Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "CreditRisk+®" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Generalized CreditRisk+ model and applications
    Autorzy:
    Szotek, Jakub
    Powiązania:
    https://bibliotekanauki.pl/articles/744602.pdf
    Data publikacji:
    2015-12-01
    Wydawca:
    Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie
    Opis:
    In the paper we give a mathematical overview of the CreditRisk+ model as a tool used for calculating credit risk in a portfolio of debts and suggest some other applications of the same method of analysis.
    Źródło:
    Annales Universitatis Paedagogicae Cracoviensis. Studia Mathematica; 2015, 14
    2300-133X
    Pojawia się w:
    Annales Universitatis Paedagogicae Cracoviensis. Studia Mathematica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The comparison on determination methods of loss distribution in credit portfolio in CreditRisk+ model
    Autorzy:
    Pietrzak, Agnieszka
    Powiązania:
    https://bibliotekanauki.pl/articles/658407.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    credit risk
    probability
    generating function
    inverse Fourier transform
    Opis:
    Model CreditRisk+ jest jedną z metod portfelowych służących do zarządzania ryzykiem kredytowym. W pracy omówione zostały założenia modelu, metody wyznaczenia oczekiwanych strat, jak również rozkładu straty z całego portfela kredytowego. Pierwsza numeryczna metoda stworzona przez Credit Suisse First Boston w 1997. która próbowała opisać ten model, bazowała na wzorze Panjer'a. Obecnie powstało kilka innych algorytmów umożliwiających wyznaczenie dystrybuanty straty z portfela kredytowego. Dwa z nich zostały omówione i porównane w tej pracy. Jeden algorytm bazuje na funkcji generującej prawdopodobieństwo, natomiast drugi wykorzystuje odwrotną transformatę Fouriera.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2011, 255
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparing reduced form vs. structural models in measuring and managing credit portfolio risks - a comprehensive meta – analysis
    Porównanie model zredukowanych i strukturalnych w pomiarze i zarządzaniu ryzykiem portfolio kredytowego - metaanaliza wielokryterialna
    Autorzy:
    Reinwald, Raphael
    Powiązania:
    https://bibliotekanauki.pl/articles/1930393.pdf
    Data publikacji:
    2021-06-30
    Wydawca:
    Wyższa Szkoła Finansów i Zarządzania w Białymstoku
    Tematy:
    credit portfolio models
    credit risk
    CreditMetrics®
    CreditRisk+®
    portfolio model comparison
    Opis:
    This paper is comparing the main credit portfolio models used in the banking industry as well as in academic research for credit risk measuring and pricing purposes. These models can be classified as structural models, hazard rate models and macro-factor/econometric models (the last group is very similar to structural ones and hence not investigated in detail here). Proponents and famous implementations are CreditMetrics® by JP Morgan (1998) and KMV® (Kealhofer, McQuown and Vasicek, 1993) of Moody’s for the structural type and CreditRisk+® by Credit Suisse First Boston (CSFB, 1997) for the hazard rate model. As all of them are frequently used the null hypothesis is that they perform equally well. In the first part of this paper – as intermediate aim - qualitative properties are compared and in the second part the models are disassembled (using a methodology similar to Hickman) and quantitatively considered with the overall goal to prove which one is measuring Credit Portfolio Risk most precisely – in contrast to existing papers not only regarding specific portfolio(s) or settings but building on a meta-analysis research of papers published on that topic. As a result – rejecting the null hypothesis - CreditMetrics® is performing better in most circumstances, especially with exchange-listed, large companies and low-default portfolios whereas CreditRisk+® is easier to handle and often useful for granular, retail type portfolios.
    Dokładny pomiar ryzyka kredytowego jest kluczowy z punktu widzenia instytucji finansowych. Są one zobowiązane nie tylko wypełniać wymagań prawne i zarządcze stawiane przez regulatorów takich jak EBA czy ECB w formie regulacji CRR II i CRD V w Unii Europejskiej, ale są także zobowiązane prowadzić działalność w sposób zabezpieczający interesy biznesowe właścicieli i interesariuszy, w szczególności odnośnie do zarządzania portfolio udzielonych kredytów i związanych z nimi ryzyk (upadłości i transferu). Sprawia to, że wykorzystanie zaawansowanych modeli oceny ryzyka jest branżowym standardem. Sytuacja w innych uwarunkowania jurysdykcyjnych (w Stanach Zjednoczonych czy Szwajcarii) jest podobna ze względu na uwarunkowania Basel III i wynikające z nich regulacji na poziomie krajowym. Niemniej jednak, wciąż w obszarze modelowania ryzyka kredytowego jest wiele obszarów, które nie są wystarczająco dobrze opisane. Między innymi, nie przeprowadzono metaanalizy dotychczas opublikowanych badań, która przesądzałaby nad wyższością jednych metod nad innymi. Jest to istotne, ponieważ wdrożenie skuteczniejszego modelu skutkuje przewagą konkurencyjną banku w zakresie modelowania ryzyka związanego z kredytem, a tym samym, długofalowo, zmniejsza wartość zaangażowania kapitałowego niezbędnego do pokrycia ewentualnych strat. Stąd, przeprowadzenie takiej pogłębionej metaanalizy stało się celem tego artykułu. Hipoteza zerowa stanowi, że modele CreditMetrics® i CreditRisk+® są jednakowo skuteczne - w szczególności w odniesieniu do kredytów korporacyjnych. Istotną część artykułu stanowi tym samym również dokładne porównanie i wyjaśnienie mocnych oraz słabych stron modeli, w szczególności w odniesieniu do konkretnych typów portfolio czy segmentów odbiorców.
    Źródło:
    Przedsiębiorstwo & Finanse; 2021, 1; 65-81
    2084-1361
    Pojawia się w:
    Przedsiębiorstwo & Finanse
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies