從附加資訊估計信用轉換機率

讓我們說 $ P_{i,j}, j = 1,2,3, DEF $ 是從初始評級轉變的機率 $ i $ 評級 $ j $ ， 在哪裡 $ P_{i, DEF} $ 表示該初始評級的違約機率。

現在讓我們說，基於我需要修改上述預設機率的其他一些資訊 $ R_{i, DEF} $ - 這被認為是更準確的機率估計。

現在，我需要調整非預設機率，因為我現在有了更好的資訊。我認為以下 3 接近。

第一種方法是使用公式 $ \frac{1-P_{i,j}}{1-R_{i,j}} = \frac{1-P_{i, DEF}}{1-R_{i, DEF}}, j = 1,2,3 $

第二種方法是使用公式 $ \frac{P_{i,j}}{R_{i,j}} = \frac{P_{i, DEF}}{R_{i, DEF}}, j = 1,2,3 $

而且，第三種方法是使用公式 $ \frac{P_{i,j}}{R_{i,j}} = \frac{1-P_{i, DEF}}{1-R_{i, DEF}}, j = 1,2,3 $

在上述三種方法中，哪種方法可以被認為是最好的？

你的指針會很有幫助

我在數學堆棧交換中找到了這個執行緒：https ://math.stackexchange.com/questions/3988333/how-to-redistribute-probabilities-when-one-outcomes-probabilities-changes

它建議保持剩餘機率的比率不變，這在您的情況下可能是一個好主意，因為您可能希望避免使其他狀態或多或少地相互關聯，因為這隱含地意味著您已獲得更多資訊。

引用自：https://quant.stackexchange.com/questions/71727