换句话说,对于不相关的投资组合,参数α可以解释为违约概率的(简单函数)。这个结果的证明在附录B中给出。由于二项式分布对应于独立的默认值,它具有直观的意义。当没有任何关于经验相关性的信息时,最大熵原理会选择它。5.2. 在前面的小节中,我们看到了{αi:=α|i=1,2,…,N}和{βij=0的丛林模型,(i,j)∈ φ} ,成为二项分布。然后,信用工具违约的概率变成(α的简单函数)。我们可能会问自己,将βij(一个小的β仅对一对节点,比如12,对于任何其他对节点ij不同于12)的最小数量添加到对应于二项分布(仅与α)的丛林模型中,会对投资组合产生什么影响,或者换句话说,我们有兴趣围绕二项模型进行微扰扩展,为了找出βij的影响,也就是说,看看βij是否可以根据经验参数p和ρ来解释,对于二项分布,我们可以将α解释为基础p的(简单函数)。该投资组合损失的相应概率分布为:12月2日,2015年MV19˙续˙20150923Pβ(l,l,···,lN)=ZexpαNXi=1li+βll!(14) 我们的问题的答案是ρβ与β成正比,对于较小的β和给定的违约概率,如附录C所示。换句话说,当少量传染性增加到不相关的信贷组合中时,违约相关性增加(从0开始)。
|