First passage time problem for multivariate jump-diffusion processes: Models, computation, and applications in finance
Notice bibliographique
Résumé
The first passage time (FPT) problems are ubiquitous in many applications, from physics to finance. Mathematically, such problems are often reduced to the evaluation of the probability density of the time for a process to cross a certain level, a boundary, or to enter a certain region. While in other areas of applications the FPT problems can often be solved analytically, in finance we usually have to resort to the application of numerical procedures, in particular when we deal with jump-diffusion stochastic processes (JDP). The application of the conventional Monte-Carlo procedure is possible for the solution of the resulting model, but it becomes computationally inefficient which severely restricts its applicability in many practically interesting cases. In this dissertation, we are interested in the development of efficient Monte-Carlo-based computational procedures for the estimation of the probability density of the time for a random process to cross a specified threshold level. Our main application is the credit risk analysis where we focus on a case of several “coupled” companies for which we attempt to evaluate their dependent defaults. In particular, we consider a situation where individual companies are linked together via certain economic conditions, so the default events of companies are correlated. This is usually the case, for example, when the companies are in the same industry or in supply chain management problems. In this dissertation, we have successfully developed such efficient computational procedures that can be carried out for multivariate (and correlated) jump-diffusion processes. We have also provided details of the implementation of the developed Monte-Carlo-based technique for a subclass of multidimensional Levy processes with several compound Poisson shocks. Finally, we have demonstrated the applicability of the developed methodologies to the analysis of the default rates and default correlations of several different, but correlated firms via a set of empirical data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».