Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
Catalogo dei prodotti della ricerca
In this paper three different rating migration models are implemented by means of real financial data. The models consider alternative hypotheses in order to manage the rating class NR (no rating). Rating transition probabilities, default probabilities and the firm survival functions are, among all proposed indicators, the most important. They are evaluated for each of the three models. Data refers to long-term ratings from Standard & Poor's historical file, from 1975 to 2007. The mathematical tools used are, semi-Markov and backward recurrence time processes.
Semi-Markov backward credit risk migration models: A case study / G., D'Amico; G., Di Biase; J., Janssen; Manca, Raimondo. - In: INTERNATIONAL JOURNAL OF MATHEMATICAL MODELS AND METHODS IN APPLIED SCIENCES. - ISSN 1998-0140. - STAMPA. - 4:1(2010), pp. 82-92.
Semi-Markov backward credit risk migration models: A case study
In this paper three different rating migration models are implemented by means of real financial data. The models consider alternative hypotheses in order to manage the rating class NR (no rating). Rating transition probabilities, default probabilities and the firm survival functions are, among all proposed indicators, the most important. They are evaluated for each of the three models. Data refers to long-term ratings from Standard & Poor's historical file, from 1975 to 2007. The mathematical tools used are, semi-Markov and backward recurrence time processes.
01 Pubblicazione su rivista::01a Articolo in rivista
Semi-Markov backward credit risk migration models: A case study / G., D'Amico; G., Di Biase; J., Janssen; Manca, Raimondo. - In: INTERNATIONAL JOURNAL OF MATHEMATICAL MODELS AND METHODS IN APPLIED SCIENCES. - ISSN 1998-0140. - STAMPA. - 4:1(2010), pp. 82-92.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11573/89906
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
ND
8
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
