کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7155720 1462623 2015 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A reduced-form intensity-based model under fuzzy environments
ترجمه فارسی عنوان
یک مدل مبتنی بر شدت کاهش یافته در محیط های فازی
کلمات کلیدی
مدل مبتنی بر شدت، محیط های فازی، قیمت گذاری مشتقات،
ترجمه چکیده
شوک های خارجی و درگیری های داخلی منابع مهم وقایع پیش فرض هستند. با این حال، شوک های خارجی و تاثیر مخرب داخلی در شرکت دیده نمی شود، ما نمی توانیم اندازه دقیق شوک ها را بدست آوریم. اطلاعات مربوط به سرمایه گذاران نسبت به فرآیند پیش فرض فازی مشخصی را نشان می دهد. بنابراین استفاده از تصادفی و فازی برای مطالعه مشکلات مانند قیمت گذاری مشتق شده یا احتمال پیش بینی نیازهای عملی دارد. اما ایده اصلاح مدل های ریسک اعتباری، به ویژه در مدل کاهش یافته، به شدت مورد بهره برداری قرار می گیرد. این مقاله یک مدل شدت پیش فرض جدید با فازی ارائه می دهد و احتمال پیش بینی فازی و نرخ ضرر پیش فرض را ارائه می دهد و آنها را به قیمت های ممتد بدهی و اعتبار پیش بینی می کند. در نهایت، تحلیل شبیه سازی، عقلانیت مدل را تأیید می کند. با استفاده از اعداد فازی و تجزیه و تحلیل تصادفی، می توان منابع نامشخصتری در فرآیند پیش فرض پیش فرض و قضاوت ذهنی سرمایه گذاران در بازارهای مالی در انواع قابلیت اطمینان فازی را در نظر گرفت تا گسترش دامنه گسترش بدهی های احتمالی را گسترش دهد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی مکانیک
پیش نمایش مقاله
یک مدل مبتنی بر شدت کاهش یافته در محیط های فازی
چکیده انگلیسی
The external shocks and internal contagion are the important sources of default events. However, the external shocks and internal contagion effect on the company is not observed, we cannot get the accurate size of the shocks. The information of investors relative to the default process exhibits a certain fuzziness. Therefore, using randomness and fuzziness to study such problems as derivative pricing or default probability has practical needs. But the idea of fuzzifying credit risk models is little exploited, especially in a reduced-form model. This paper proposes a new default intensity model with fuzziness and presents a fuzzy default probability and default loss rate, and puts them into default debt and credit derivative pricing. Finally, the simulation analysis verifies the rationality of the model. Using fuzzy numbers and random analysis one can consider more uncertain sources in the default process of default and investors' subjective judgment on the financial markets in a variety of fuzzy reliability so as to broaden the scope of possible credit spreads.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Communications in Nonlinear Science and Numerical Simulation - Volume 22, Issues 1–3, May 2015, Pages 1169-1177
نویسندگان
, ,