2

背景

金融机构将违约概率 (PD) 模型用于巴塞尔协议和欧洲资本要求法规和指令 (CRR/CRD IV) 要求的客户接受、拨备和监管资本计算等目的。PD 模型应该计算客户在一年内违约的概率。

回测

为了测试模型是否按预期执行,执行所谓的回测。一种这样的回测是计算找到实际违约数量等于或超出与预期值(客户 PD 值之和)的实际偏差的可能性。如果这个概率低于某个阈值,则模型将被拒绝。对于这个过程,我们需要 n 个伯努利实验之和的分布的 CDF,每个实验都有一个单独的、可能是唯一的 PD。

问题

Python 是否有一个内置的分布来描述多个伯努利画的总和,每个画都有自己的概率?

附录

由于许多金融机构将其投资组合划分为客户具有相同 PD 的桶,我们可以针对这种情况优化计算吗?

注意:这个问题已经在mathematica stack exchange 上被问过,并且已经提供了相同的答案。我需要在 python 代码中得到答案。这是mathematica解决方案的链接: https ://mathematica.stackexchange.com/questions/131347/backtesting-a-probability-of-default-pd-model

4

0 回答 0