[论文解读] A Random Matrix Approach on Credit Risk

Thomas Guhr|arXiv (Cornell University)|Feb 18, 2011

Credit Risk and Financial Regulations参考文献 7被引用 2

一句话总结

该论文将随机矩阵理论（RMT）应用于默顿的结构信用风险模型，表明即使平均相关系数为零，非零相关性也会严重削弱分散化收益，通过扭曲损失分布的尾部实现。该研究推导出在随机波动相关性下的损失分布估计下限，揭示了相关性聚集会破坏投资组合风险的分散化。

ABSTRACT

We consider a structural model for the estimation of credit risk based on Merton's original model. By using Random Matrix Theory we demonstrate analytically that the presence of correlations severely limits the eect of diversication in a credit portfolio if the correlations are not identically zero. The existence of correlations alters the tails of the loss distribution tremendously, even if their average is zero. Under the assumption of randomly uctuating correlations, a lower bound for the estimation of the loss distribution is provided.

研究动机与目标

• 通过结构模型分析相关性对信用投资组合分散化的影响。
• 研究非同质、随机波动的相关性对损失分布尾部的影响。
• 在随机相关性结构下，推导损失分布估计的理论下限。
• 量化当存在相关性但并非完全均匀为零时，分散化的局限性。

提出的方法

• 将默顿的结构信用风险模型改编，以纳入随机相关性矩阵。
• 应用随机矩阵理论（RMT）分析信用投资组合中相关性矩阵的特征值分布。
• 利用RMT分析在非独立同分布相关性结构下损失分布的统计行为。
• 通过将相关性建模为随机波动，推导损失分布的理论下限。
• 分析在不同相关性情景下损失分布的尾部分布行为。

实验结果

研究问题

• RQ1 非零、非同质的相关性如何影响信用投资组合的分散化潜力？
• RQ2 即使平均值为零，相关性在多大程度上会改变损失分布的尾部？
• RQ3 在随机波动相关性下，损失分布估计的理论下限是什么？
• RQ4 随机矩阵理论如何有助于表征相关性聚集对信用风险的影响？

主要发现

• 即使平均值为零，相关性也会显著改变损失分布的尾部，从而削弱分散化收益。
• 非零相关性的存在导致尾部风险显著上升，而这一现象无法被独立损失模型捕捉。
• 随机矩阵理论揭示，即使不存在强烈的单个相关性，相关性聚集仍会在损失分布中引发非平凡的扭曲。
• 在假设相关性随机波动的前提下，推导出损失分布的理论下限，为风险提供保守估计。