如何解决Python-使转换矩阵适合markov模型
有一些背景知识-我是一位精通Python的精算师。为此,我试图将一些我通常在Excel中制作的模型转移到Python。
我陷入了一个特殊的问题,Excel对我来说非常容易。我正在寻找在Python中执行相同操作的方法。问题如下:
我知道在各种期限(第1至30年-离散)上各种评级(AAA至CCC)的违约概率。我不知道生成此表的基础转换矩阵,而任务是拟合转换矩阵。
它基本上是一个离散的马尔可夫模型。
在excel中,我将执行以下操作:
- 我知道各个到期日的违约概率如下:
默认列现在是已知的,等于第一年的默认概率。 矩阵的对角线条目在行中设置为等于“ 1-其他条目的和”。
-
初始化此矩阵,例如在对角线条目(公式)和默认列(已知)之外的所有地方都设置为零
-
进行多次矩阵乘法运算以获得不同年份的违约概率。例如,最后一列T ^ 2 =第二年的违约概率。
-
计算所有年份的实际违约概率(乘以1)与4年之间的平方距离。
-
运行excel解算器以最小化平方差之和。
我不确定是否有简单的方法可以在Python中进行设置。如果有人可以将我指向我应该看的包裹,我可以进行试验。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。