本发明专利技术的目的是在ＭＴＭ方式的分析近似中高速地求得Ｖａｒ等。本发明专利技术提供一种信息处理装置，具有：评级阈值计算单元，其取得存储在存储装置中的从评级ｓ变迁到评级ｋ的概率ｐｓｋ，根据取得的ｐｓｋ计算债务人变为评级ｒ以下的评级阈值θｉｒ；带条件概率计算单元，其取得存储在存储装置中的各债务人ｉ的常数ａｉ，基于取得的ａｉ、由ｚ计算单元计算得到的ｚ、由评级阈值计算单元计算得到的θｉｒ，在ｚ固定的条件下计算债务人ｉ到达评级ｒ以下的概率ｐｓｉｒ（ｚ）；ｗｉｒ计算单元，基于存储在存储装置中的从债务人ｉ的现在的评级到评级ｒ变迁时的风险暴露价值Ｖｉｒ，计算债务人ｉ的相邻评级间的风险暴露价值的差ｗｉｒ。
【技术实现步骤摘要】
本专利技术涉及。
技术介绍
作为信用风险的VaR(Value at Risk,即风险价值。对应于置信水平α的百分点) 的计算方法，蒙特卡洛法被广泛应用。又，作为信用风险的模型化的方法，有DM (Default Mode)方式和MTM(Mark-t0-Market/时价评价)方式。DM方式是仅采用违约时的损失额做 成损失分布的模型，用于包含面向中小型零售商的授信的信用风险计测。另一方面，MTM方 式是同时还考虑违约情况以外的损益做成损益分布的模型，其主要用于需要考虑由于时价 的下跌导致的损失的市场性金融商品(例如公司债券等)。对于DM方式和MTM方式中的任何一种模型，都已知有通过蒙特卡洛法计算VaR的 方法。例如，在专利文献1中，记载了 DM方式和MTM方式的模型化的说明，和通过蒙特卡洛 法计算VaR的计算方法。又，除了蒙特卡洛法以外，例如，非专利文献1中记载了对DM方式 分析性计算VaR的方法。专利文献1日本专利公开2009-32237号公报非专利文献1《授信资产组合的信用风险的分析性评价方法以极限损失分布和 粒度(7，二 ^，U〒4 )调整为轴》，日本银行金融研究所，2005年7月
技术实现思路
专利技术所要解决的课题近年来，国内外都在呼吁经济资本运营(以各公司的风险贡献度为基础，基于哪 一部门担负多少风险量等、或是收益性等观点的管理会计性的业务运营)的必要性，将整 体VaR分解为“各公司对VaR的风险贡献度”的重要性提高。但是，在上述蒙特卡洛方法的情况下，求取风险贡献度时，由于存在由随机数造成 的误差，因此会导致数值不稳定、整体VaR和各公司贡献度的总和不一致、以太小单位求取 贡献度所耗费的时间较长、需要大容量的存储器这些问题。为此，提出通过分析性手法计算VaR的技术。通过分析性手法，可以高精度且高速 地计算各公司各自的风险贡献度。如上所述，作为信用风险的模型化的方式，有DM方式和 MTM方式，在非专利文献1中，对于DM方式，公开了分析性计算VaR的计算方法。另一方面， 对于MTM方式，由于相比DM方式，参数多，分布复杂，因此通常认为难以分析性地计算VaR。这里，通过附图，对上述课题进行更详细的说明。图1是表示根据DM方式的债务 人i的评级和损失额的示意图。Pi是对应债务人i的评级的违约率。如图1所示，在DM方 式中，由于能够统一包括违约以外的情况，因此如图2所示，可以以二项分布表示图1。图2 是显示以二项分布表示图1的一例的图。根据图2的评级变迁，在DM方式中，如下求得资产组合的损失额的概率分布数式1 \ 6为真时 O 6为假时此处，L 资产组合的损失额Li 债务人i造成的损失额Di 表示债务人i的状态(违约、非违约)的概率变量Xi 表示债务人i的企业价值的概率变量1:定义函数Pi 债务人i的违约率LGDi 债务人i的风险暴露(exposure)的违约时损失率EADi 债务人i的风险暴露额实际上，由于资产组合中所包含的各债务人的违约率和违约时损失额是不同的， 即使如图2那样显示各个债务人，资产组合的损失额的分布也非常复杂，难以求得VaR。因此，以往通过利用蒙特卡洛法模拟试验(仅与试行次数相应地生成与概率变量 相对应的随机数，依次计算Di — Li — L)计算出概率分布和其风险指标(VaR)。近年来，已知有粒度(granularity)调整法等的采用分析近似的VaR计算方法。由 此，不仅可以求得VaR，而且还能够稳定且高速地求得各债务人的风险贡献度。 数式2是在DM方式中分析性地求取VaR时，求债务人i的风险贡献度的式子，和 在DM方式中分析性求取VaR的式子。另一方面，显示MTM方式中债务人i的评级变迁和损益额的图成为图3那样的多 项分布，由于每一个债务人的参数都比DM方式多，因此存在着和DM方式相比VaR的分析近 似非常困难这样的问题。此处，图3表示根据MTM方式的债务人i的评级变迁和损益额的 图。Pir是债务人i从现在的评级变迁为评级r的评级变迁概率。本专利技术鉴于上述问题点，其目的在于使得在MTM方式的分析近似中快速求得VaR 等成为能够。解决课题的手段本专利技术的信息处理装置，包括z计算单元，其基于存储在存储装置中的置信水平 α，计算与α对应的风险因子ζ的百分点；评级阈值计算单元，其取得存储在存储装置中的 评级s变迁到评级k的概率psk，基于取得的Psk计算债务人i变为评级r以下的评级阈值 θ ir ；带条件概率计算单元，其取得存储在存储装置中的各债务人i的常数％，并基于取得 的％、由所述ζ计算单元计算得到的ζ、和由所述评级阈值计算单元计算得到的θ…在z为 固定时的条件下，以N为标准正态分布的累积概率函数，以下式数式3 (式1)计算债务人i变为评级r以下的概率PSiJz) ；Wir计算单元，其基于存储在存储装 置中的从债务人i的现在的评级变迁向评级r时的风险暴露价值Vy以下式wir = Vir-Vi (r+1)式(2)计算债务人i的相邻评级间的风险暴露价值的差W"信息处理装置通过这样的构成，可如式(1)那样计算在ζ相对评级s向评级k变 迁的概率Psk固定时的条件下债务人i变为评级r以下的概率psk (ζ)。又，信息处理装置 通过这样的构成，可如式(2)那样计算债务人i的相邻评级间的风险暴露价值相对于债务 人i当前评级向评级r变迁时的风险暴露价值Vk的差Wy psir(z)以式(1)求得，以 式(2)求得，这对应于MTM方式中表示债务人i的评级变迁和损益额的多项分布可以二项 分布的相加来表现。这样，在ζ固定的条件下可容易地(快速地)计算得到组合价值V的 带条件期待值l(z)、在ζ固定的条件下组合价值V的带条件分散ν (ζ)可容易地(快速地) 计算得到，从而可通过MTM方式分析性地计算VaR。本专利技术的信息处理装置进行的信息处理方法，包括z计算步骤，其基于存储在存 储装置中的置信水平α，计算与α对应的风险因子ζ的百分点；评级阈值计算步骤，其取 得存储在存储装置中的从评级s变迁到评级k的概率psk，基于所取得的Psk计算债务人i变 为评级r以下的评级阈值θ ir ；带条件概率计算步骤，其取得存储在存储装置中的各债务人 i的常数并基于取得的a”由所述ζ计算步骤计算得到的ζ、和由所述评级阈值计算步骤 计算得到的θ y在ζ为固定时的条件下，以N为标准正态分布的累积概率函数，以下式数式4 计算债务人i在评级r以下的概率ρ、(ζ)；Wir计算单元，其基于存储在存储装置中的从债务人i的现在的评级朝向评级r变 迁时的风险暴露价值Vy以Wir = Vir-Vi(r+1)计算债务人i的相邻评级间的风险暴露价值的差 WirO专利技术效果根据本专利技术，可在MTM方式的分析近似中高速地求得VaR等。附图说明图1是表示根据DM方式的债务人i的评级变迁和损失额的示意图。图2是显示以二项分布显示图1的一例的图。图3是显示根据MTM方式的债务人i的评级变迁和损益额的示意图。图4是表示通过二项分布的相加表现图3那样的多项分布的一例的示意图。图5是基于企业价值模型对图4进行说明的图。图6是显示信息处理装置的硬件构成的一例的示意图。图7是显示信息处理装置的软件构成的一例的示意图。图8是显示存储评级变迁矩阵的表格的一例的示意图。图9是显示存本文档来自技高网...
【技术保护点】
一种信息处理装置，其特征在于，包括：ｚ计算单元，其基于存储在存储装置中的置信水平α，计算与α对应的风险因子ｚ的百分点；评级阈值计算单元，其取得存储在存储装置中的评级ｓ变迁到评级ｋ的概率ｐ↓［ｓｋ］，基于取得的ｐ↓［ｓｋ］计算债务人ｉ变为评级ｒ以下的评级阈值θ↓［ｉｒ］；带条件概率计算单元，其取得存储在存储装置中的各债务人ｉ的常数ａ↓［ｉ］，并基于取得的ａ↓［ｉ］、由所述ｚ计算单元计算得到的ｚ、和由所述评级阈值计算单元计算得到的θ↓［ｉｒ］，在ｚ为固定时的条件下，以Ｎ为标准正态分布的累积概率函数，以下式数式１ｐｓ↓［ｉｒ］（ｚ）＝Ｎ（θ↓［ｉｒ］－＊ｚ／＊）计算债务人ｉ变为评级ｒ以下的概率ｐｓ↓［ｉｒ］（ｚ）；ｗ↓［ｉｒ］计算单元，其基于存储在存储装置中的从债务人ｉ的现在的评级变迁向评级ｒ时的风险暴露价值Ｖ↓［ｉｒ］，以下式ｗ↓［ｉｒ］＝Ｖ↓［ｉｒ］－Ｖ↓［ｉ（ｒ＋１）］计算债务人ｉ的相邻评级间的风险暴露价值的差ｗ↓［ｉｒ］。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：武下博纪，
申请(专利权)人：新日铁系统集成株式会社，
类型：发明
国别省市：JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。