WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Modélisation en risques de crédit : dérivés de crédit et calibration de modèles structurels

( Télécharger le fichier original )
par Mohamed Naji JELLALI
Université de Sfax-Tunisie - MASTÈRE 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.1 .2 Forces et Faiblesses

Forces :

? Le modèle relie les probabilités de défaut aux informations du marché.

? Les débiteurs sont spécifiques. On peut les distinguer par leur propre probabilité de défaut,

leur propre structure de capital et leurs propres actifs (contrairement aux modèles de CreditMetrics

et de CreditRisk+).

? Contrairement à l'approche de Merton, le seuil de défaut est défini de manière empirique

comme la somme de la dette financière à long terme de la firme et de la moitié de sa dette

à court terme.

Faiblesses :

? L'hypothèse que la dette de la firme est constituée d'obligations zéro-coupon et d'actions

n'est pas réaliste.

? Le prix des actifs est supposé suivre un mouvement brownien géométrique.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire