Beruflich Dokumente
Kultur Dokumente
Rτ
" #
− r(s)ds
(1 − ϕ) · E0Q e 0 · 1{τ ≤T }
c= . (1)
Rti
4T
P − r(s)ds
∆i · E0Q e 0 · 1{ti <τ }
i=1
Über Gleichung 1 kann nun ein Ausfallmodell an die Marktprämie c kalibriert werden,
indem zunächst ein Zinsmodell für den Prozess r(t) spezifiziert wird und im Anschluss
aus dem Ausfallmodell die Ausfallwahrscheinlichkeiten 1{ti <τ } und 1{τ ≤T } hergeleitet
werden.
gesellschaft erwerben, die es ihm erlauben, Teile des Zahlungsstroms aus dem CDS-
Portefeuille zu erhalten. Im Gegenzug kann B sein eingesetztes Kapital verlieren, wenn
es zu Ausfällen im Portefeuille kommt.10
Der prozentuale, akkumulierte Verlustprozess eines Portefeuilles im Zeitpunkt t lässt
sich als
m
X (1 − ϕj )
L(t) = · 1{τj ≤t}
j=1
m
ausdrücken11 . Seien 0 < x < y ≤ 1, dann ist der akkumulierte Verlust einer Tranche
[x, y] gegeben durch
Rt
" #
RT − r(s)ds
E0Q e 0 dL(t, x, y)
t=0
c(0, x, y) = . (2)
Rti
4T
P − r(s)ds
∆i · E0Q {(y − x) − L(ti , x, y)} · e 0
i=1
Für die Bewertung einer Prämie bedarf es demnach einer Modellierung von L(t). Sie
wird im Folgenden über ein Top-Modell vorgenommen.
10
Vgl. Schön und Cortez (2009), S. 12f.
11
Vgl. Herbertsson (2007), S. 10.
12
Vgl. Herbertsson (2007), S. 10.
13
Vgl. Herbertsson (2007), S. 10.
14
Vgl. Herbertsson (2007), S. 11.
15
Vgl. Herbertsson (2007), S. 12.
3 KONKRETE MODELLIERUNG EINES TOP-DOWN-MODELLS 4
3.1 Top-Modell
Das 3-Faktor-Modell nach Longstaff und Rajan (2008) erlaubt es, Collateralized Debt
Obligations zu bewerten und korrelierte Ausfälle zu berücksichtigen. Die Modellierung
der Ausfälle geschieht dabei über drei Poisson-Prozesse, die unterschiedliche Sprunghöhen
aufweisen können und somit den Portefeuilleverlustprozess in unterschiedlicher Weise
beeinflussen16 . Der Portefeuilleverlustprozess wird über
3
X
(1 − e−γi ) · dNi (t)
dL(t) = (1 − L(t)) · (3)
i=1
p
dλi (t) = σi λi (t)dWi (t), i = 1, 2, 3, (4)
wobei dWi (t) die Inkremente von drei unabhängigen Brown’schen Bewegungen sind.
Damit das Top-Modell nach Longstaff und Rajan (2008) an den Down-Schritt nach
Halperin und Tomecek (2008) gekoppelt werden kann, bedarf es der Berechnung der
Ausfallwahrscheinlichkeiten wj (t) aus dem Top-Modell. Die Ausfallwahrscheinlichkei-
ten wj (t) geben an, mit welcher Wahrscheinlichkeit mindestens j Ausfälle im Porte-
feuille im Zeitintervall [t, T ] stattfinden, wobei mit T das Laufzeitende der Kontrakte
bezeichnet wird. wj (t) sind aus dem Top-Modell nicht ohne weiteres bestimmbar, da
16
Vgl. Longstaff und Rajan (2008), S. 529f.
Q3
17
Die Lösung von Gleichung 3 ist L(t) = 1 − i=1 e−γi ·Ni (t) , vgl. Longstaff und Rajan (2008), S.
541.
3 KONKRETE MODELLIERUNG EINES TOP-DOWN-MODELLS 5
mit dem Modell der Portefeuilleverlustprozess L(t) modelliert wird, jedoch nicht die
Anzahl der Ausfälle.
3.2 Down-Schritt
Um wj (t) aus dem Modell nach Longstaff und Rajan (2008) berechnen zu können,
wird in der vorliegenden Arbeit ein Ansatz zur Diskretisierung von L(t) entwickelt.
Mit diesem Ansatz ist es ohne weiteres möglich, wj (t) aus L(t) zu bestimmen und
das Top-Modell an den Down-Schritt nach Halperin und Tomecek (2008) zu koppeln.
Die Kernidee des Ansatzes liegt in der passenden Diskretisierung der Verteilung des
Portefeuilleverlustprozesses L(t). Im wesentlichen geht es dabei um eine Unterteilung
von L(t) in diskrete Abschnitte, die den Ausfällen auf Portefeuille-Ebene entsprechen.
Die Wahrscheinlichkeit für die Realisierung von j Ausfällen erhält man dann durch
Integration über die Dichtefunktion von L(t) im Abschnitt j.
Weil die über die Diskretisierung gewonnenen Ausfallwahrscheinlichkeiten wj (t) nur
Informationen darüber liefern, wieviele Einzelschuldner im Portefeuille ausfallen, aber
nicht welche Einzelschuldner dies sein werden, bedarf es einer Verdünnung der wj (t)
auf die Einzelschuldner des Portefeuilles. Die Verdünnung wird über den Down-Schritt
nach Halperin und Tomecek (2008) vorgenommen. Er basiert im wesentlichen auf einer
Ausfallmatrix, die die Wahrscheinlichkeiten wj (t) auf die Einzelschuldner aufteilt. Um
die Einzelschuldnerdynamiken von den Portefeuilledynamiken zu dekorrelieren, wird
ein dynamischer Filter in die Ausfallmatrix eingebettet.
3.2.1 Ausfallmatrix
Die Elemente der Ausfallmatrix pi|j (t) geben die bedingte Wahrscheinlichkeit an, dass
der Einzelschuldner i ausfällt, gesetzt den Fall, dass j Ausfälle im Portefeuille statt-
gefunden haben. Wenn Qi (t) die Wahrscheinlichkeit angibt, dass Einzelschuldner i im
Zeitintervall [t, T ] ausfällt, dann ergibt sich folgender, elementarer Zusammenhang18 :
m
X
pi|j (t) · wj (t) = Qi (t). (5)
j=1
Über Gleichung 5 wird also das Zusammenspiel von Top-Modell und Down-Schritt
definiert. Die Ausfallwahrscheinlichkeiten der Einzelschuldner Qi (t) werden demnach
von allen j = 1, . . . , m Ausfallwahrscheinlichkeiten wj (t) des Top-Modells beeinflusst
18
Vgl. Halperin und Tomecek (2008), S. 5.
3 KONKRETE MODELLIERUNG EINES TOP-DOWN-MODELLS 6
und ergeben sich aus dem Skalarprodukt von wj (t) und der i-ten Zeile der bedingten
Ausfallmatrix pi|j (t). Außerdem wird klar, dass alle Qi (t) ähnlich auf Schwankungen in
wj (t) reagieren, wenn die Ausfallmatrizen pi|j (t) über die Zeit konstant sind. Hieraus
ergäbe sich eine perfekte Korrelation aller Einzelschuldnerdynamiken, was nicht realis-
tisch erscheint.
simuliert. Dabei enthält der Driftterm Θ(t) die Information, welcher Einzelschuldner
als nächstes ausfallen wird. Fällt z. B. der dritte Einzelschuldner als nächstes aus, so
ist Θ(t) ein Vektor, dessen drittes Element den Wert 1 besitzt. Die restlichen Elemente
besitzen jeweils den Wert 0, weil die entsprechenden Einzelschuldner nicht als nächstes
ausfallen werden. Da jedoch nie eindeutig vorhergesagt werden kann, welcher Einzel-
schuldner als nächstes ausfällt, wird über die Brown’sche Bewegung dW (t) Unschärfe
in den Informationsprozess X(t) gebracht. Anhand der Elemente von X(t) kann dann
nicht mehr eindeutig vorhergesagt werden, welcher Einzelschuldner als nächstes ausfal-
len wird19 .
Im zweiten Schritt werden die in X(t) enthaltenen Informationen durch Anwendung
eines Filters in die Ausfallmatrix pi|j (t) eingearbeitet, wodurch schließlich die Ein-
zelschuldnerdynamiken dekorreliert werden. Die Schwierigkeit besteht nun darin, die
Ausfallmatrix pi|j (t) und die Volatilitätsmatrix Γ so zu kalibrieren, dass die mit dem
Top-Down-Modell erzeugten Einzelschuldnerdynamiken mit den am Markt beobacht-
baren übereinstimmen20 .
19
Vgl. Halperin und Tomecek (2008), S. 21f.
20
Vgl. Halperin und Tomecek (2008), S. 7f und S. 26f.
4 KALIBRIERUNG UND UMSETZUNG DES SPEZIFIZIERTEN TOP-DOWN-MODELLS7
5 Empirische Ergebnisse
Für die Umsetzung an Marktdaten wird auf tägliche Schlusspreise von Einzelschuldner-
und Portefeuilleprodukten des iTraxx-6 mit einer Laufzeit von fünf Jahren für den Zeit-
raum vom 21. September 2006 bis zum 21. März 2007 zurückgegriffen. Durch die Wahl
des iTraxx-6 mit fünf Jahren Laufzeit wird gewährleistet, dass die Prämien sehr liquide
und somit nicht verrauscht sind23 . Des weiteren liegt der 21. September 2006 deutlich
vor Beginn der Finanzkrise im Jahr 200724 , wodurch der Einfluss von Marktunsicher-
heiten und Liquiditätsengpässen als eher gering betrachtet werden kann25 .
Die Diskontstruktur wird für jeden der 130 Beobachtungszeitpunkte aus den EURIBOR-
Zins- und Swapsätzen mittels kubischer Spline-Interpolation gewonnen. Es werden die
EURIBOR-Zinssätze mit einer Fristigkeit von 1, 2, 3, 4, 5, 6 und 9 Monaten für die
Interpolation herangezogen. Die Diskontstruktur wird für den Zeitraum danach aus
den 1-, 2-, 3-, 4- und 5-jährigen Swapsätzen interpoliert.
Tabelle 1: RMSE der Differenzen zwischen Markt- und Modellprämien von Portefeuil-
leprodukten in Basispunkten.
22
Vgl. Halperin und Tomecek (2008), S. 26f.
23
Vgl. Blanco et al. (2005), S. 2260.
24
Vgl. Brunnermeier (2009), S. 82f.
25
Vgl. Diamond und Rajan (2005), S. 615f.
5 EMPIRISCHE ERGEBNISSE 9
6 Fazit
Die vorliegende Diplomarbeit ergänzt die bestehende Literatur um die konkrete Um-
setzung eines Top-Down-Modells anhand von Marktdaten. Das hierfür entwickelte Ka-
librierungsschema erweist sich als besonders praxistauglich, da es eine sehr schnelle und
akkurate Kalibrierung an Marktdaten gewährleistet. Ein weiterer wichtiger Aspekt be-
trifft die Kopplung des Top-Modells mit dem Down-Schritt, die über einen selbstent-
wickelten Kopplungsansatz erfolgreich umgesetzt werden kann. Die erzeugten Einzel-
schuldnerdynamiken weisen eine starke Rechtsschiefe auf, weshalb sich das Top-Down-
Modell für die Modellierung von Tail-Risiken eignet. Die qualitativen Eigenschaften
der Einzelschuldnerdynamiken stimmen jedoch größtenteils miteinander überein, so-
dass eine differenzierte Modellierung nicht möglich erscheint. Beim Hedging mit Credit
Default Swaps führt der Einsatz des Modells zwar zu einer Volatilitätszunahme, jedoch
kann der Hedge-Fehler um bis zu 80% reduziert werden.
LITERATUR 11
Literatur
Bielecki, Tomasz R.; Crépey, Stéphane und Jeanblanc, Monique, 2008, Up and Down
Credit Risk, Working Paper, 1–36.
Blanco, Roberto; Brennan, Simon und Marsh, Ian W., 2005, An Empirical Analysis of
the Dynamic Relation between Investment-Grade Bonds and Credit Default Swaps,
The Journal of Finance Vol. LX, Nr. 5, 2255–2281.
Brunnermeier, Markus K., 2009, Deciphering the Liquidity and Credit Crunch 2007-
2008, Journal of Economic Perspectives 23, 77–100.
Cox, John C.; Ingersoll, Jonathan E. und Ross, Stephan A., 1985, A Theory of the
Term-Structure of Interest Rates, Econometrica Vol. 53, Nr. 2, 385–407.
Diamond, Douglas W. und Rajan, Raghuram G., 2005, Liquidity Shortages and Ban-
king Crises, The Journal of Finance Vol. LX, Nr. 2, 615–647.
Errais, Eymen; Giesecke, Kay; und Goldberg, Lisa, 2007, Pricing Credit from the Top
Down with Affine Point Processes, Working Paper, Stanford University, 1–29.
Giesecke, Kay und Goldberg, Lisa, 2008, A Top-Down Approach to Multi-Name Credit,
Working Paper, Stanford University, 1–30.
Halperin, Igor und Tomecek, Pascal, 2008, Climbing Down from the Top: Single Name
Dynamics in Credit Top Down Models, Working Paper, JP Morgan Quantitative
Research, 1–33.
Herbertsson, Alexander, 2007, Pricing Portfolio Credit Derivatives, PhD Thesis, Göte-
borg University.
Kole, Erik; Keodijk, Kees und Verbeek, Marno, 2006, Selecting Copulas for Risk Ma-
nagement, Working Paper, Erasmus University Rotterdam, 1–23.
Lando, David, 1998, On Cox Processes and Credit Risky Securities, Review of Deriva-
tives Research Vol. 2, 99–120.
Longstaff, Francis A.; Mithal, Sanjay und Neis, Eric, 2005, Corporate Yield Spreads:
Default Risk or Liquidity? New Evidence from the Credit Default Swap Market, The
Journal of Finance Vol. LX, Nr. 5, 2213–2251.
LITERATUR 12
Longstaff, Francis A. und Rajan, Arvind, 2008, An Empirical Analysis of the Pricing of
Collateralized Debt Obligations, The Journal of Finance Vol. LXIII, Nr. 2, 529–563.
O’Kane, Dominic und Livesey, Matthew, 2004, Base Correlation Explained, Lehman
Brothers Quantitative Credit Research Quarterly Vol. 2004-Q3/4, 1–18.