Examinarea metodologiilor de risc

Nume: Fabi´an P´erez L´opez.

Data: 26 ianuarie 2019.
Instrucțiuni:

■ Examenul trebuie finalizat în mai puțin de 60 de minute.

■ Răspundeți la ce se cere în fiecare punct, inclusiv orice ipoteze utilizate. Dacă nu cunoașteți o definiție
pentru întrebările 4 și 5, alcătuiți-o, definiți-o și utilizați-o conform definiției sale.

■ Un număr nu merită un răspuns dacă logica folosită nu este inclusă.

Întrebarea 1 Definiția formală a derivatei unei funcții f. Funcția f este diferențiabilă în a dacă

f(a+h) -f(a) lım

h→0 h există.

În acest caz limita este desemnată prin f (a) și se numește derivată a lui f în a. Mai spunem că f este
0

diferențiabilă dacă f este diferențiabilă în a pentru tot a din domeniul lui f.

Întrebarea 2 Intuitiv (nu formal), ce reprezintă derivata a doua a unei funcții? Ca o trecere în revistă informală,
spunem că o funcție f este convexă pe un interval, dacă pentru toate a și b din acest interval, segmentul rectiliniu
care unește (a, f (a)) cu (b, f (b )) este deasupra graficului lui f (graf în formă de ∪); Funcția f este concavă dacă
segmentul rectiliniu menționat este sub graficul lui f (graf în formă de ∩). Astfel, dacă f > 0 înseamnă că f este
00 0

crescător, iar după teoremele de calcul elementar, f este convex. În caz contrar, dacă f < 0, f este în scădere
00 0

și, prin urmare, f este concav. Aceasta este ceea ce reprezintă derivata a doua a unei funcții f. O utilizare
importantă a derivatei a doua în localizarea maximelor și minimelor este următoarea teoremă, pe care o enunțăm
formal.
Să presupunem că f (a) = 0. Dacă f (a) > 0, atunci f are un minim local la a; dacă f (a) < 0, atunci f are un
0 00 00

maxim local la a.

Întrebarea 3 Ce este o funcție de probabilitate și care este utilizarea ei în estimarea parametrilor? Înainte de
răspuns, cititorul este pus în context pentru o mai bună înțelegere a definiției care va fi dată în curând.
Un model F-statistic este un set de distribuții (sau densități sau funcții de regresie). Un model parametric este o
mulțime F care poate fi parametrizată printr-un număr finit de parametri. De exemplu, dacă presupunem că datele
provin dintr-o distribuție nor greșit, atunci modelul este

F = f (x; µ, σ) = σ√2π exp - 2σ (x-µ)2

2
: µ ∈ R, σ > 0 .

Acesta este un model cu doi parametri. Am scris densitatea ca f (x; µ, σ) pentru a arăta că x este o valoare a
variabilei aleatoare, în timp ce µ și σ sunt parametri. În general, un model parametric ia forma

F = {f(x; θ) : θ ∈ Θ}

unde θ este un parametru necunoscut (sau un vector de parametri) care poate lua valori în spațiul parametrilor Θ.
În esență, principiul probabilității maxime presupune că eșantionul este reprezentativ pentru populație și alege ca
estimator valoarea parametrului care maximizează funcția de densitate de probabilitate (în continuare pdf) f(x; θ ).
Mai jos dăm definiția funcției de probabilitate.
Fie (X 1 , . . . , X n ) un vector aleator cu pdf f (x 1 , . . . , x n ; θ), θ ∈ Θ. Functia

1
 L(0; x 1 ,. . . , x n ) = f(x 1 , . . . , x n ; θ)

considerată ca o funcție a lui θ, se numește funcție de probabilitate.

Dacă X , . . . , X sunt independente și distribuite identic (în continuare iid) cu pdf f (x; θ), funcția de probabilitate
1 n

este

L(0; x 1 ,. . . , x n ) = f(x i ; θ).

i=1

Pe de altă parte, fie Θ ⊆ R și X = (X , . . . , ). Funcția de probabilitate este folosită pentru a găsi, din aceasta,
k
1 Xn

un estimator Θ(X) care o maximizează, adică pentru a găsi o funcție Θ ˆ : R → R care satisface n k

L(0; x ,. . . , x ) = sup L(θ; x , . . . ,x ).

1 n 1 n (1)
θ∈Θ

Constantele nu sunt acceptate ca estimatori. Dacă există un θ care satisface (1), îl numim estimator de maximă
probabilitate (în continuare MLE).

Întrebarea 4 Aveți un portofoliu de credite, portofoliul este compus doar din 3 credite la o anumită dată de
referință f 1 și știți că toate creditele au o scadență mai mică sau egală cu un an; Acest portofoliu este monitorizat
pe parcursul celor 12 luni de la data de referință și se observă următoarea distribuție a neîndeplinirii obligațiilor:

■ Creditul 1 nu este implicit,

■ Credit 2 implicite în luna 11,

■ Creditul 3 se întâlnește în lunile 4 și 9 (întâlnește de 2 ori pe an).

Cu informațiile de mai sus, obțineți cea mai bună estimare posibilă a probabilității ca un împrumut să fie neplată
în anul următor.
Așa cum sa menționat în problema 3, principiul probabilității maxime presupune că eșantionul este reprezentativ
pentru populație și alege ca estimator valoarea parametrului care maximizează af (x; θ). Se presupune că plățile
lunare ale fiecărui credit sunt independente.
Luați în considerare variabila aleatoare X ij = 0 dacă împrumutul i rămâne implicit în luna j (i = 1, . . . , 3, j = 1, . . . ,
12) sau X j = 1 dacă împrumutul i este datorat în luna j; Fie p probabilitatea de a îndeplini sau de a plăti. Apoi,
i

scriem funcția de probabilitate în funcție de eșantionul de plăți pe care îl oferă problema (X = (X 11 . . . , X312 )).

2
 3 12
L(p,X) = YY p x ij
(1 - p) 1-x ij

i=1 j=1
= p (1 - p) p (1 - p) p (1 - p)
12 0 11 1 10 2

= p (1 - p) .33 3

Observând că maximizarea L(p, X) este echivalentă cu maximizarea log(L(p,

log(L(p, X)) = log(p (1 - p) ) 33 3

= 33 log(p) + 3 log(1 - p).

Prin urmare
d
(log(L(p,X)))= 33 - 3

dp p1-p (2)

Asa de
d
d
(log(L(p, X))) = dp
↔ 0
33 3
p 1p
↔
p= 0
1p
↔
33
p=
3

Prin urmare, probabilitatea ca un împrumut să rămână neplată 11

.
anul viitor este 12
11 1
1-p=1- .
12 12
Pentru a confirma că p = 1
1 este un maxim pentru funcția de probabilitate și făcând apel la teorema menționată
1
2

la sfârșitul problemei 2, derivăm din nou ecuația (2).

d
2
33 3
(log(L(p, X))) dp
p 2
(1 - p) 2

= - / 33 3N
p 2
(1 - p) 2

< 0 ∀p ∈ (0, 1).

În special, această derivată este negativă pentru p = 1

1
1
2 , confirmând astfel că această valoare este un maxim
pentru funcția de probabilitate menționată anterior.

Întrebarea 5 Se știe că probabilitatea ca un împrumut cu scadența la 6 luni să scadă pla în următoarele 6 luni
este p 1 (0 < p 1 < 1), care este probabilitatea ca acest împrumut să fie neplată în anul următor?

Întrebarea 5 Se știe că probabilitatea ca un împrumut cu scadență în 6 luni să nu rămână în plată în următoarele

6 luni este p (0 < p < 1). Care este probabilitatea ca acest împrumut să nu rămână în plată în anul următor?
Presupun că are de-a face cu probleme de probabilitate de neplată; Nu mi-a fost posibil să-l modelez ca atare.

Întrebarea 6 Avem 2 vectori x și y, astfel încât

3
 [x 1 , . . . , x n ] [y , . . . , și ]
1 m

unde m și n sunt numere întregi pozitive diferite, ambii vectori sunt ordonați astfel încât x ≤ x 2 ≤ . . . ≤ x n yy 1 ≤ y
1

2 ≤ . . . ≤ și m . Creați un pseudocod pentru a uni ambii vectori într-un singur vector w care conține ambii vectori

ordonați în ordine crescătoare, adică w = [w 1 , w 2 , . . . , w m+n ] astfel încât w i este un element al lui x sau i este
un element al lui y. Mai mult, vectorul w trebuie să satisfacă faptul că w ≤ w ≤ . . . w . Sugestie: Folosește
1 2 m+n

faptul că ambii vectori sunt ordonați.

Definiți și inițializați vectorul w de lungime m+n

w = (0,...,0)

Inițializați contoarele i și j
i=1
j=1

în timp ce(i <= lungime(x) și j <= lungime(y))

{
dacă(x[i] <= y[j])
{
w[i+j-1] = x[i] Atribuiți valoare intrării i+j-1
i = i + 1 Număr de incrementare

in caz contrar

w[i+j-1] = y[j] j=j+1

Valorile care au rămas eventual sunt adăugate la w dat fiind că cei doi vectori, x și y, sunt de lungimi diferite.
Deoarece vectorii x și y au fost deja sortați, aceste valori rămase nu mai trebuie sortate.

în timp ce(i <= lungime(x))

{
w[i+j-1] = x[i] i=i+1
}

în timp ce(j <= lungime(y))

{
w[i+j-1] = y[j]
j=j+1
}