Geschäftskontext
Eine Bank muss ihr operatives Risikokapital validieren. Dazu wird eine Simulation mit hohem Volumen (1 Million Replikationen) durchgeführt. Zusätzlich wird eine Parameter-Perturbationsanalyse angewendet, um die Sensitivität des Modells gegenüber Unsicherheiten in den geschätzten Parametern zu testen.
Datenaufbereitung
Erstellung von Definitionen mit Standardfehlern für die Perturbation.
Kopiert!
| 1 | PROC CAS; |
| 2 | DATA mycas.sev_def_stress; |
| 3 | LENGTH model $20; |
| 4 | INPUT model$ scale shape; |
| 5 | DATALINES; |
| 6 | Burr 2000 2 |
| 7 | ; |
| 8 | RUN; |
| 9 | DATA mycas.count_est_stress; |
| 10 | LENGTH _distname_ $20 _var_ $32; |
| 11 | INPUT _distname_$ _var_$ estimate stderr; |
| 12 | DATALINES; |
| 13 | NegBin _intercept_ 1.5 0.1 |
| 14 | ; |
| 15 | RUN; |
| 16 | QUIT; |
Étapes de réalisation
1
Starten der Simulation mit hoher Replikationszahl und Perturbation.
Kopiert!
| 1 | PROC CAS; |
| 2 | cdm.cdm / |
| 3 | nreplicates=1000000 |
| 4 | seed=12345 |
| 5 | countStore={name='count_est_stress'} |
| 6 | severityEst={name='sev_def_stress'} |
| 7 | severityDistributions={'Burr'} |
| 8 | nPerturbedSamples=50 |
| 9 | ignoreParmCovariance=TRUE |
| 10 | OUTPUT={outSample={name='stress_samples', replace=true}, perturbOut=true} |
| 11 | outsum={outSummary={name='stress_stats', replace=true}}; |
| 12 | RUN; |
| 13 | QUIT; |
Erwartetes Ergebnis
Die Aktion schließt die Simulation von 1 Million Pfaden in akzeptabler Zeit ab. Die Ausgabetabellen enthalten 50 zusätzliche gestörte Stichproben, die es der Bank ermöglichen, Konfidenzintervalle für ihre Risikokapitalschätzungen zu berechnen.