A structural approach to pricing credit default swaps with credit and debt value adjustments
对具有Marshall-Olkin相关结构的扩散过程驱动的结构性违约模型进行了多维扩展。提出了求解三维模型中的前向校准问题和后向定价问题的半解析方法。该模型用于分析信用违约互换的双边交易对手风险，并评估相应的信用和债务价值调整。
2012-06-14 q-fin.CP q-fin.PR q-fin.RM
Copula-Based Factor Model for Credit Risk Analysis
评估信用风险的标准定量方法采用基于联合多元正态分布特性的因子模型。通过扩展单因子高斯Copula模型，将状态依赖的回收率引入到条件因子加载中，并通过共享唯一的公共因子来对它们进行建模，以实现更准确的违约预测。公因子同时控制违约率和回收率，并隐含地建立了它们之间的关联。根据巴塞尔协议III，本文表明，在繁忙时期，违约的趋势更多地取决于系统风险，而不是特质风险。在所考虑的模型中，具有随机因子加载和状态依赖的恢复率的模型在违约预测上是最优越的。
2020-10-06 q-fin.RM q-fin.ST
Dependent default and recovery: MCMC study of downturn LGD credit risk model
有经验证据表明，在经济低迷时期，当违约数量上升时，回收率往往会下降。在估计《巴塞尔协议二》要求的信用风险资本时必须考虑到这一点，以弥补不利经济衰退期间的损失;即所谓的“衰退LGD”要求。本文利用贝叶斯推断方法和马尔可夫链蒙特卡罗方法，通过潜在的系统风险因子，给出了具有违约和回收依赖的LGD信用风险模型的估计。这种方法允许联合估计所有的模型参数和潜在的系统因素，以及所有相关的不确定性。使用穆迪1982-2010年公司债券的年度违约率和回收率的结果表明，参数不确定性对经济资本的影响可能非常显著，应该由从业人员进行评估。
2011-12-25 q-fin.CP q-fin.RM q-fin.ST
Study on Intelligent Forecasting of Credit Bond Default Risk
针对中国信用债信息披露不足与评级滞后问题，提出融合风险指标、组合违约概率标注和 ConvLSTM 的逐日违约风险智能预测框架。
2023-06-08 q-fin.RM
Every Corporation Owns Its Image: Corporate Credit Ratings via Convolutional Neural Networks
Beihang University（北京航空航天大学）
信用评级是对企业信用风险的分析，反映了企业投资的风险程度和可靠性。已经出现了许多研究，实施机器学习技术来处理企业信用评级。然而，这些模型的能力受到来自财务报表报告的大量数据的限制。在这项工作中，我们分析了传统的机器学习模型在预测企业信用评级的性能。为了利用强大的卷积神经网络和大量的金融数据，我们提出了一种新的端到端的方法，通过卷积神经网络的企业信用评级，CCR-CNN简洁。在所提出的模型中，每个企业被转换成一个图像。基于这张图像，CNN可以捕捉到数据的复杂特征交互，而这些特征交互是以前的机器学习模型难以揭示的。在我们建立的中国上市公司评级数据集上进行的大量实验证明，CCR-CNN的性能始终优于最先进的方法。
2020-12-03 cs.LG q-fin.RM
Predicting Credit Default Probabilities Using Bayesian Statistics and Monte Carlo Simulations
世界各地的银行和金融机构管理着包含成千上万客户的投资组合。并非所有客户都是高信誉的，许多客户对银行或向这些客户贷款的金融机构来说都有不同程度的风险。因此，信用风险评估在信用风险管理领域中至关重要。本文讨论了使用贝叶斯原理和模拟技术来估计和校准信用评级的违约概率。该方法是一个两阶段的方法，在第一阶段，后验密度的违约率参数估计的基础上的违约历史数据。在第二阶段，通过仿真得到了真实违约率参数的估计
2021-09-13 q-fin.RM stat.AP stat.CO
Modelling Prepayment and Default under Changing Credit Market Conditions for a Net Present Value Analysis
本文提出了一个评估贷款或抵押贷款盈利能力的模型，在统一框架内结合借款人行为与信贷市场动态，评估了个人与投资组合层面随机净现值（RNPV）的均值和方差，以应对违约和提前还款风险。
2025-08-11 q-fin.RM
Pricing Credit Default Swap Subject to Counterparty Risk and Collateralization
本文提出了一个新的模型来评估一个受买方、卖方和参考实体多重信用风险影响的信用违约互换（CDS）合约。我们发现，违约相关性有显着的影响资产定价。事实上，相关违约风险是金融市场中最普遍的威胁之一。我们还表明，一个完全抵押的CDS是不等于一个无风险的。换句话说，完全抵押并不能完全消除CDS市场的交易对手风险。
2018-03-21 q-fin.CP q-fin.PR q-fin.RM
Collateralized CVA Valuation with Rating Triggers and Credit Migrations
在本文中，我们讨论了双边信用评估调整（CVA）评级触发下的计算问题，并在存在评级挂钩保证金协议。具体来说，我们考虑的是受评级触发器影响的有抵押场外交易合同，交易双方是投资者和交易对手。此外，我们将保证金过程建模为交易对手和投资者的信用评级的函数。我们采用马尔可夫方法建模的评级转换的双方的合同。在这个框架中，我们推导出双侧CVA的表示。我们还引入了一个新的组件在对手方风险价格的分解：即评级估值调整（RVA），占评级触发。我们给出了两个动态抵押方案的例子，其中保证金阈值与各方的信用评级相关联。我们将存在独立金额的再抵押风险入账。我们的结果说明通过计算各种交易对手风险调整的CDS合约和IRS合约。
2012-05-30 math.PR q-fin.PR q-fin.RM
The two defaults scenario for stressing credit portfolio loss distributions
违约事件的压力情景对信贷组合损失分布的影响可以通过确定以这些事件为条件的损失分布来评估。虽然通过蒙特卡罗模拟来估计违约事件条件下的损失分布在概念上是容易的，但对于两个或更多个同时违约的情况，这变得不切实际，因为条件事件是极其罕见的。我们提供了一个分析方法来计算条件损失分布的CreditRisk+投资组合模型与独立的随机违约损失率分布。这种情况下的解析解可用于检查条件损失分布的近似值的准确性，从而无条件模型在压力输入违约概率（PD）下运行。事实证明，这种近似是无偏的。然而，数值例子表明，近似可能是严重不准确的，但不准确导致高估的尾部损失，因此该方法的保守性错误。
2015-10-25 q-fin.RM
Are all Credit Default Swap Databases equal?
我们比较了企业信用违约互换价格的五个主要来源：GFI、Fenics、路透社、CMA和Markit，使用2004年至2010年iTraxx和CDX指数中流动性最强的单一名称5年期CDS。不同数据库中的价格偏离共同趋势不是随机的，而是由特殊因素、融资成本、全球风险和其他交易因素解释的。CMA报价引导价格发现过程。此外，我们发现，有没有一个完全一致的数据库之间的价格发现分析结果之间的股票和CDS回报。
2022-02-04 q-fin.RM
A Markov approach to credit rating migration conditional on economic states
提出基于时齐马尔可夫链的信用评级迁移模型，结合经济状态分析PIT与TTC评级理念，并通过随机序和Merton型过程验证评级构建与渐近行为。
2024-03-21 math.PR q-fin.RM
Predicting Credit Risk for Unsecured Lending: A Machine Learning Approach
NMIMS MPSTME
自20世纪90年代以来，技术领域和电子商务领域取得了重大进展，导致对无现金支付解决方案的需求呈指数级增长。这导致了对信用卡的需求增加，随之而来的是更高的信用违约的可能性，因此在一段时间内更高的拖欠率。本文的目的是建立一个现代的信用评分模型来预测信用违约的无担保贷款（信用卡），采用机器学习技术。由于贷款人可用于预测信贷违约的大部分客户支付数据是不平衡的（偏斜的），由于违约实例的有限子集，这对预测建模提出了挑战。在这项研究中，这一挑战是通过部署合成少数过采样技术（SMOTE）来解决的，SMOTE是一种经过验证的技术，可以从给定的数据集中消除这种不平衡。通过七种不同的机器学习模型运行研究数据集，结果表明，Light Gradient Boosting Machine（LGBM）分类器模型优于其他六种分类技术。因此，我们的研究表明，LGBM分类器模型能够更好地提供更高的学习速度，更高的效率和管理更大的数据量。我们预计，该模型的部署将使商业贷款机构和银行的决策者能够更好地及时预测信用违约。
2021-10-05 cs.LG q-fin.RM q-fin.ST
A comparative study of forecasting Corporate Credit Ratings using Neural Networks, Support Vector Machines, and Decision Trees
Stevens Institute of Technology（斯蒂文斯理工学院）
信用评级是反映公司履行其财务义务的风险和可靠性水平的主要关键之一。评级机构往往需要较长的时间来提供新的评级和更新旧的评级。因此，近年来，使用人工智能的信用评分评估引起了人们的极大兴趣。成功的机器学习方法可以提供快速的信用评分分析，同时在每天的时间范围内更新旧的信用评分。相关研究表明，神经网络和支持向量机通过提供更好的预测精度而优于其他技术。本文的目的有二。首先，我们提供了一个调查和比较分析的结果，从文献应用机器学习技术来预测信用评级。其次，我们将之前研究中认为有用的四种机器学习技术（Bagged Decision Trees，Random Forest，Support Vector Machine和Multilayer Perceptron）应用于相同的数据集。我们使用10倍交叉验证技术评估结果。对所选数据集的实验结果表明，基于决策树的模型具有优越的性能。除了传统的分类器的准确性的措施，我们引入了一个基于缺口称为“缺口距离”的准确性的措施，以分析上述分类器的性能在特定的背景下的信用评级。这个指标告诉我们预测与真实评级的差距有多远。我们进一步比较了三个主要的评级机构，标准$\&$普尔，穆迪和惠誉的表现，我们表明，他们的评级的差异是可比的决策树预测与测试数据集上的实际评级。
2020-07-13 cs.LG q-fin.RM
Bilateral counterparty risk valuation with stochastic dynamical models and application to Credit Default Swaps
我们引入一般无仲裁估值框架，用于在存在双边违约风险（包括投资者违约）的情况下进行交易对手风险调整。我们说明了对称的估值，并表明，调整涉及一个长期的立场，在一个看跌期权加上一个短期的立场，在看涨期权，都与零罢工和书面的剩余净值的合同在相关的违约时间。我们允许投资者、交易对手和基础投资组合风险因素的违约时间之间的相关性。我们使用无仲裁的随机动力学模型。然后，我们专门分析了作为基础投资组合的信用违约互换（CDS），概括了Brigo和Chourdakis（2008）[5]的工作，他们处理单边和非对称的交易对手风险。我们引入了随机强度模型和一个关于违约时间指数变量的三变量Copula函数来模拟违约相关性。与[5]类似，我们发现违约相关性和信用利差波动率对调整都有相关性和结构性影响。从[5]开始，双方现在将就信贷估值调整达成一致。我们研究了一个涉及英国航空公司，雷曼兄弟和荷兰皇家壳牌公司的案例，说明了在具体的危机情况下的双边调整。
2009-11-18 q-fin.PR q-fin.RM
Correlation breakdown, copula credit default models and arbitrage
最近的“相关性崩溃”的信用违约互换，其中模型的相关性必须超过100%，以重现超高级份额的市场价格的建模，进行了分析，并认为是一个基本的市场不一致，而不是一个不足的具体模型。因此，在这种情况下，市场面临套利的可能性。给出了特定条件下套利组合的一般构造方法。
2009-08-31 q-fin.PR q-fin.RM
The Financing of Innovative SMEs: a multicriteria credit rating model
中小企业进入信贷市场面临诸多障碍。如果中小企业具有创新精神，这些障碍就会增加。在这种情况下，金融数据不足，甚至不可靠。因此，在建立主要基于质量标准（软信息）的判断性评级模式时，为中小企业的活动提供资金非常重要。到目前为止，还没有一个基于软信息的创新型中小企业多准则信用风险模型。在本文中，我们试图填补这一空白，提出了一个多准则信用风险模型，具体来说，ELECTRE-TRI。为了获得稳健的中小企业的风险类别的分配，SMAA-TRI分析也实施。事实上，SMAA-TRI通过考虑不同的偏好参数集与蒙特卡罗模拟结合了ELECTRE-TRI。最后，我们进行了一些真实的案例研究，目的是说明所提出的多准则信用风险模型。
2014-06-02 q-fin.GN q-fin.RM
Recovering Posterior Beliefs in Credit Risk: A Latent-State EM Extension of the Information-Geometric Framework
Banca Monte dei Paschi di Siena（锡耶纳蒙特帕斯奇银行）
本文提出了信息几何框架的隐状态EM扩展，构建了恢复信用风险分析中借款人层面后验信念的隐状态框架，通过模拟实验验证了其在估计结构参数、后验信念及违约概率方面的有效性，为信用风险相关研究提供了受控基准。
2026-09-01 q-fin.RM
Dependence of defaults and recoveries in structural credit risk models
目前对信用风险的研究主要集中在违约概率的建模上。回收率通常被视为事后的想法;它们是独立建模的，在许多情况下，它们甚至被假定为常数。尽管它们对损失分布的尾部有明显的影响。在这里，我们回顾一下历史，重新从默顿模型开始，在默顿模型中，违约和恢复都是由一个基本过程决定的。因此，它们是内在联系的。对于扩散过程，我们可以推导出期望回收率与违约概率之间的函数关系。这个关系只取决于一个参数。在蒙特卡罗模拟中，我们发现，同样的功能依赖性也适用于跳跃扩散和Gyndham过程。我们将讨论如何将这种结构恢复率简化形式的模型，以恢复基本的结构信息，这通常是被忽视的简化形式的方法。
2011-03-30 q-fin.RM
Estimation and prediction of credit risk based on rating transition systems
风险管理是银行业的重要实践。在本文中，我们开发了一种新的方法来估计和预测违约概率（PD）的基础上的评级转移矩阵，将评级转移矩阵的宏观经济变量。该方法克服了Belkin等（1998）框架的缺点，特别适用于局部放电的预测和压力测试。最后进行了仿真，结果表明，本文方法比Belkin等（1998）的方法具有更高的精度。
2018-03-27 q-fin.RM stat.AP
Credit contagion and risk management with multiple non-ordered defaults
将经典的信用风险简化形式和过滤扩展框架推广到多个无序违约的情形，假设违约时间的条件密度存在。推导了违约传染的强度和定价公式，揭示了信息驱动的违约传染是如何在这些模型中产生的。然后，我们分析了在扩展过滤之前对默认时间进行排序的影响。虽然这对定价并不重要，但在风险管理的背景下，这一影响是显著的，并且在高度相关和不对称分布的违约情况下变得更加明显。最后，我们提供了一个一般的计划，用于构建和模拟的默认时间，给定的模型的条件密度已被选中。
2011-06-21 math.PR q-fin.CP q-fin.RM
Simple Fuzzy Score for Russian Public Companies Risk of Default
该模型的目的是区分“好”和“坏”的公司在俄罗斯企业部门的基础上，他们的财务报表数据的基础上，俄罗斯会计准则。数据样本包括126家俄罗斯上市公司-卢布债券发行人，约占公司债券发行人总数的36%。在2008-2009年，有25家公司拖欠债务，约占违约案件的30%。样本中没有SPV公司。该模型显示样本内基尼系数AR约为73%，并给出了一个合理而简单的映射到外部评级的规则。该模型可以用来计算隐含的信用评级的俄罗斯公司，他们中的许多人没有。
2010-04-12 q-fin.RM q-fin.ST
A Spatio-Temporal Machine Learning Model for Mortgage Credit Risk: Default Probabilities and Loan Portfolios
Lucerne University of Applied Sciences and Arts（卢塞恩应用科学与艺术大学）；University of Basel（巴塞尔大学）；Seminar for Statistics, ETH Zurich（统计学系，苏黎世联邦理工学院）
本文提出一种结合树提升与潜在时空高斯过程的机器学习模型，用于更准确地预测房贷违约概率和贷款组合损失分布。
2025-12-17 cs.LG q-fin.RM q-fin.ST
Classification based credit risk analysis: The case of Lending Club
在本文中，我们进行了信用风险分析，对一家名为Lending Club的公司过去的贷款申请人的数据。计算需要使用探索性数据分析和机器学习分类算法，即逻辑回归和随机森林算法。我们进一步利用计算出的违约概率设计了一个基于信用违约互换思想的信用衍生品，以对冲违约事件。测试集上的结果使用各种性能指标。
2022-10-11 q-fin.CP q-fin.RM
A procedure for loss-optimising default definitions across simulated credit risk scenarios
本文提出了一种新的方法，用于对缺省定义进行客观的比较和评价。这使贷款人能够根据《巴塞尔协议二》找到一个使贷款组合的财务损失最小化的违约阈值。除了简单地测量拖欠付款外，还可以使用此优化程序评估其他拖欠措施。此外，还进行了一项模拟研究，从各种信用风险情景的“首要原则”测试程序。具体而言，三种概率技术被用来产生现金流，而每个参数是不同的，作为模拟研究的一部分。结果表明，损失最小值可以存在于一个选定的范围内的信用风险档案，这表明，损失优化的违约阈值可以成为一个可行的做法。因此，违约决策被重新定义为一个优化问题，即选择一个在贷款期限内既不太早也不太晚的违约阈值。这些结果也挑战了目前的做法，其中违约被务实地定义为“逾期90天”，几乎没有客观证据表明其整体适用性或财务影响，至少超出了有缺陷的滚动率分析或监管机构的法令。
2021-02-26 q-fin.CP q-fin.RM
Systemic Risk Management in Financial Networks with Credit Default Swaps
我们研究了银行间系统中的破产级联，当银行被允许用其他银行出售的信用违约互换（CDS）为他们的贷款提供保险时。我们发现，通过适当地将金融风险从一个机构转移到另一个机构，CDS市场可以被设计成以一种更能抵御破产级联的方式重新连接银行间风险网络。监管机构可以利用银行间网络的拓扑信息来设计一个系统性保险附加费，并将其添加到CDS利差中。因此，CDS合约实际上是根据它们对增加系统性风险的贡献程度而受到惩罚的。降低系统性风险的CDS合约仍然免税。我们使用基于代理人的模型（CRISIS宏观金融模型）模拟这种受监管的CDS市场，并证明它会导致银行间系统对破产级联更具弹性。
2017-10-13 q-fin.RM
Estimating Probabilities of Default for Low Default Portfolios
为了一般的信贷风险管理目的，特别是为了银行分配监管资本（《巴塞尔协议二》），对借款人的信誉进行数字评估是必不可少的。这些评估以违约概率（PD）表示，其中应包含一定程度的保守性，以反映银行必须采用的审慎风险管理风格。如果信贷组合根本没有发生违约，或者几年来只有很少的违约，那么由此产生的天真零或接近零的估计显然不会涉及这种足够的保守性。为了克服这一问题，我们建议采用“最谨慎估计”原则。这意味着通过置信上限估计PD，同时保证PD排序尊重评级等级所指示的信用质量差异。该方法最容易在假设独立违约事件的情况下应用，但也可适用于相关违约的情况。
2005-04-04 cond-mat.other q-fin.RM
Calibration of the rating transition model for high and low default portfolios
本文针对信用评级转移模型校准问题，提出基于拉普拉斯近似结合卡尔曼滤波的高违约组合校准算法，以及基于粒子滤波和高斯过程回归的低违约组合校准算法，实验验证了两种算法的有效性和准确性。
2024-05-01 q-fin.RM stat.ME
Entropy and credit risk in highly correlated markets
我们比较了两个模型的公司违约计算的Jeffreys-Kullback-Leibler分歧之间的预测违约概率时，资产相关性高或低。我们的主要研究结果表明，两个模型之间的分歧在高度相关性，波动性和大型市场中增加，但在小市场中，当资产相关性低，公司杠杆率高时，它接近于零。这些发现表明，在金融不稳定时期，公司违约的单因素和多因素因子模型将产生越来越不一致的预测。
2016-04-24 q-fin.RM
Credit Risk Assessment Model for UAE Commercial Banks: A Machine Learning Approach
本文利用线性判别分析降维技术，基于真实数据构建并验证阿联酋商业银行信用风险评估模型，以区分良好与不良信用并确定最佳分类器，旨在帮助银行避免损失和防范金融危机。
2024-07-02 q-fin.RM
A Sparsity Algorithm with Applications to Corporate Credit Rating
在人工智能中，解释机器学习技术的结果通常被称为黑盒是一项艰巨的任务。对特定“黑盒”的反事实解释试图找到输入值的最小变化，该变化将预测修改为特定输出，而不是原始输出。在这项工作中，我们制定的问题，找到一个反事实的解释作为一个优化问题。我们提出了一种新的“稀疏算法”，解决了优化问题，同时也最大限度地提高了反事实解释的稀疏性。我们应用稀疏算法提供一个简单的建议，以上市公司，以提高他们的信用评级。我们验证了稀疏算法与合成生成的数据集，我们进一步将其应用于美国市场的金融，医疗保健和IT部门的公司的季度财务报表。我们提供的证据表明，反事实的解释可以捕捉到真实报表功能的性质，改变了当前季度和下一季度的评级时，改善。实证结果显示，公司的信用评级越高，进一步提高信用评级所需的“努力”就越大。
2021-07-21 cs.LG q-fin.RM stat.AP
Multimodal Insights into Credit Risk Modelling: Integrating Climate and Text Data for Default Prediction
University of Edinburgh（爱丁堡大学）；Heriot-Watt University（赫瑞-瓦特大学）；University of Reading（雷丁大学）
本研究提出多模态框架整合气候与文本数据，通过LSTM、GRU和Transformer模型提升信用违约预测精度，发现物理气候风险，特别是内涝，是关键影响因素。
2026-01-01 q-fin.CP q-fin.RM
KACDP: A Highly Interpretable Credit Default Prediction Model
School of Information（信息学院）；Xi’an University of Finance and Economics（西安财经大学）
针对现有信用违约预测模型可解释性不足、处理高维非线性数据性能受限的问题，本文首次将Kolmogorov-Arnold网络（KANs）应用于该领域构建KACDP模型，其在ROC_AUC和F1值上优于主流模型，且可通过特征归因等方法清晰展示决策过程与特征重要性。
2024-11-26 cs.LG q-fin.RM
Linear Credit Risk Models
我们引入了一类新的信用风险模型，其中企业生存过程的漂移是因素的线性函数。可违约债券和信用违约互换（CDS）的价格在影响因素中是线性理性的。CDS期权的价格可以用因子中的多项式统一近似。多名称模型可以产生同时违约，产生正相关和负相关的违约强度，并适应随机利率。校准研究说明了这些模型的多功能性，通过拟合CDS扩展时间序列。数值分析验证了期权价格近似方法的有效性。
2019-07-22 q-fin.MF q-fin.PR q-fin.RM
Contraction or steady state? An analysis of credit risk management in Italy in the period 2008-2012
2008年6月至2012年6月期间，意大利信用风险管理的特点是频繁（频率=每年0.5个周期）和密集（峰值幅度：平均值= 392亿欧元，s.e.= 2.83 10亿欧元）的季度收缩和扩张（9154亿欧元，s.e.= 3.59 10亿欧元）的非金融公司使用的名义信贷总额。这种频繁和激烈的波动往往归因于外部巴塞尔协议二顺周期的影响，信贷流入经济，因此，巴塞尔协议三基于产出的时间点信贷国内生产总值反周期缓冲主张。我们已经测试了相反的零假设，即这种变化与实际违约率显著相关，并且这种相关性可以通过稳定状态附近的信贷供应波动来解释。研究发现，2008年6月至2012年6月（n=17），信贷增长率与违约率呈负相关，相关系数r=-0.6903，R2 =0.4765;信贷供给围绕违约率稳定波动，内部稳态参数SSP=0.00245，卡方=37.47（v=16，P<.005）。我们的结论是，非金融企业使用的信贷总额的波动是详尽的解释的自变量违约率的变化，信贷变化波动的稳定状态。我们的结论是，信用风险管理在意大利已经有效地参数化信贷供应变化的违约率在巴塞尔协议II的操作框架。基于过滤后的信贷与GDP比率和动态拨备建议的巴塞尔协议III前瞻性反周期时间点产出缓冲应考虑到这一基本的稳态统计模式。
2013-07-08 q-fin.RM
Transmission of distress in a bank credit network
NEC Corporation（日本电气公司）；Institute for International Socio-Economic Studies（国际社会经济研究所）
欧洲主权债务危机使许多欧洲银行受损。欧洲银行业的困境可能会蔓延到全球，并导致金融机构的大规模连锁违约。本研究提出一个电脑模拟模型，以分析银行资不抵债的风险和违约的银行信贷网络。模拟实验再现了连锁违约的情形，并量化了银行信贷网络异质性、银行权益资本比率和大银行资本附加费对银行违约数量的影响。
2012-11-22 cs.AI q-fin.RM
Corporate Default Behavior: A Simple Stochastic Model
我们比较观察到的企业累计违约概率的计算使用的随机模型的基础上扩展的黑色和考克斯的工作，并发现，企业违约，如果通过扩散动力学。该模型基于对公司资本结构的或有债权分析，可以很容易地用现成的历史违约概率进行校准，并适合标准普尔公布的观察到的违约数据。将此模型应用于标准普尔的违约数据，我们发现，信用评级之间的违约行为的差异在很大程度上可以解释为一个单一的变量：“距离违约”在给定的评级。通过一个单一的分析表达式表示观察到的违约行为，并区分信用评级依赖的违约行为与一个单一的变量的能力，建议该模型的各种风险管理应用，包括映射的银行违约经验，以公共信用评级。
2000-12-29 cond-mat.soft cond-mat.stat-mech q-fin.RM
Application of Deep Neural Networks to assess corporate Credit Rating
Stevens Institute of Technology（斯蒂文斯理工学院）；Hanlon Financial Laboratories（汉伦金融实验室）
最近的文献实施机器学习技术来评估基于财务报表报告的公司信用评级。在这项工作中，我们分析了四种神经网络架构（MLP，CNN，CNN2D，LSTM）在预测标准普尔发布的企业信用评级方面的性能。我们分析来自美国能源，金融和医疗保健行业的公司。分析的目标是改进机器学习算法在信用评估中的应用。为此，我们重点关注三个问题。首先，我们调查算法是否在使用选定的特征子集时表现更好，或者允许算法自己选择特征是否更好。其次，金融数据中固有的时间方面对于机器学习算法获得的结果是否重要？第三，是否存在一种特定的神经网络架构，在输入特征、扇区和保持集方面始终优于其他神经网络架构？我们创建了几个案例来回答这些问题，并使用方差分析和多重比较检验程序分析结果。
2020-03-04 cs.LG q-fin.RM stat.AP
Corporate payments networks and credit risk rating
复杂系统中的总体风险和系统性风险是一种突发现象，取决于两个属性：要素的特质风险和要素之间相互作用网络的拓扑结构。虽然一个显着的注意力已经给予聚合风险评估和风险传播，一旦上述两个属性，知道的风险是如何分布在网络中，其与拓扑结构的关系。我们研究这个问题，通过调查一个大型专有数据集的支付240万意大利公司，其信用风险评级是已知的。我们的文件显着的局部拓扑属性的节点（公司）和它的风险之间的相关性。此外，我们还发现了风险同质性的存在，即具有相似风险特征的公司在统计上彼此之间的联系更紧密。当考虑网络中确定的企业和社区或层次结构时，可以观察到这种效果。我们利用这些知识来显示一个公司只使用相关节点的网络属性的缺失评级的可预测性。
2018-09-22 cs.SI q-fin.RM
Collective firm bankruptcies and phase transition in rating dynamics
我们提出了一个简单的模型，公司评级的演变。我们认为违约的两个来源：经济发展的个人动态和企业之间的波茨式互动。我们表明，这样一个定义的模型导致相变，这导致集体违约。集体相的存在依赖于平均相互作用强度。对于小的相互作用强度参数，有许多独立的破产的个别公司。对于大的参数，有巨大的企业集群集体违约。当个别公司的动态有利于倾销的评级变化的情况下，有一个最佳的强度，从系统性风险的角度来看，公司的相互作用。
2009-09-29 q-fin.RM
A contagion process with self-exciting jumps in credit risk applications
由于违约相关性显著影响组合损失分布，并因此在偿付能力资本配置中起着重要作用，因此对企业间联合违约概率或违约总数的建模是降低信用风险的关键问题之一。在这篇文章中，我们推导出一个封闭的形式表示的一个单一的公司的违约概率和违约的总次数的概率在任何时候$t$在一个同质的公司投资组合。我们使用一个传染过程来模拟导致违约的信用事件的到来，并开发一个框架，使企业能够抵御违约，这与标准的基于强度的模型不同。我们假设驱动信用事件的点过程是由一个系统的和一个特质的组成部分，其强度是独立指定的均值回复仿射跳跃扩散过程与自激跳跃。所提出的框架是称职的捕捉反馈效应，经验观察到的现象，在违约事件。我们进一步展示了如何建议的框架可以用来定价合成担保债务凭证（CDO），并获得一个封闭形式的解决方案份额蔓延。最后，我们提出了敏感性分析，以证明不同的参数控制的传染效应的份额和CDO的预期损失的蔓延的影响。
2022-02-08 math.PR q-fin.RM
Temporal-Aligned Meta-Learning for Risk Management: A Stacking Approach for Multi-Source Credit Scoring
本文提出一种时间对齐的元学习方法，通过堆叠多源信贷评分系统，提升中小企信用风险预测的时序一致性和稳定性。
2026-01-12 cs.LG q-fin.RM q-fin.ST
Optimal Investment in Equity and Credit Default Swaps in the Presence of Default
本文研究存在违约风险时股票与信用违约互换（CDS）市场的最优投资问题，通过求解具有二次增长的半线性PDE刻画确定性等价，证明最优CDS策略覆盖违约损失及未来交易机会受限损失，并表明该策略本质上是静态的且能显著提升投资者效用。
2025-04-10 q-fin.MF q-fin.PM q-fin.RM
Spurious Default Probability Projections in Credit Risk Stress Testing Models
本文揭示了信用风险压力测试模型中参数化隐含的跨周期组合会吸引当前组合向其靠拢，从而产生虚假违约率预测的问题。
2024-01-17 q-fin.RM
Machine learning techniques in joint default assessment
本文研究机器学习技术捕捉协变量间非线性依赖的能力，在联合违约评估中优于逻辑回归，导致更高的违约相关性，从而更准确地评估信用组合风险。
2023-09-04 q-fin.RM
Derivatives and Credit Contagion in Interconnected Networks
在最近的金融危机中，充分建模信用风险的重要性再次凸显出来。由于宏观经济状况不佳，经济危机往往会聚集在经济压力周围，{\em但也}通过传染直接触发彼此。尽管信用违约互换十多年来从根本上改变了危机蔓延的态势，但量化其对系统性风险影响的模型仍然缺失。在这里，我们研究通过信用违约互换在一个程式化的经济网络的企业和金融机构的传染。我们分析这样一个系统使用随机设置，这使我们能够利用极限定理，以准确地解决整个系统的传染动力学。我们的分析表明，通过创造额外的传染渠道，CDS实际上可以在经济压力时期导致整个网络的更大不稳定性。当CDS被银行用来扩大其贷款账户时，这一点尤其明显（他们认为CDS将从其资产负债表中剥离额外的风险）。因此，即使通过CDS进行完全对冲，贷款账簿的显著扩张也会导致系统中出现非常大的损失和非常高的违约率的概率大大增加。我们的方法增加了一个新的层面，研究信用传染，并可能成为一个合理的基础，改善监管框架的信用衍生品。
2012-02-14 q-fin.RM
Improved Hardness Results for the Clearing Problem in Financial Networks with Credit Default Swaps
研究带信用违约互换的金融网络清算问题，证明ε≈0.101时PPAD困难性成立，并证明两个自然判定问题为∃ℝ完全的。
2024-09-27 cs.GT q-fin.RM
An axiomatic approach to default risk and model uncertainty in rating systems
本文提出违约风险度量的公理化框架，推广经典违约概率以纳入模型风险，并分析最坏情况PD与扭曲PD对风险加权资产计算的影响。
2023-09-20 q-fin.MF q-fin.RM
Two Models of Stochastic Loss Given Default
我们提出了两个结构模型的随机损失违约允许模型的信用损失的投资组合的违约金融工具。信贷亏损纳入违约事件的结构模型，计及违约事件与相关亏损之间的相关性。我们展示了如何校准模型，并通过测试我们的模型的代表性样本投资组合的违约和回收的发生之间的相关性的影响进行分析。
2012-05-25 q-fin.PR q-fin.RM
Restructuring Counterparty Credit Risk
我们引入了一个创新的理论框架来模拟基于套利自由原则的违约实体之间的衍生品交易。我们的框架扩展了传统的公式基础上的信贷和可持续发展的估值调整（CVA和DVA）。根据违约或有事项的处理方式，我们总共列出了10种不同的结构化风格。这些结构包括银行与交易对手之间的双边结构、另外有一个保证金贷款人的三方结构、有两个保证金贷款人的四方结构，以及最重要的是，所有衍生品交易都通过中央交易对手（CCP）结算的配置。我们比较了各种结构风格下的一些标准，包括一致性从会计的角度来看，交易对手风险对冲能力，数值复杂性，交易便携性违约，诱导行为和宏观经济影响的隐含财富分配。
2012-05-06 q-fin.RM
Impact of credit default swaps on financial contagion
传统做法认为，通过转移拖欠贷款的风险，银行破产的风险可以直接降低。但2008年美国国际集团（AIG）的破产，提出了金融传染的一个更为复杂的方面。本研究提出资产网络系统风险模型（ANWSER）的延伸，以探讨信用违约互换是否减轻或加剧金融传染的严重性。保护买方银行将每一个可能的债务人银行违约的风险转移给保护卖方银行。利用扩展模型得到了银行破产数量的经验分布。系统性资本缓冲比率是根据分布计算的。该比率量化了整个金融体系抵御金融危机蔓延的有效损失吸收能力。关键的发现是，杠杆率是对作为金融体系支撑的系统性资本缓冲率的一个很好的估计。在银行间网络中，风险从中小银行转移到大银行并没有减轻金融传染的严重性。
2014-09-25 cs.SI q-fin.RM
A Coupled Markov Chain Approach to Credit Risk Modeling
我们提出了一个马尔可夫链模型的信用评级的变化。我们不对被评级公司的资产价值使用任何分布假设，而是直接对评级转换过程进行建模。该模型的参数估计的最大似然法使用历史评级转换和启发式全局优化技术。在债券投资组合风险管理的背景下，我们对GLMM模型进行了基准测试。该模型产生更强的依赖性和更高的风险比GLMM模型。因此，风险最优投资组合比基准模型的决策更保守。
2014-01-19 q-fin.PM q-fin.RM
A hypothesis test for the long-term calibration in rating systems with overlapping time windows
提出一种统计检验方法，验证评级系统中重叠时间窗口的长期校准监管要求，处理未知方差并推广至组合层面，分析持续客户和参考日期客户数量的影响。
2023-12-22 q-fin.RM
A unified approach to pricing and risk management of equity and credit risk
我们提出了一个统一的框架，股票和信用风险建模，违约时间是一个双重随机的随机时间与强度驱动的一个潜在的仿射因子过程。这种方法允许灵活的相互作用之间的违约股票价格，其随机波动率和违约强度，同时保持充分的分析处理。我们将所有的风险中性测度，保持仿射结构的模型，并表明，风险管理以及定价问题，可以有效地处理转移到合适的生存措施。作为一个例子，我们考虑了Heston随机波动率模型的跳跃违约扩展。
2013-05-19 q-fin.PR q-fin.RM
