[论文解读] Default Clustering in Large Portfolios: Typical and Atypical Events

Kay Giesecke, Konstantinos Spiliopoulos+1 more|arXiv (Cornell University)|Apr 10, 2011

Credit Risk and Financial Regulations被引用 3

一句话总结

本文提出了一种用于大规模投资组合中相关违约时间的动态点过程模型，其中违约强度取决于特有风险、系统性风险以及过去违约事件。该研究建立了违约率的大数定律，刻画了大规模投资组合中典型的违约行为。

ABSTRACT

We develop a dynamic point process model of correlated default timing in a portfolio of firms, and analyze default profiles in the limit as the size of the pool grows. In our model, a firm defaults at a stochastic intensity that is influenced by an idiosyncratic risk process, a systematic risk process common to all firms, and past defaults. We prove a law of large numbers for the default rate in the pool, which describes the typical behavior of defaults.

研究动机与目标

• 使用受共同风险与公司特定风险影响的随机强度来对大规模投资组合中的相关违约时间进行建模。
• 理解当投资组合规模趋于无穷大时，违约率的典型行为。
• 通过极限定理区分典型违约模式与罕见的非典型违约事件。
• 在大规模环境下形式化过去违约事件对当前违约强度的影响。

提出的方法

• 将每家公司的违约建模为点过程，其强度由特有风险过程、共同的系统性风险因子以及累计过去违约事件共同驱动。
• 采用均场近似方法，在投资组合规模趋于无穷大时描述整体违约率。
• 应用点过程的大数定律，推导出违约率的确定性极限。
• 将过去违约事件的反馈机制纳入强度过程，捕捉违约集聚效应。
• 将极限违约率表征为由系统性风险和违约反馈驱动的随机微分方程的解。

实验结果

研究问题

• RQ1 在相关违约时间设定下，大规模投资组合中典型的违约率行为是什么？
• RQ2 在大规模池中，过去违约事件如何影响当前的违约强度？
• RQ3 系统性风险在塑造整体违约动态中起到什么作用？
• RQ4 特有风险如何导致对典型违约模式的偏离？
• RQ5 在大规模投资组合中，典型违约集聚与罕见的非典型违约事件有何区别？

主要发现

• 随着投资组合规模增大，违约率以概率几乎必然收敛到一个确定性极限，该极限描述了典型的违约行为。
• 极限违约率由一个包含系统性风险和过去违约反馈的随机微分方程所支配。
• 过去违约事件显著放大当前违约强度，从而在典型路径上产生违约集聚效应。
• 该模型通过极限违约率的稳定性，区分了典型违约模式与罕见的非典型事件。
• 在强度过程满足较弱正则性条件时，违约过程的大数定律依然成立。