Das Common Background Vector (CBV) Modell ist eine Variante von CreditRisk+, einem Modell zur Quantifizierung und Allokation von Kreditrisiken. In dieser Arbeit werden Modellrisiken untersucht, welche aus den Verteilungsannahmen im CBV-Modell resultieren. Dazu wird zunächst das Modell in seiner bestehenden analytischen Form vorgestellt und aufgezeigt, welche Verteilungsannahmen zu seiner geschlossenen Lösbarkeit nötig sind. Um deren Einfluss untersuchen zu können, wird das Modell anschließend in Form einer Monte Carlo Simulation umgesetzt, in der die Verteilungsannahmen durch alternative Verteilungstypen ersetzt werden können. Es werden Methoden zur Verbesserung der Effizienz der Simulation durch Importance Sampling hergeleitet und implementiert. Schließlich werden die durch die Simulation definierten Schätzer auf ihre Genauigkeit überprüft und abschließend der Einfluss der Verteilungsannahmen auf die Risikokennzahlen und die Aufteilung der Risikobeiträge untersucht.     «

Das Common Background Vector (CBV) Modell ist eine Variante von CreditRisk+, einem Modell zur Quantifizierung und Allokation von Kreditrisiken. In dieser Arbeit werden Modellrisiken untersucht, welche aus den Verteilungsannahmen im CBV-Modell resultieren. Dazu wird zunächst das Modell in seiner bestehenden analytischen Form vorgestellt und aufgezeigt, welche Verteilungsannahmen zu seiner geschlossenen Lösbarkeit nötig sind. Um deren Einfluss untersuchen zu können, wird das Modell anschließend in...     »

The Common Background Vector (CBV) Model is a variant of CreditRisk+, a model to quantify and allocate credit risk. This thesis examines model risk deriving from the assumptions about distributions in the CBV Model. For this purpose, we introduce the CBV Model in its existing analytical form and illustrate, which assumptions about distributions must be made to allow for a closed solution of the model. In order to examine their influence, the model is implemented as a Monte Carlo Simulation, where these asumptions can be replaced by different distributions. We devise and implement importance sampling methods to improve the efficiency of the simulation. We analyze the accurateness of the resulting estimators for risk measures and examine the influence the distributional assumptions have on the risk figures and the allocation of risk contributions.     «

The Common Background Vector (CBV) Model is a variant of CreditRisk+, a model to quantify and allocate credit risk. This thesis examines model risk deriving from the assumptions about distributions in the CBV Model. For this purpose, we introduce the CBV Model in its existing analytical form and illustrate, which assumptions about distributions must be made to allow for a closed solution of the model. In order to examine their influence, the model is implemented as a Monte Carlo Simulation, wher...     »