MétaCan
Menu
Retour à la cohorte
Enregistrement W2084547039 · doi:10.1142/s0219024909005646

CREDIT RISK MODELING USING TIME-CHANGED BROWNIAN MOTION

2009· article· en· W2084547039 sur OpenAlexaff
T. R. Hurd

Notice bibliographique

RevueInternational Journal of Theoretical and Applied Finance · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCredit Risk and Financial Regulations
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésCredit default swapCredit derivativeStochastic volatilityValuation (finance)Geometric Brownian motionCredit riskBrownian motionRange (aeronautics)EconometricsEconomicsPortfolioVolatility (finance)Mathematical economicsApplied mathematicsMathematicsComputer scienceDiffusion processFinancial economicsActuarial scienceFinanceStatistics

Résumé

récupéré en direct d'OpenAlex

Motivated by the interplay between structural and reduced form credit models, we propose to model the firm value process as a time-changed Brownian motion that may include jumps and stochastic volatility effects, and to study the first passage problem for such processes. We are lead to consider modifying the standard first passage problem for stochastic processes to capitalize on this time change structure and find that the distribution functions of such "first passage times of the second kind" are efficiently computable in a wide range of useful examples. Thus this new notion of first passage can be used to define the time of default in generalized structural credit models. Formulas for defaultable bonds and credit default swaps are given that are both efficiently computable and lead to realistic spread curves. Finally, we show that by treating joint firm value processes as dependent time changes of independent Brownian motions, one can obtain multifirm credit models with rich and plausible dynamics and enjoying the possibility of efficient valuation of portfolio credit derivatives.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,221
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,226
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Theoretical and Applied FinanceMême sujetCredit Risk and Financial RegulationsTravaux en français237 207