />
6. Zusammenfassung<br />
Agenda<br />
15
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Vergleich<br />
Gemeinsamkeiten:<br />
– Deterministische Zinsraten<br />
– Deterministische Exposures<br />
– Keine Marktrisiken<br />
– Keine nicht-lineare Produkte<br />
16
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
•Flexibilität<br />
Vorteile<br />
•Multi-State Modell mit Migrationsmatrizen<br />
•spezielle Risiken bei recovery rate<br />
<strong>CreditMetrics</strong><br />
•Rechnerintensiv<br />
•Kredit-Homogenität<br />
•Historische Daten<br />
Nachteile<br />
17
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Vorteile<br />
•Sehr Computerfreundlich<br />
•Output übersichtlich<br />
•Analytisches Modell<br />
CreditRisk +<br />
•Exposure konstant<br />
Nachteile<br />
•Exposure Bänder->Genauigkeit<br />
•Keine Migrationsrisiken<br />
•Poisson->E[x]=Var[x]<br />
->keine empirsiche Evidenz<br />
•Keine Analyse von Daten<br />
•p A nicht sinnvoll geschätzt<br />
18
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
•Asset-basiertes Modell<br />
•Lineares Modell<br />
•Monte Carlo Simulation<br />
•Normalverteilung<br />
•Kreditmigrationen<br />
•Spezielle Risiken bei recovery rate<br />
•Unbeobachtbare latente ZV<br />
•Monte Carlo Simulation<br />
Vergleich beider Modelle<br />
<strong>CreditMetrics</strong><br />
•Ausfallbasierendes Modell<br />
•Mischmodell<br />
•Rein mathematischer Struktur<br />
• Poisson-Verteilt<br />
•Faktorladungen/Gewichtung<br />
Gammaverteilt<br />
•Keine Migrationsberücksichtigung<br />
•Fixe recovery rate<br />
•Hilfsvariablen<br />
CreditRisk +<br />
19
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
1. CreditRisk +<br />
2. <strong>CreditMetrics</strong><br />
3. CreditRisk + vs <strong>CreditMetrics</strong><br />
Agenda<br />
4. <strong>CreditMetrics</strong> in CreditRisk +<br />
– Implementieren von <strong>CreditMetrics</strong> in CreditRisk +<br />
– Exkurs: Taylor Entwicklung<br />
5. CreditRisk + in <strong>CreditMetrics</strong><br />
6. Zusammenfassung<br />
20
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Implementieren von CM in CR +<br />
• Ziel: Credit Risk + – implizite bedingte PD-fkt. p i (x)<br />
ℑ ( z x) = exp(log(1 + p ( x)( z −1))) ≈ exp( p ( x)( z −1))<br />
i i i<br />
• <strong>CreditMetrics</strong>:<br />
• Schuldner fällt aus, wenn<br />
xw + η ε < Cζ i i i ( i)<br />
yi = xwi + ηiεi • εi<br />
ist standardnormal verteilt<br />
p ( x) = Φ(( C − xw ) / η )<br />
i ζ ( i) i i<br />
21
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Implementieren von CM in CR +<br />
• Annahme: Ausfall-Ereignisse unabhängig zw.<br />
Schuldern<br />
• Bedingte WEF für Ausfälle<br />
ℑ ( z x) = π ℑ ( z x) ≈ π exp( p ( x)( z − 1)) = exp( μ(<br />
x)( z −1))<br />
i i<br />
i i<br />
– Auch hier die Poisson-Approximation möglich<br />
• Durch Integration nach x:<br />
∞<br />
ℑ ( z) = ∫<br />
ℑ( z x) ΦΩ<br />
( x) dx<br />
−∞<br />
• Alle Risikofaktoren werden durch die Dichte<br />
berücksichtigt<br />
22
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Exkurs: Taylor Entwicklung<br />
• Taylor Entwicklung von f(x):<br />
1<br />
f x f x x x<br />
∞<br />
( n) n<br />
( ) = ∑<br />
( 0)( − 0)<br />
n=<br />
0 n!<br />
– Allein mit Hilfe der Funktions- und Ableitungswerte an<br />
ein und derselben Stelle x 0<br />
f(x) mit jeder gewünschten Genauigkeit berechnen<br />
23
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Implementieren von CM in CR +<br />
• Koeffizient vor z n ist: unbedingte<br />
Wahrscheinlichkeit für genau n Ausfälle im PF<br />
n n<br />
μ(<br />
x) z<br />
ℑ ( z) = ∫ ∑exp(<br />
−μ( x)) ΦΩ<br />
( x) dx<br />
n!<br />
– Wobei<br />
∞ ∞<br />
−∞ n=<br />
0<br />
∞ ∞<br />
1 ⎛ ⎞<br />
ℑ ( z) = ∑ ⎜ exp( −μ( x)) μ(<br />
x) ΦΩ<br />
( x) dx⎟ z<br />
n=<br />
0 n!<br />
∫<br />
⎝ −∞<br />
⎠<br />
μ( x) ≡ ∑ pi ( x)<br />
• Übliche CreditRisk + WEF:<br />
n n<br />
( ) ( ) n<br />
∞<br />
ℑ z = ∑<br />
p ndefaults z<br />
n=<br />
0<br />
24
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
1. CreditRisk +<br />
2. <strong>CreditMetrics</strong><br />
3. CreditRisk + vs <strong>CreditMetrics</strong><br />
4. <strong>CreditMetrics</strong> in CreditRisk +<br />
Agenda<br />
5. CreditRisk + in <strong>CreditMetrics</strong><br />
– Implementieren von CreditRisk + in <strong>CreditMetrics</strong><br />
– Kleine Formunterschiede<br />
6. Zusammenfassung<br />
25
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Implementieren von CR + in CM<br />
• Hier CM2S für Vereinfachung<br />
• Bestimmen die latente Variable für Schuldner i<br />
K<br />
⎛<br />
i = ⎜<br />
k = 1<br />
k<br />
−1<br />
⎞<br />
ik ⎟ i<br />
y ∑ x w ε<br />
⎝ ⎠<br />
• x k und w ik wie in CreditRisk +<br />
gamma verteilt<br />
• Die idiokratischen Risikofaktoren εi<br />
sind i.i.d.,<br />
exponentiell mit 1 verteilt<br />
26
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Implementieren von CR + in CM<br />
• Schuldner fällt aus, wenn<br />
• Da Exponentialfunktion<br />
• Mit<br />
K ⎛ ⎞<br />
Pr( yi < pζ ( i) x) = Pr ⎜ε i < pζ ( i)<br />
∑ xkwik x⎟<br />
⎝ k = 1 ⎠<br />
X ∼ Exp(<br />
λ)<br />
x<br />
P( X x) 1 e λ −<br />
≤ = −<br />
λ =<br />
1<br />
K ⎛ ⎞<br />
Pr( yi < pζ ( i) x) = 1− exp⎜<br />
− pζ ( i)<br />
∑ xkwik ⎟<br />
⎝ k = 1 ⎠<br />
27
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Implementieren von CR + in CM<br />
K<br />
⎛ ⎞<br />
Pr( yi < pζ ( i) x) = 1− exp⎜<br />
− pζ ( i)<br />
∑ xkwik ⎟<br />
⎝ k = 1 ⎠<br />
• Selbe Approximation:<br />
≈<br />
K<br />
∑ ζ ( i)<br />
k = 1<br />
k ik = i<br />
p x w p ( x)<br />
• Unbedingte Ausfallwahrscheinlichkeit ist p wie<br />
benötigt<br />
−1<br />
K<br />
⎛ ⎞<br />
pζ ( i)<br />
= ⎜ x w ⎟ p ( x)<br />
∑<br />
k ik i<br />
⎝ k = 1 ⎠<br />
log(1 + x) ≈ x<br />
1+<br />
x ≈<br />
e<br />
x<br />
28
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Kleine Formunterschiede<br />
• Übliche CM Modell: latente variable ist lineare<br />
Summe von normalen ZV<br />
• Hier: multiplikative Form<br />
– > gleiche Idee<br />
• CM: Schwellenwerte: Funktion von<br />
• Hier:<br />
p ζ<br />
– >Prozess identisch<br />
p ζ<br />
29
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
1. CreditRisk +<br />
2. <strong>CreditMetrics</strong><br />
3. CreditRisk + vs <strong>CreditMetrics</strong><br />
4. <strong>CreditMetrics</strong> in CreditRisk +<br />
5. CreditRisk + in <strong>CreditMetrics</strong><br />
Agenda<br />
6. Zusammenfassung<br />
– Unterschiede<br />
– Verteilungsannahmen und Funktionsformen<br />
– Abschluß<br />
30
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Unterschiede zwischen den Modellen<br />
•Verteilungsannahmen<br />
•Funktionsformen<br />
Wesentliche<br />
Unwesentliche<br />
• Lösungstechniken<br />
• mathematische Sprache<br />
• Methoden der Kalibriation<br />
31
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
• Beide Modelle:<br />
Verteilungsannahmen und<br />
Funktionsformen<br />
– Wahl der Verteilung des systematischen Risikofaktors x<br />
– Funktionsform der bedingten PD p i (x)<br />
die Form der gemeinsamen Verteilung über<br />
Schuldnerausfälle im Portfolio<br />
• CM : NV und<br />
p ( x) = Φ(( C −<br />
xw ) / η )<br />
i ζ ( i) i i<br />
beeinflussen die Ergebnisse stark<br />
• CR: Gammaverteilung und bedingte WEF<br />
– kleine Abweichung von der Gamma Spezifikaten<br />
signifikanten Unterschied in der tail percentile Werten<br />
32
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
CreditRisk CM Version<br />
• Möglich: Monte Carlo Version von CreditRisk<br />
– Vermeidet Poissonverteilung<br />
– Vermeidet Verlust exposures Approximation<br />
– Ermöglicht Rückzahlungsrisiken<br />
Verliert Computerfreundlichkeit<br />
• Orthogonalität in CR auch möglich<br />
– Mehr Vorsicht bei Identifizierung und Kalibrierung der<br />
Sektorrisiken<br />
33
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
• CreditRisk + :<br />
Zusammenfassung<br />
– Ausfall-basierend; Analytisch<br />
• <strong>CreditMetrics</strong>:<br />
– Asset-basierend; Monte-Carlo Simulation<br />
• Keine gravierende mathematische Unterschiede<br />
• Deutliche Unterschiede durch Funktionsformen<br />
und Verteilungsannahmen<br />
34
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Literatur<br />
• Gordy, M.B. (2000): A comparative anatomy of credit risk<br />
models, Journal of Banking and Finance, 24, 119--149<br />
• Crouhy, M., Galai, D., Mark, R. (2000): Comparative<br />
analysis of current credit risk models, Journal of Banking and<br />
Finance, 24, 59--117<br />
• Credit Suisse First Boston (CSFB) (1997): CreditRisk+: A<br />
credit risk management framework, Technical report, Credit<br />
Suisse First Boston.<br />
35
CreditRisk +<br />
<strong>CreditMetrics</strong><br />
CR vs CM<br />
CM in CR<br />
CR in CM<br />
Zusammenfassung<br />
Vielen Dank für eure Aufmerksamkeit!<br />
36