Autor(es): Santos, Leonor Marques Pompeu dos
Data: 2015
Identificador Persistente: http://hdl.handle.net/10400.5/11061
Origem: Repositório da UTL
Assunto(s): Modelos Ocultos de Markov; Modelos Ocultos de Markov Poisson; Risco de Crédito; Modelos para o Risco de Crédito; Máxima Verosimilhança; Risco; Modelação do Incumprimento; Hidden Markov Models; Poisson Hidden Markov Models; Credit Risk; Credit Risk Models; Maximum Likelihood; Risk State; Default Modeling
Mestrado em Matemática Financeira
A análise do Risco de Crédito, a avaliação do risco de defafult ou de redução do valor de mercado causado por alterações na qualidade de crédito, tem sido um tema vastamente estudado ao longo dos últimos trinta anos e é hoje mais relevante que nunca, com o mundo ainda a recuperar das consequências de uma crise financeira, na sua génese induzida por uma observação imperfeita deste tipo de risco. Tal como alguns dos modelos apresentados anteriormente, o modelo apresentado nesta dissertação assume que os eventos de default estão directamente ligados a uma variável associada ao risco, partindo de um modelo simples que assume que o default segue um Modelo Oculto de Markov Binomial de dois estados, ou seja, um modelo que considera apenas dois "estados de risco" possíveis para explicar na totalidade a ocorrência de default, e aproximando-o a um Modelo Oculto de Markov Poisson, com todas as simplificações computacionais associadas a esta aproximação, tentando, ao mesmo tempo, traduzir o modelo para um cenário menos extremo, com a inclusão de um nível de risco intermédio.
Credit Risk measurement, the evaluation of the risk of default or reduction in market value caused by changes in credit quality, has been a broadly studied subject over the last thirty years and is now more relevant than ever, when the world is still suffering the consequences of the break of a financial crisis in its genesis induced by a false observation of this kind of risk. Just like some of the previous studies, the model presented in this dissertation assumes that default events are directly connected to risk state variables, starting from a very simple model that assumes defaults to follow a two-state Binomial Hidden Markov Model, considering only two different risk categories to fully explain default occurrence, and approximating it to a Poisson Hidden Markov Model, with all the computational simplifications brought by this approximation, trying, at the same time, to translate the model into a less extreme framework, with the addition of an intermediate risk level, a "normal" risk state.
