Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
The Effects of Asset Return Correlation Errors in the Creditmetrics Framework
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.).
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.).
2011 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

To determine risk of a bond portfolio one might assume that the obligors' asset returns

follow a multivariate normal distribution with certain correlations. We investigate how

errors in the estimates of these correlations aect portfolio risk measures, where the

CreditMetrics framework is used to model portfolio behavior. Monte Carlo simulations

are carried out on two sample portfolios, with long and short durations respectively. The

correlation structures are altered both systematically and randomly and we also perform

simulations assuming independence and near perfect correlations. When the correlations

are changed at random we nd that the risk measures remain almost unaltered, which

indicates robustness of the CreditMetrics framework. Increased asset return correlations

across all obligors lead to higher volatilities and Value-at-Risks. The eect on the volatilities

are small, whereas the Value-at-Risks dier to a greater extent. This re ects the need

for greater capital buers, which is not recognized by the volatility measure. One can

thus conclude that the volatility is not an optimal risk measure for credit portfolios and

that accurate correlation estimates are important in order to determine suitable capital

buers.

Abstract [sv]

För att riskvärdera en obligationsportfölj kan man anta att utgivarnas avkastning på

tillgångar följer en multivariat normalfördelning. Vi undersöker hur felskattningar i korrelationerna

mellan dessa avkastningar påverkar olika riskmått, under förutsättningen att

CreditMetrics ramverk används för att modellera portföljers beteenden. Monte Carlosimuleringar

utförs på två olika portföljer, med lång respektive kort duration. Korrelationsstrukturerna

ändras både systematiskt och slumpmässigt och vi utför simuleringar

där oberoende och nära perfekt korrelation antas föreligga var för sig. Vi observerar att

slumpmässiga förändringar i korrelationerna ger nära oförändrade riskmått, vilket tyder

på robusthet hos CreditMetrics som ramverk. Systematiskt ökade korrelationer mellan alla

utgivare medför högre volatiliteter och Value-at-risks. Påverkan på volatiliteterna är dock

liten, medan skillnaderna hos alla Value-at-Risks är större. Det sistnämnda illustrerar

ett behov av större kapitalbuertar, något som till synes inte påvisas av volatilitetsmåttet.

Man kan därmed dra slutsatsen att volatiliteten inte är ett optimalt riskmått för

kreditportföljer, samt att noggranna uppskattningar av korrelationerna är viktiga för att

bestämma lämpliga kapitalbuertar.

Place, publisher, year, edition, pages
2011.
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-105546OAI: oai:DiVA.org:kth-105546DiVA: diva2:571402
Uppsok
Technology
Supervisors
Available from: 2012-11-22 Created: 2012-11-22 Last updated: 2013-02-12Bibliographically approved

Open Access in DiVA

fulltext(482 kB)