HEC MONTRÉAL
HEC MONTRÉAL
HEC MONTRÉAL
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
La probabilité de défaut conditionnelle au facteur commun V est donnée selon<br />
p i|V<br />
t<br />
= 1 − q i|V<br />
t<br />
= t[ Ki(t) − ρiV ( νV −2<br />
<br />
2 1 − ρi ( νV −2<br />
i ) 1/2<br />
νV i<br />
νV )1/2<br />
42<br />
], (3.68)<br />
où t est une fonction de répartition Student-t et Ki(t) le seuil de défaut. Ce seuil de<br />
défaut est donné selon<br />
Ki(t) = H −1 (F cds<br />
i (t)), (3.69)<br />
où H est la fonction de distribution de Xi et F cds<br />
i (t) la fonction de survie individuelle<br />
obtenue à partir des prix observés sur le marché des CDS.<br />
Cette copule double-t, tout comme pour la copule Student-t, présente une<br />
dépendance symétrique dans les queues de sa distribution. Le vecteur (X1, ...Xn) ne<br />
suit toutefois pas une distribution de type Student-t puisque chaque v.a. Xi résultant<br />
de la somme de deux v.a. indépendantes Student-t n’est pas de type Student-t. La<br />
v.a. Student-t n’est en effet pas stable sous l’opération de somme ; cette propriété<br />
de stabilité se démontre directement (par convolution) ou indirectement (au moyen<br />
des fonctions caractéristiques). De plus, le calcul de la fonction de répartition de<br />
H est numériquement exigeant, ce qui limite son utilisation dans le cadre de simu-<br />
lations Monte-Carlo. La valeur de seuil Ki(t), connaissant la probabilité de défaut<br />
individuelle p i t = F cds<br />
i (t), peut être déterminée implicitement selon :<br />
p i t =<br />
∞<br />
−∞<br />
où f(v) est la fonction de densité du facteur commun V .<br />
Modèle à un facteur Normal Inverse Gaussian (NIG)<br />
p i|v<br />
t f(v)dv, (3.70)<br />
Le modèle à un facteur NIG a été introduit par Kelamenova-Schmid-Werner [30]<br />
comme alternative aux limites imposées par le modèle à un facteur double-t en termes<br />
de rapidité des calculs. Ainsi, la distribution NIG (Normal Inverse Gaussian), un<br />
cas particulier des distributions hyperboliques généralisées (Barndorff-Nielsen [3]),<br />
permet de tirer avantage des qualités de la distribution Student-t (queue épaisse)