Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
Medientyp:
E-Book;
Hochschulschrift
Titel:
Valuation of portfolio credit derivatives and data-based default prediction
Weitere Titel:
abweichender Titel: Übers. des Hauptsacht.: Bewertung von Portfoliokreditderivaten und datenbasierte Ausfallprediktion
Übers. des Hauptsacht.: Bewertung von Portfoliokreditderivaten und datenbasierte Ausfallprediktion
Hochschulschrift:
Freiburg i. Br., Univ., Diss., 2012
Anmerkungen:
Beschreibung:
Zusammenfassung: In the first part of the thesis we focus on the modelling and valuation of two portfolio credit derivatives: nth-to-default credit default swaps and collateralised debt obligations. Thereby a factor model with normal inverse Gaussian distributed factors is used to model the dependence structure in the underlying reference portfolio. We extend the valuation of the contracts to portfolios with individual nominal amounts and individual stochastic loss-given-defaults. Besides the derivation of pricing formulas in that general setting the emphasis is also on the numerical computation. In particular we make a sensitivity analysis for various model parameters. In the second part of the thesis we aim at the development of a default prediction model that is based on financial ratios and macro-economic variables. We adapt modern methods from medical statistics to the economic environment and investigate their ability to respond to the complexity of credit information. As the default probability of a corporate also depends on the general state of the economic environment we investigate the impact of macro-economic variables that may be seen as a proxy for the economic cycle in detail. The estimation of the predictive performance of various models on the given data and the validation of these estimates are discussed
Zusammenfassung: Im ersten Teil der Dissertation wird die Modellierung und Bewertung zweier Portfoliokreditderivate, nth-to-default Credit Default Swaps und Collateralised Debt Obligations, behandelt. Dabei werden die Abhängigkeiten im zu Grunde liegenden Referenzportfolio mittels eines Faktormodells modelliert, bei dem die Faktoren Normal Invers Gauss verteilt sind. Wir erweitern die Bewertung auf nicht-homogene Portfolios und untersuchen zudem die Verwendung von stochastischen Loss-Given-Defaults. Es werden zahlreiche numerische Ergebnisse präsentiert und eine Sensitivitätsanalyse für verschiedene Modellparameter durchgeführt. Das Ziel im zweiten Teil der Arbeit ist die Entwicklung eines auf finanziellen Kenngrößen und makroökonomischen Variablen basierenden Prediktionsmodells für den Ausfall eines Unternehmens. Dabei werden moderne Verfahren der medizinischen Statistik auf ökonomische Fragestellungen übertragen und angepasst. Insbesondere wird der Einfluß makroökonomischer Variablen, die als Indikatoren für den Konjunkturverlauf angesehen werden können, untersucht. Die Schätzung der Vorhersagegüte verschiedener Modelle auf den gegebenen Daten und die Validierung der Resultate werden ausführlich diskutiert