Zum Inhalt springen
Calkulon

Zaawansowane finanse i biznes

Credit Default Probability

Czym jest Credit Default Probability?

▾

Prawdopodobieństwo niewykonania zobowiązania (PD) to podstawowe pojęcie w pomiarze ryzyka kredytowego, reprezentujące prawdopodobieństwo, że pożyczkobiorca – niezależnie od tego, czy jest to korporacja, instytucja finansowa, państwo czy osoba fizyczna – nie dokona wymaganych umową płatności w określonym horyzoncie czasowym. PD jest jednym z trzech podstawowych parametrów w ramach ryzyka kredytowego Bazylei, obok straty z tytułu niewykonania zobowiązania (LGD) i ekspozycji w momencie niewykonania zobowiązania (EAD), i wpływa zarówno na obliczenia oczekiwanej straty, jak i kapitału regulacyjnego. Istnieją trzy podstawowe podejścia do szacowania PD. Podejście strukturalne, zapoczątkowane przez Roberta Mertona w 1974 r., modeluje kapitał spółki jako opcję kupna jej aktywów: niewykonanie zobowiązania ma miejsce, gdy wartość aktywów spadnie poniżej wartości nominalnej długu („bariera niewypłacalności”) w terminie zapadalności. Kluczowym wynikiem jest odległość do niewykonania zobowiązania (DD) – mierzona jako odchylenia standardowe wartości aktywów od bariery niewykonania zobowiązania, a PD szacuje się na podstawie rozkładu normalnego tej odległości. Model KMV firmy Moody's jest wiodącą komercyjną implementacją podejścia strukturalnego Mertona, wykorzystującą szacowaną wartość aktywów i zmienność do obliczenia oczekiwanej częstotliwości niewypłacalności (EDF). Podejście zredukowane (intensywności) traktuje niewykonanie zobowiązania jako zdarzenie niespodziewane regulowane przez stopę ryzyka λ (chwilowe warunkowe prawdopodobieństwo niewykonania zobowiązania), którą można skalibrować do cen rynkowych swapów ryzyka kredytowego (CDS) lub spreadów kredytowych obligacji. PD nad horyzontem T = 1 − e^(−λT). Podejście to jest bardziej elastyczne niż model strukturalny i może uwzględniać zmienną w czasie intensywność niewypłacalności. Podejścia oparte na ocenie zdolności kredytowej (w tym modele regresji logistycznej, modele agencji ratingowych i modele uczenia maszynowego) szacują PD na podstawie charakterystyki finansowej pożyczkobiorcy: wskaźników dźwigni, rentowności, wskaźników pokrycia, płynności, wielkości i branży. Historyczne wskaźniki niewypłacalności agencji ratingowych zapewniają empiryczne mapowanie od ratingu kredytowego do historycznego PD w różnych horyzontach. Dokładne oszacowanie PD jest niezbędne przy wycenie kredytu (spread kredytowy musi kompensować oczekiwaną stratę = PD × LGD), kalkulacji kapitału regulacyjnego (metoda Bazylea IRB umożliwia bankom stosowanie wewnętrznych modeli PD), zarządzaniu portfelowym ryzykiem kredytowym oraz ocenie ryzyka kredytowego kontrahenta w transakcjach na instrumentach pochodnych.

Calkulon makes complex calculations simple — built for students and everyday problem-solvers.

Wzór

▾
f(x)Mertona PD: PD = N(−d2) gdzie d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T) Stopień ryzyka PD: PD(T) = 1 − e^(−λT) Trójkąt kredytowy: λ ≈ Spread kredytowy / LGD | CS ≈ PD × LGD / (1-PD)

Opis zmiennych

▾
SymbolImięJednostkaOpis
PDPrawdopodobieństwo niewypłacalności%Prawdopodobieństwo niewypłacalności w określonym horyzoncie czasowym (standardowo 1 rok); podstawowy parametr ryzyka kredytowego.
DDOdległość do wartości domyślnychstandard deviationsW modelu Mertona: (Wartość aktywów – punkt domyślny) / (Objętość aktywów × Wartość aktywów); liczba odchyleń standardowych powyżej wartości domyślnej.
λStopień zagrożeniaper yearChwilowe warunkowe prawdopodobieństwo niewykonania zobowiązania w jednostce czasu; stosowane w modelach zredukowanych: PD = 1 − e^(−λT).
LGDStrata z tytułu niewykonania zobowiązania%Oczekiwana część utraconej ekspozycji w przypadku niewykonania zobowiązania; uzupełnienie stopy odzysku. EL = PD × LGD × EAD.
CSSpread kredytowybpsWymagana dodatkowa stopa zwrotu powyżej stopy wolnej od ryzyka; w przybliżeniu CS ≈ λ × LGD dla krótkich terminów zapadalności (trójkąt kredytowy).

Jak Credit Default Probability

▾
  1. 1Wybierz metodę szacowania: strukturalną (Merton) dla spółek publicznych z danymi kapitałowymi; forma zredukowana dla nazw handlowych CDS; oparte na ratingach dla firm posiadających ratingi kredytowe.
  2. 2Dla modelu Mertona: oszacuj wartość aktywów (V) i zmienność aktywów (σ_V), rozwiązując iteracyjnie system opcji kupna kapitału własnego; zidentyfikować barierę niewypłacalności (zazwyczaj zobowiązania bieżące + 50% zadłużenia długoterminowego).
  3. 3Oblicz odległość do wartości domyślnej: DD = (V − D) / (σ_V × V), gdzie D jest domyślną barierą.
  4. 4Konwertuj DD na PD, korzystając z rozkładu normalnego: PD = N(-DD) dla miary neutralnej pod względem ryzyka lub użyj mapowania empirycznego (tak jak robi to KMV Moody's) dla PD w świecie rzeczywistym.
  5. 5Dla CDS/PD opartego na spreadzie: uzyskaj rynkowy spread kredytowy, załóż LGD (zwykle 40–60%); obliczyć stopę ryzyka λ = CS / LGD; oblicz PD(T) = 1 − e^(−λT).
  6. 6W przypadku PD opartego na ratingach: sprawdź historyczny średni skumulowany współczynnik niewykonania zobowiązania dla ratingu kredytowego emitenta z rocznych badań niewykonania zobowiązania przez S&P lub Moody's.
  7. 7Zweryfikuj oszacowanie PD w porównaniu z cenami rynkowymi, ratingami agencji ratingowych i firm porównywalnych. Zagregowana oczekiwana strata do portfela: EL = Σ PD_i × LGD_i × EAD_i.

Rozwiązane przykłady

▾
Przykład 1Model Mertona dla spółki lewarowanej
Dane:Wartość aktywów = 100 mln USD, Wolumen aktywów = 25%, Domyślna bariera = 70 mln USD, Stopa wolna od ryzyka = 5%, T = 1 rok
Wynik:d2=1,41 | PD (neutralny pod względem ryzyka)=7,9% | Odległość do wartości domyślnej = 1,41σ

Spółka ma 1,41 odchylenia standardowego powyżej niewypłacalności – umiarkowane ryzyko kredytowe

d2 = [ln(100/70) + (0,05 - 0,25²/2)×1] / (0,25×√1) = [0,357 + 0,019] / 0,25 = 1,505. PD = N(-1,505) ≈ 6,6%. Odległość do wartości domyślnej DD = (100 - 70) / (0,25 × 100) = 1,20 odchylenia standardowego. Moody's KMV odwzorowuje to na empiryczny EFR na podstawie swojej historycznej bazy danych. 1,2 DD odpowiada w przybliżeniu empirycznemu prawdopodobieństwu niewykonania zobowiązania w ciągu jednego roku na poziomie 8–12%. Jeśli rynki akcji wyprzedają się, a zmienność aktywów wzrasta do 35%, DD spada do 0,86, a PD wzrasta do 19% – co pokazuje, jak warunki na rynku akcji bezpośrednio wpływają na ryzyko kredytowe.

Przykład 2Implikowane CDS PD ze spreadu kredytowego
Dane:Spread CDS 5-letnich=300 pb, LGD=60%
Wynik:Stopa ryzyka=5,0%/rok | 1-roczny PD=4,88% | 5-letnie skumulowane PD=22,1%

Rynek CDS implikuje 22% szans na niewypłacalność w ciągu 5 lat

Stopa ryzyka λ = CS / LGD = 300 punktów bazowych / 60% = 500 punktów bazowych = 5,0% rocznie. 1-roczne PD = 1 − e^(−0,05×1) = 4,88%. 5-letnie PD = 1 − e^(−0,05×5) = 1 − e^(−0,25) = 22,1%. To PD implikowane przez CDS jest prawdopodobieństwem neutralnym pod względem ryzyka (obejmuje premię za ryzyko), więc PD w świecie rzeczywistym byłoby nieco niższe. Spread CDS na poziomie 300 punktów bazowych jest zgodny z ratingiem kredytowym BB, gdzie historyczne skumulowane wskaźniki niewypłacalności w ciągu ostatnich 5 lat wynoszą średnio około 10–15% – rynek CDS implikuje nieco wyższą stopę, odzwierciedlającą premię za ryzyko rynkowe i premię za płynność.

Przykład 3Historyczne PD oparte na ratingach
Dane:Rating emitenta: BB, horyzont 3 lata
Wynik:3-letnie skumulowane PD ≈8,2% (średnia roczna z badania S&P 2023 1981–2022)

Na podstawie historycznych danych S&P dotyczących niewypłacalności z ponad 40 lat według ratingów

Jak wynika z corocznego badania S&P dotyczącego globalnego niewypłacalności przedsiębiorstw i przejścia ratingów za rok 2023, średni skumulowany wskaźnik niewykonania zobowiązania w ciągu trzech lat dla emitentów z ratingiem BB w latach 1981–2022 wynosi około 8,2%. Roczne wskaźniki niewypłacalności: rok BB 1≈0,84%, rok 2≈1,65% marginalny, rok 3≈1,72% marginalny. Skumulowane 3-letnie wskaźniki niewypłacalności na poziomie inwestycyjnym są znacznie niższe: AAA≈0,01%, AA≈0,05%, A≈0,13%, BBB≈0,55%. Te stopy empiryczne są rzeczywistymi wartościami PD (nie są neutralne pod względem ryzyka) i są wykorzystywane bezpośrednio w obliczeniach oczekiwanych strat bazylejskich IRB dla portfeli kredytowych.

Przykład 4Model oceny zdolności kredytowej w oparciu o regresję logistyczną
Dane:Kredytobiorca: Dług/EBITDA=5,0x, Pokrycie odsetek=1,8x, Wskaźnik bieżący=0,9, Marża zysku=4%
Wynik:Wynik kredytowy=58/100 (poniżej 60=podwyższone ryzyko) | Model PD≈12,5%

Wiele wskaźników finansowych połączonych w regresji logistycznej przewiduje PD

W modelu regresji logistycznej każdy wskaźnik finansowy ma współczynnik oszacowany na podstawie historycznych danych dotyczących niewykonania zobowiązania: zadłużenie/EBITDA (5,0x – wysoka dźwignia zwiększa ryzyko), pokrycie odsetek (1,8x – niskie pokrycie znacząco zwiększa PD), wskaźnik bieżący (0,9 – poniżej 1,0 = ujemny kapitał obrotowy zwiększa ryzyko) i marża zysku (4% – niewielka marża zapewnia niewielki bufor). Połączone log-szanse dają PD wynoszące około 12,5% – podwyższone terytorium o stopniu spekulacyjnym. Kredytobiorca ten otrzymałby wewnętrzny rating B lub B−, wymagający wyceny na poziomie około LIBOR/SOFR + 400–500 punktów bazowych i ścisłej ochrony umownej.

Zastosowania praktyczne

▾
🏗️

Zatwierdzanie i wycena kredytu bankowego (RAROC), umożliwiając praktykom podejmowanie świadomych decyzji ilościowych w oparciu o sprawdzone metody obliczeniowe i podejścia zgodne ze standardami branżowymi, co wymaga precyzyjnej analizy ilościowej w celu wsparcia decyzji opartych na dowodach, strategicznej alokacji zasobów i optymalizacji wyników w różnych kontekstach organizacyjnych i dyscyplinach zawodowych

🔬

Kalkulacja kapitału IRB Bazylei II/III dla portfeli kredytowych, pomagająca analitykom w uzyskiwaniu dokładnych wyników wspierających planowanie strategiczne, alokację zasobów i porównywanie wyników w różnych organizacjach, gdzie dokładne obliczenia numeryczne są niezbędne do uzyskania wiarygodnych wyników, które stanowią podstawę planowania, oceny i procesów ciągłego doskonalenia, zarówno w kontekście korporacyjnym, jak i indywidualnym

📊

MSSF 9 / CECL tworzenie rezerw na oczekiwane straty kredytowe, umożliwiające profesjonalistom systematyczne określanie ilościowe wyników i porównywanie scenariuszy przy użyciu wiarygodnych ram matematycznych i ustalonych formuł, wymagające systematycznych podejść obliczeniowych, które przekładają surowe dane wejściowe na przydatne spostrzeżenia dla interesariuszy, którzy polegają na rygorze ilościowym w swojej codziennej działalności zawodowej

🏥

Wycena i handel swapami ryzyka kredytowego, wspierające procesy oceny opartej na danych, w których precyzja liczbowa jest niezbędna do celów zgodności, raportowania i optymalizacji, co wymaga solidnych metod obliczeniowych zapewniających spójne i weryfikowalne wyniki, odpowiednie do raportowania, audytu i długoterminowej analizy trendów w środowiskach profesjonalnych

⚙️

Monitorowanie ryzyka kredytowego i nadzór ratingowy portfela obligacji, co wymaga precyzyjnej analizy ilościowej w celu wsparcia decyzji opartych na dowodach, strategicznej alokacji zasobów i optymalizacji wyników w różnych kontekstach organizacyjnych i dyscyplinach zawodowych

Przypadki szczególne

▾

W praktyce ten skrajny przypadek wymaga dokładnego rozważenia, ponieważ standardowe założenia mogą nie obowiązywać. W przypadku napotkania tego scenariusza w obliczeniach kalkulatora prawdopodobieństwa niespłacenia kredytu praktycy powinni zweryfikować warunki brzegowe, sprawdzić ryzyko dzielenia przez zero i rozważyć, czy założenia modelu pozostaną ważne w tych ekstremalnych warunkach.

Specjaliści zajmujący się ryzykiem kredytowym pd powinni zwracać szczególną uwagę na ten scenariusz, ponieważ może on prowadzić do mylących wyników, jeśli nie zostanie właściwie potraktowany. Zawsze sprawdzaj warunki brzegowe i sprawdzaj je niezależnymi metodami, gdy taki przypadek pojawia się w praktyce.

W praktyce ten skrajny przypadek wymaga dokładnego rozważenia, ponieważ standardowe założenia mogą nie obowiązywać. W przypadku napotkania tego scenariusza w obliczeniach kalkulatora prawdopodobieństwa niespłacenia kredytu praktycy powinni zweryfikować warunki brzegowe, sprawdzić ryzyko dzielenia przez zero i rozważyć, czy założenia modelu pozostaną ważne w tych ekstremalnych warunkach.

S&P Średnie 1-letnie stopy niewykonania zobowiązania według ratingu (1981–2022)

▾
Ocena1 rok PD3-letnie PD5-letnie PDOpis
AAA0,00%0,01%0,04%Najwyższa ocena inwestycyjna
AA0,02%0,06%0,12%Bardzo wysoka jakość
A0,06%0,18%0,37%Wysoka jakość
BBB0,16%0,55%1,10%Wartość graniczna na poziomie inwestycyjnym
BB0,84%3,41%7,18%Najwyższa ocena spekulacyjna
B3,44%10,50%18,90%Spekulacyjny
CCC/C26,78%42,60%52,20%Wysoce spekulacyjny / zmartwiony

Często zadawane pytania

▾
Q

Jaka jest różnica między PD neutralnym pod względem ryzyka a PD w świecie rzeczywistym?

A

Neutralne pod względem ryzyka PD oblicza się na podstawie cen rynkowych (spreadów CDS, rentowności obligacji) i uwzględnia premię za ryzyko oprócz czystego prawdopodobieństwa niewykonania zobowiązania – inwestorzy żądają dodatkowej rekompensaty za utrzymywanie ryzyka niewykonania zobowiązania. Rzeczywiste (fizyczne) PD to rzeczywista historyczna częstotliwość niewykonania zobowiązania dla danej kategorii ryzyka – zwykle szacowana na podstawie danych agencji ratingowych lub wewnętrznych danych dotyczących wyników kredytów bankowych. Do wyceny instrumentów pochodnych (CDS, kredytowe instrumenty pochodne) stosuje się PD neutralne pod względem ryzyka i musi ono odpowiadać cenom rynkowym. Rzeczywiste PD jest wykorzystywane do obliczeń oczekiwanych strat w Bazylei, tworzenia rezerw na pożyczki i zarządzania ryzykiem. Neutralne pod względem ryzyka PD jest zazwyczaj 1,5–3 razy wyższe niż rzeczywiste PD w przypadku emitentów o ratingu inwestycyjnym, co odzwierciedla premię za ryzyko kredytowe.

Q

Jakie są podejścia Bazylei II/III do szacowania WNZ?

A

W ramach kapitału ryzyka kredytowego Bazylea II/III banki mogą stosować: (1) metodę standardową – wagi ryzyka określone przez organy regulacyjne w oparciu o zewnętrzne ratingi kredytowe, bez wewnętrznych szacunków PD; (2) Foundation IRB (FIRB) – banki szacują wewnętrznie PD, ale korzystają z nadzorczych LGD i EAD; (3) Zaawansowana IRB (AIRB) – banki szacują PD, LGD i EAD przy użyciu własnych modeli wewnętrznych, z zastrzeżeniem minimalnych wymogów dotyczących danych i walidacji regulacyjnej. AIRB umożliwia najniższe narzuty kapitałowe w przypadku wysokiej jakości portfeli kredytowych, ale wymaga lat danych dotyczących niewykonania zobowiązania, rygorystycznej walidacji modelu i ciągłego monitorowania wydajności modelu. Większość dużych banków działających na arenie międzynarodowej korzysta z AIRB w swoich głównych portfelach.

Q

Jakie wskaźniki finansowe najlepiej przewidują niewypłacalność przedsiębiorstwa?

A

Altman's Z-Score (1968) zidentyfikował pięć kluczowych czynników predykcyjnych upadłości przedsiębiorstw na podstawie analizy dyskryminacyjnej: kapitał obrotowy/aktywa ogółem, zyski zatrzymane/aktywa ogółem, EBIT/aktywa ogółem, wartość rynkowa kapitału własnego/wartość księgowa zobowiązań ogółem oraz sprzedaż/aktywa ogółem. Badania przeprowadzone od tego czasu potwierdziły, że do najpotężniejszych indywidualnych predyktorów należą: dźwignia finansowa (Dług/EBITDA, Dług/Aktywa), pokrycie (EBIT/Odsetki, EBITDA/Odsetki), płynność (Wskaźnik bieżący, Wskaźnik Quick), rentowność (ROA, marża zysku) i wielkość (większe firmy mają niższe wskaźniki niewypłacalności przy tym samym poziomie dźwigni). Nowoczesne modele uczenia maszynowego wykorzystują setki funkcji finansowych i niefinansowych.

Q

Jaki związek ma stopa wyzdrowienia z chorobą Parkinsona?

A

Stopa odzysku (R) = 1 - LGD (strata z tytułu niewykonania zobowiązania). Stopa odzysku to część ekspozycji odzyskanej po niewykonaniu zobowiązania w drodze postępowania upadłościowego, sprzedaży aktywów lub restrukturyzacji. Historyczne stopy odzysku dla niezabezpieczonych obligacji korporacyjnych wynoszą średnio około 40% (LGD=60%), ale różnią się znacznie w zależności od stażu pracy: uprzywilejowane obligacje zabezpieczone odzyskują 60–80%; senior niezabezpieczony 35–55%; obligacje podporządkowane 10–30%; kapitał własny bliski zera. Stopy odzysku są ujemnie skorelowane z PD – w przypadku systemowego pogorszenia koniunktury, gdy wskaźniki niewykonania zobowiązań gwałtownie rosną, stopy odzysku jednocześnie spadają (procykliczność), zwiększając straty kredytowe w stopniu większym niż sugerowałyby niezależne szacunki PD i LGD.

Q

Jakie jest rozróżnienie między PD w trakcie cyklu a PD w określonym momencie?

A

Metoda PD metodą całego cyklu (TTC) szacuje średnie prawdopodobieństwo niewykonania zobowiązania w całym cyklu gospodarczym, wygładzając wahania cykliczne. Agencje ratingowe korzystają z ratingów TTC – rating BBB powinien odzwierciedlać podobne ryzyko niewykonania zobowiązania w całym cyklu. Wartość PD dla określonego momentu (PIT) odzwierciedla bieżące warunki gospodarcze i zmienia się wraz z cyklem biznesowym: wartość PD PIT wzrasta w czasie recesji i maleje w okresach boomu. Bazylea wymaga od banków stosowania TTC PD do obliczeń kapitału minimalnego (w celu uniknięcia procyklicznego wzmocnienia kapitału), ale PIT PD do tworzenia rezerw na oczekiwane straty kredytowe zgodnie z MSSF 9/CECL (co wymaga wybiegającej w przyszłość oceny bieżącego stanu). Rozróżnienie PIT-TTC jest źródłem znacznej praktycznej złożoności w zarządzaniu ryzykiem kredytowym.

Q

W jaki sposób PD jest wykorzystywane w wycenie kredytu?

A

Przy wycenie kredytów stosuje się metodę zwrotu z kapitału skorygowanego o ryzyko (RAROC): naliczony spread kredytowy musi pokrywać oczekiwaną stratę (EL = PD × LGD) oraz generować odpowiedni zwrot z kapitału regulacyjnego. Minimalny spread kredytowy = (EL + koszt kapitału × wymagany kapitał) / kwota pożyczki. Dla kredytu na okres 1 roku: jeżeli PD = 2%, LGD = 50%, EL = 1,0%. W razie potrzeby kapitał = 8% pożyczki, przy wymaganym stopie zwrotu 15%: koszt kapitału = 8% × 15% = 1,2%. Minimalny spread = 1,0% + 1,2% = 2,2% (220 pb). Ramy RAROC zapewniają, że pożyczki są udzielane wyłącznie wtedy, gdy spread pokrywa oczekiwane straty i zapewnia odpowiedni zwrot z kapitału.

Q

Czy uczenie maszynowe może poprawić przewidywanie PD w porównaniu z tradycyjnymi modelami?

A

Modele uczenia maszynowego — wzmacnianie gradientu (XGBoost), lasy losowe, sieci neuronowe — często osiągają wyższą dokładność predykcyjną (mierzoną za pomocą współczynnika AUC/Giniego) niż regresja logistyczna do przewidywania wyładowań niezupełnych, szczególnie w przypadku dużych zbiorów danych zawierających wiele nieliniowych interakcji między cechami. Stoją jednak przed wyzwaniami związanymi z ryzykiem kredytowym: wymogami wyjaśnialności przepisów (wytyczne standardu 11-7 wymagają od banków zrozumienia i wyjaśnienia wyników modelu), zarządzaniem modelami oraz ryzykiem nadmiernego dopasowania do wzorców historycznych, które mogą się nie utrzymywać. Podejścia hybrydowe – wykorzystujące ML do inżynierii cech i selekcji zmiennych, z regresją logistyczną dla ostatecznego modelu – są powszechne w regulowanych środowiskach bankowych.

Częste błędy do unikania

▾
  • !Mylenie PD neutralnego pod względem ryzyka (z CDS) z PD w świecie rzeczywistym – różnią się one premią za ryzyko kredytowe i nie należy ich mieszać w obliczeniach.
  • !Stosowanie PD dla danego momentu do obliczeń kapitału bazylejskiego (należy stosować w całym cyklu) lub PD TTC w przypadku tworzenia rezerw zgodnie z MSSF 9 (należy stosować PIT).
  • !Pomijając korelację pomiędzy PD i LGD – w okresach pogorszenia koniunktury oba nasilają się jednocześnie, zwiększając rzeczywiste straty kredytowe powyżej EL = PD × LGD.
  • !Stosowanie wskaźników niewypłacalności przedsiębiorstw do kredytów detalicznych/konsumenckich bez korekty ze względu na zasadniczo różne czynniki ryzyka.
  • !Ekstrapolacja krótkoterminowego PD na długie horyzonty bez uwzględnienia migracji ratingów w czasie.
💡

Wskazówka Pro

Zawsze sprawdzaj swój model PD zarówno za pomocą współczynnika Giniego/AUC (dyskryminacja — ranking kredytobiorców od najlepszego do najgorszego ryzyka), jak i testów kalibracyjnych (czy przewidywane PD są zbliżone do obserwowanych wskaźników niewypłacalności?). Model, który ma dobrą ocenę, ale jest słabo skalibrowany, może nadal generować niewystarczające rezerwy.

⭐

Czy wiedziałeś?

Kluczowe spostrzeżenie modelu Mertona – traktowanie kapitału własnego firmy jako opcji kupna jej aktywów – zostało opublikowane w 1974 r., zaledwie rok po zastosowaniu formuły wyceny opcji Blacka-Scholesa. Robert Merton otrzymał Nagrodę Nobla w dziedzinie ekonomii w 1997 r. (wraz z Myronem Scholesem) głównie za tę pracę, która ujednoliciła teorię wyceny opcji i ryzyko kredytowe w jedną, elegancką całość.

Regional Guides

▾
🇺🇸 US▾
Tam, gdzie ma to zastosowanie, stosuje się zwyczajowe jednostki i standardy amerykańskie
🇬🇧 UK▾
Może wymagać konwersji na jednostki metryczne lub standardy brytyjskie
🇪🇺 EU▾
Przestrzega konwencji UE i jednostek SI, jeśli ma to zastosowanie
📖Trudność:Zaawansowany
Wyłącznie w celach informacyjnych. To narzędzie nie stanowi porady finansowej. Skonsultuj się z wykwalifikowanym doradcą finansowym przed podjęciem decyzji inwestycyjnych lub finansowych.
Formula-verified for precision
Reviewed October 2026
Our methodology

Otrzymuj cotygodniowe porady matematyczne

Dołącz do subskrybentów 12 000+, którzy co tydzień otrzymują wskazówki dotyczące kalkulatora.

🔒
100% Bezpłatny
Bez rejestracji
✓
Dokładny
Zweryfikowane wzory
⚡
Natychmiastowy
Wyniki od razu
📱
Przyjazny mobilny
Wszystkie urządzenia

Ustawienia