FRM2-Credit Risk-22 Spread Risk and Default Intensity Models

22.1 spread risk

1、spread risk的几个名词

Yield spread:bond与政府bond的利差

i- spread:bond与政府bond的线性收益率之差

z- spread:基于benchmark上加一个basis point来得到bond市场价格

Asset-swap spread:在浮动端的spread

CDS spread:发行债券的CDS的市场溢价

Option Adjusted Spread:根据bond上附加option的调整的Z-spread,如果没有option,z-spread=OAS

Discount Margin:在当前LIBOR为了给bond定价加的固定spread

Notes 上有几个example计算:

a. 计算yield spread= company bond-treasury yield

b. 计算i- spread=company bond-treasury yield的线性插值

c. 计算z- spread:用连续复利对现金流折现

2、定义和计算Spread ‘01(DVCS)

Spread ’01是z-spread变化一个BP,Bond Price的变化量

计算:z-spread+0.5个BP与z- spread减少0.5个BP时bond price之差=一个Spread ‘01

Z-spread越小,对bond price影响越大,在z-spread小的时候一个BP的变化对bond price影响更大。

3、解释一个公司的违约风险如何被模型成了Bernoulli trial

一个周期内违约概率是p,不违约概率是1-p,那么经过N个周期后违约概率就是

Bernoulli 分布的均值是p,方差是p(1-p)

4、Exponential和Poisson分布的关系

Exponential分布

Exponential分布通常用来建模等待时间(一个公司多久会违约),f(x)=1/beta * exp^(-x/beta) x>=0

beta是大于0的刻度参数,是rate参数(即lamda)的倒数。

rate parameter 度量每个单元发生事件的rate,也被称为Hazard rate, 用来指示哪个点会有违约。

Exponential的均值是1/lambda,方差是1/(lambda^2)

Poisson分布

Poisson分布用来计算已知每个单元平均发生几次违约,那么恰好有x次违约时候的概率

Poisson的均值方差都是lambda


22.2 hazard rates

1、定义Hazard rate,并且用它来定义违约公式和条件违约公式

Hazard Rate由一个参数lambda和一个很小时间单元dt表示,含义是单位时间内的平均违约。

当时间小于t时的累积违约概率公式是:p(t*<t)=F(t)=1-exp^(-lamda*t)非条件违约概率,条件违约概率是假设上一个周期存活,这个周期违约的概率

2、给定Hazard Rate,计算条件违约概率

条件违约概率是用当前周期的违约概率(当前周期的累积PD-上一个周期的累积PD),除以上一个周期的存货概率得出,每个周期的条件违约概率应该相同。

3、风险中性hazard rate

notes上有公式推导,主要是从bond的price公式,以及发生违约和存活的概率价值分析,得出风险中性情况下hazard rate和z-spread的关系,结论是 z-spread=lamda * LGD=lamda * (1-RR)

课后题是关于上面这个公式的计算,要注意理解z- spread和lamda的含义


22.3 用CDS来估计hazard rate

1、最主要的好处是CDS的spread是可以用市场中获取的。

2、解释一个CDS spread如何用来派生一个hazard rate curve

可以从市场上获得不同期限的CDS spread,然后使用公式计算出对应时间点的hazard rate,可以用bootstrap法

然后再使用hazard rate计算出每个点的累积PD

3、解释违约分布是如何被spread curve影响的

如果spread curve是downward,短期内违约概率增加更陡峭,在短期存活以后长期违约概率增加更平缓

4、定义spread risk,以及使用mark-to-market的方式来度量

Spread risk是spread发生改变时候risky securities价值的改变。

Treasury Securities的Spread Risk为0.

使用spread上下波动0.5个BP的方法来度量spread risk

使用历史或者预测的credit spread标准差来度量spread risk

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容