來自歷史市場數據的 CDS 價差情景
我正在尋找有關生成用於風險價值或 ES 計算的場景的最佳方法的資訊，用於 CDS 價差。
鑑於我們需要大量的歷史數據來獲得一個不錯的經驗機率分佈，我想知道可能存在哪些問題。
對於單一名稱實體。
- 如果公司概況在過去 5 到 10 年間發生了很大變化，這會不會有問題？
- 我們是否需要關心潛在的參考義務？（這與1有關嗎？）
- 考慮到我們可能想要考慮整個期限結構，應用 PCA 技術來降低維度是否合適？
對於指數。
- 例如，對於 iTraxx，我們每 6 個月（來自 Markit 首頁）獲得新的成分。我想這可能會導致價格上漲。我們該如何處理呢？
最後，是否可以對 CDS 價差使用歷史模擬，或者應用一些蒙特卡羅模擬更好？
我曾經幫助管理一個大型 CDS 投資組合，並且（與 RiskMetrics 的人一起）我們確定了一種我認為相當不錯的方法。
首先，讓我說僅市場數據的模擬是錯誤的方法。信用風險在各個層面都具有粘性，然後像瘋了一樣跳躍，因此任何給定公司的歷史往往包含對風險的高度不切實際的表示。
讓我們從蒙地卡羅模擬的角度來考慮。有時您可以分析解決這些問題，但在實踐中，分析解決方案很快就會變得脆弱。
首先，您的模擬必須包括預設跳轉。畢竟，它們是 CDS 具有任何價值的原因！
對於不太了解市場的讀者來說，因為 CDS Big Bang CDS 幾乎總是按預付款定價，然後按標準費率支付優惠券。然而，這些前期價格可能是正數或負數，最終取決於違約機率。因此，如果您將 CDS 預先轉換為預設機率曲線，則進行模擬會容易得多，該曲線具有不低於零的特性。
為了模擬曲線變化，您可以開始從利率文獻中竊取想法。對於預期的缺口，通常只需將任何單個曲線上的幾個點視為對數正態分佈就足夠了，具有很高的正相關性。
實際上，我喜歡在由 HY 或 IG CDX 曲線組成的單個主因子上使用 1 因子模型處理所有曲線。然後可以僅通過 CDX 曲線擷取與股票或利率市場的關聯，從而使各個曲線具有其 CDX 分量以及完全特殊的術語（跳躍到違約和違約機率變化）。
如果您願意，您可以添加恢復率的模擬，儘管在實踐中我發現那些往往只是整合出來，所以我最終刪除了恢復率模擬。
一旦完成了曲線模擬，就很容易根據情景定價的需要將其轉換回前期價格。