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
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
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
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
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
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
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
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
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
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
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
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
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
Risk-Minimizing Hedging of Counterparty Risk
本文研究了信用衍生品投资组合中交易对手风险的动态套期保值问题。我们的经验驱动的信用模型由相互作用的违约强度，斜升，然后在信用事件发生后衰减。使用Galtchouk-Kunita-Watanabe分解的交易对手风险价格支付流，我们恢复了一个封闭形式的风险最小化策略的经典解决方案的柯西问题的非线性递归系统。我们讨论我们的框架的应用程序，最突出的一类信用衍生品，包括信用互换和风险债券组合，以及首次违约索赔。
2017-09-04 q-fin.RM
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
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
Valuation of Variable Annuities with Equity Protection Swaps under Jumps and Default Risks
School of Mathematics and Statistics, University of Sydney（悉尼大学数学与统计学院）；Faculty of Mathematics and Information Science, Warsaw University of Technology（华沙理工大学数学与信息科学学院）；National University of Singapore, Department of Mathematics（新加坡国立大学数学系）
基于Merton跳跃扩散模型和Szimayer独立随机时间违约模型，推导欧式期权闭式估值公式与看跌-看涨平价关系，分析跳跃和违约风险下权益保护互换产品的对冲策略及违约调整保费。
2026-05-25 q-fin.MF 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
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
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
Checking account activity and credit default risk of enterprises: An application of statistical learning methods
信息不对称的存在一直是金融机构关注的主要问题。商业银行等金融中介机构需要研究潜在借款人的质量，以便就公司贷款作出决定。经典的方法是利用Logistic回归模型来建立财务比率对违约概率的模型。作为法国主要的商业银行之一，我们可以了解企业客户的账户活动。我们发现，这种交易数据优于经典的财务比率在预测违约事件。由于新的数据反映了现金流的实时状况，这一结果证实了我们的直觉，即流动性在违约现象中起着重要作用。此外，这两个数据集在一定程度上是互补的：合并后的数据比每个单独的数据具有更好的预测能力。我们采用了一些先进的机器学习方法，并分析了它们的特点。这些方法的正确使用有助于我们更深入地理解违约现象中的核心因素，如信贷额度违规和现金流入。
2017-07-03 q-fin.RM q-fin.ST
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
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
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
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
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
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 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
Capturing Model Risk and Rating Momentum in the Estimation of Probabilities of Default and Credit Rating Migrations
我们提出了两种方法估计的评级转移概率在马尔可夫和非马尔可夫框架。我们首先估计一个连续时间马尔可夫链使用离散（缺失）的数据，并推导出一个更简单的表达的Fisher信息矩阵，减少计算时间所需的Wald置信区间的一半的因素。我们提供了一个有效的程序，将这种不确定性从马尔可夫链的生成矩阵转移到相应的评级迁移概率，至关重要的是，违约概率。对于我们的第二个贡献，我们假设访问完整的（连续的）数据集，并提出了一个易于处理的和简约的自激标记点过程模型，能够捕捉非马尔可夫效应的评级动量。与马尔可夫模型相比，非马尔可夫模型在投资等级中产生更高的违约概率，但在某些投机等级中也产生更低的违约概率。这两项研究结果与经验观察一致，并具有明确的实际意义。我们说明所有的方法使用穆迪的专有企业信用评级数据集的数据。实现在R包ctmcd中可用。
2020-02-03 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
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
Credit Calibration with Structural Models: The Lehman case and Equity Swaps under Counterparty Risk
在本文中，我们开发了具有时变波动率的结构性首次通过模型（AT1P和SBTV），其特征在于高度易处理性，从Brigo和Tarenghi（2004，2005）[19] [20]和Brigo和Morini（2006）[15]的原始工作中移动。该模型可以使用有效的违约概率封闭式公式精确地校准到信用利差。违约事件是由公司资产价值达到安全阈值引起的，这取决于公司的财务状况和市场状况。在AT1P中，此默认屏障是确定性的。相反，SBTV假设违约屏障的初始水平有两种可能的情况，以考虑资产负债表信息的不确定性。虽然在[19]和[15]中，模型是在帕玛拉特的历史上进行分析的，但在这里，我们将模型应用于违约前几个月雷曼信用违约互换（CDS）数据的精确校准，随着危机的展开。我们得到的结果与AT1P和SBTV具有合理的经济解释，特别是现实的SBTV时，考虑。股权回报互换中交易对手风险的定价是我们考虑的一个方便的应用，也是为了说明我们的信用模型与混合产品背景下的股权模型的相互作用。
2009-12-22 q-fin.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
The impact of class imbalance in logistic regression models for low-default portfolios in credit risk
North-West University（西北大学）；National Institute for Theoretical and Computational Physics (NITheCS)（理论计算物理国家研究所）
本文探讨了低违约率信贷风险中逻辑回归模型受类别不平衡影响的问题，通过模拟研究发现分类准确性随事件率下降而降低，基尼系数在样本量足够时保持稳定。
2026-02-23 q-fin.RM stat.CO
Unleashing the power of text for credit default prediction: Comparing human-written and generative AI-refined texts
本研究将ChatGPT用于优化信贷专员撰写的贷款评估文本，结合结构化数据与深度学习提升信用违约预测准确率，验证了生成式AI优化文本的预测价值与商业收益，为其在金融服务中的应用提供参考。
2025-03-23 q-fin.CP 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
Credit Default Swaps Liquidity modeling: A survey
我们回顾了衡量流动性对CDS价格影响的不同方法。我们从简化形式的模型开始，将流动性作为一个额外的贴现率。我们回顾了Chen，Fabozzi and Sverdlove（2008）和Buhler and Trapp（2006，2008），对流动性利率如何进入CDS溢价率公式、流动性利率过程的动态以及信用流动性相关性采用了不同的假设。Buhler和Trapp（2008）提供了最普遍和最现实的框架，包括流动性和信用之间的相关性，债券和CDS合约之间的流动性溢出效应，以及CDS溢价率的非对称流动性效应。然后，我们讨论了Bongaerts，De Jong和Driessen（2009）的研究，该研究导出了一个包含流动性效应的均衡资产定价模型。研究结果包括，预期的非流动性和流动性风险对预期CDS回报有统计上的显着影响。最后，我们讨论了Predescu et al（2009），该研究也分析了危机中的数据。这是一个统计模型，将有序流动性得分与每个CDS参考实体相关联，并允许比较超过2400个参考实体的流动性。本研究指出，信用与流动性不足是相关的，并呈现微笑模式。所有这些研究都强调，CDS溢价率并不是信用风险的纯粹指标。需要进一步的研究来衡量CDS合约水平的流动性溢价，并有效地将流动性与信贷分离。
2010-03-20 q-fin.CP q-fin.RM
A Functional Representation of Credit Behavior for Probability of Default Modeling
Nykredit；Aalborg University（奥尔堡大学）；Advisense
本文提出基于函数数据分析的违约概率建模框架，将信用变量表示为连续过程，并开发相对时间框架对齐周期性事件，在保持线性模型可解释性的同时达到与XGBoost相当的预测性能。
2026-10-15 q-fin.RM stat.ME
Leveraging Convolutional Neural Network-Transformer Synergy for Predictive Modeling in Risk-Based Applications
Columbia University（哥伦比亚大学）；Northeastern University（东北大学）；University at Buffalo（布法罗大学）；Brown University（布朗大学）
本文提出一种结合CNN与Transformer的深度学习模型用于信用违约预测，实验证明其在准确率、AUC和KS值等指标上优于传统机器学习模型，为金融风险评估提供了新方法。
2024-12-24 cs.LG q-fin.RM
Credit Default Swaps Drawup Networks: Too Tied To Be Stable?
我们分析了美国和欧洲一系列主要机构在最近金融危机期间的CDS利差时间序列。为了估计利差突然联动的条件概率，我们将现有的ε-提取方法扩展到联合ε-提取方法。我们纠正随机性和有限大小的影响，我们发现显着的概率，能力的联合drawups某些对CDS。我们还发现了趋势抑制的显著概率，即在给定CDS中的拟定随后在相同CDS中的拟定。最后，我们采取联合起草的概率矩阵作为机构之间的金融依赖网络的估计。然后，我们进行了网络分析，为系统重要性金融机构的作用提供了见解。
2012-05-04 q-fin.GN q-fin.RM
Modeling Credit Risk with Partial Information
本文提供了Duffie和Lando [Econometrica 69（2001）633-664]的另一种方法，用于从结构模型获得简化形式的信用风险模型。Duffie和Lando通过构建一个市场看到管理者的信息集加上噪声的经济体来获得简化形式模型。这些噪音让违约成为市场的一个惊喜。相比之下，我们通过构建一个市场看到经理信息集减少的经济体来获得简化形式模型。信息的减少使得违约对市场来说是一个惊喜。我们给出了一个基于Azema鞅的违约强度的显式公式，并利用布朗运动的游程理论对风险债务进行定价。
2004-07-05 math.PR q-fin.RM
Credit Valuation Adjustment in Financial Networks
本文构建模型研究金融网络中直接与间接交易对手违约相关性如何影响信用估值调整（CVA），给出违约概率近似解析解，并发现网络效应可导致CVA差异超50%且呈多模态分布。
2023-05-25 physics.soc-ph q-fin.MF q-fin.RM
Probability of Default modelling with Lévy-driven Ornstein-Uhlenbeck processes and applications in credit risk under the IFRS 9
本文提出基于Lévy驱动Ornstein-Uhlenbeck过程的广义违约概率建模框架，通过积分方程和偏积分微分方程刻画PD函数，证明解的存在性并开发数值方法，以满足IFRS 9对信用风险建模的更高要求。
2023-09-21 math.PR q-fin.RM
Default Risk Modeling Beyond the First-Passage Approximation: Extended Black-Cox Model
我们开发了一个推广的Black-Cox结构模型的违约风险。扩展模型捕捉到的不确定性，公司的能力，以避免违约，即使公司的负债暂时超过其资产。在辐射边界条件的线性势中的扩散被用来模拟公司的默认过程。相应的Fokker-Planck方程的精确解允许推导出累积违约概率和相关风险率的解析表达式。得到的封闭式公式很好地拟合了全球企业违约的历史数据，并展示了不同类别的投机级评级的公司债券的信用利差的分裂行为与不同的到期时间。在边界处引入有限违约率改进了短期内信用风险的估值，这是所提出的模型的主要优点。我们还考虑了初始距离的不确定性对模型结果的影响，并证明了这种额外的不完整信息来源可能是导致债券非零信用利差的原因。
2010-06-19 q-fin.CP q-fin.RM
On break-even correlation: the way to price structured credit derivatives by replication
本文在一个静态的框架下研究了欧式结构性信用支付的定价问题，其中违约时间是独立的，且给定一个公因子。一个实际的应用将包括高斯copula模型（GCM）下的第n个违约篮子的定价。给出了相应资产价格为鞅的充要条件，并引入了“盈亏平衡”相关矩阵的概念。当没有突然跳到违约事件发生时，我们证明了当且仅当潜在的单一名称信用利差遵循一个特定的动态家族时，这些收益在GCM下得到完美的复制。我们计算了相应的盈亏平衡相关性，我们展示了一类默顿风格的模型，与此结果是一致的。我们解释了为什么GCM没有很多的竞争对手之间的类的一个时期的静态模型，也许除了克莱顿copula。
2012-04-10 q-fin.PR q-fin.RM
A machine learning workflow to address credit default prediction
University of Pisa（比萨大学）
针对信用违约预测需求，提出一套含证据权重编码预处理、多类模型训练、集成技术与多目标遗传算法超参优化的机器学习工作流，兼顾准确率与财务因素，助力更可靠的信用风险评估。
2024-03-06 cs.CE cs.LG q-fin.RM
Modelling Credit Default Swaps: Market-Standard Vs Incomplete-Market Models
最近，不完全市场技术已被用于开发一个模型，适用于信用违约互换（CDS）所获得的结果是非常不同的，从那些使用市场标准模型获得的。本文利用新的不完全市场模型对CDS套期保值进行了进一步的研究，并对模型进行了扩展，使其能够处理单一名称的CDS组合。此外，一个对冲称为香草对冲，并与它，分析结果得到解释的显着特点的无套利边界与CDS到期的非流动性CDS的图。从不完全市场模型得出的估价过程是一个综合的建模和风险管理程序，首先使用模型找出无仲裁的公平价格范围，然后要求风险管理专业人员为买方和卖方找到既尊重模型确定的公平价格范围又使其公司受益的价格，作为谈判的基础。最后，在数值结果的一节中，说明了无套利边界作为CDS到期日的函数的惊人行为，并通过几个例子描述了通过对冲单一名称CDS投资组合来降低风险。
2014-03-09 q-fin.PR q-fin.RM
Counterparty risk valuation for Energy-Commodities swaps: Impact of volatilities and correlation
人们普遍认为，商品期货和远期价格原则上在一些简化的假设下是一致的。最相关的假设之一是不存在交易对手风险。事实上，由于保证金，期货几乎没有交易对手风险。相反，当与经纪人或外部清算所进行交易时，或者当嵌入互换等其他合约时，远期可能会承担交易对手违约的全部风险。在本文中，我们重点关注能源商品，特别是石油。我们使用一个混合商品信用模型来评估交易对手风险在定价公式中的影响，包括违约概率的总影响和信用利差波动、商品波动和信用商品相关性的微妙影响。我们用一个基于石油掉期的案例研究来说明我们的一般方法，表明交易对手风险的准确估值取决于波动率和相关性，并且不能通过预定义的乘数精确地解释。
2009-01-08 q-fin.PR q-fin.RM
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
Credit Spreads' Term Structure: Stochastic Modeling with CIR++ Intensity
LMRS, UMR 6085 CNRS（法国国家科学研究中心第6085号联合研究实验室）；Université de Rouen Normandie（诺曼底鲁昂大学）；LAMME, UMR 8071（法国国家科学研究中心第8071号联合研究实验室）；Université d’Evry（埃夫里大学）；LAGA, UMR 7539 CNRS（法国国家科学研究中心第7539号联合研究实验室）；Université Sorbonne Paris Nord（索邦巴黎北大学）；FBH Associés（FBH合伙公司）
本文提出基于CIR++模型的信用利差随机建模方法，填补了信用利差期限结构建模的空白，通过校准方法实现对信用利差的准确预测。
2026-01-08 q-fin.MF q-fin.RM
On Reduced Form Intensity-based Model with Trigger Events
企业违约可能由一些重大市场消息或事件引发，例如金融危机或主要银行或金融机构倒闭。为了建立一个更符合实际的信用风险分析模型，我们引入了一种新的简化形式的基于强度的模型，该模型可以同时考虑可观察的“触发”事件和经济环境对企业违约的影响。该模型的核心思想是增加一个Cox过程的触发事件。本文考虑了单违约和多违约的情况。在前一种情况下，得到了缺省时间分布的简单表达式。应用所提出的模型来定价可违约债券和多名称信用违约互换（CDS）。
2013-01-01 q-fin.CP q-fin.RM
Fast and Stable Credit Gamma of CVA
针对CVA中违约强度不可微导致敏感性计算噪声高的问题，提出低开销的分析估计量以快速稳定地计算一阶和二阶敏感性，并讨论了向市场报价敏感性的转换。
2023-11-20 q-fin.CP q-fin.MF q-fin.PR
