For most investment grade companies

Đối với hầu hết các công ty lớp đầu tư, sau đó, nó là dễ dàng hơn để đánh giá sự phân bố của những thay đổi trong giá trị công ty
trên loạt các thay đổi bao gồm không mặc định, nhưng chỉ là một hạ cấp xếp hạng. Ví dụ, bằng cách sử dụng của Moody quá trình chuyển đổi ma trận dữ liệu (bảng 1), một có thể nói với một số cấu-dence rằng một công ty xếp hạng A có 5.67% có thể có trung bình bị hạ cấp thành một đánh giá Baa trong một khoảng thời gian một năm; nói cách khác, như một sự kiện dự kiến sẽ xảy ra trong hơn một năm trên 20. (Ngược lại, mặc định mong đợi để xảy ra trong khoảng một năm ra khỏi một 1.000.) Do sự phong phú của dữ liệu trên hạ như trái ngược với mặc định cho các công ty xếp hạng A, sự phân bố của những thay đổi trong giá trị công ty tương ứng với một hạ cấp để Baa có thể được ước tính chính xác hơn. Trong đó phạm vi hẹp hơn nhiều của kết quả có thể, vấn đề tạo ra bởi "không cân xứng" trong việc phân phối các thay đổi giá trị công ty và các vấn đề như vậy gọi là "chất béo đuôi" (nơi cực kết quả âm tính có nhiều khả năng hơn dự đoán bởi phổ biến các bản phân phối thống kê) sẽ không phải là nghiêm trọng. Trong trường hợp này, quản lý có thể có sự tự tin hơn trong các ước tính của distribu-tion thay đổi giá trị tương ứng với một hạ cấp chứ không phải là một mặc định và sẽ được chứng minh trong tập trung vào việc quản lý xác suất của một hạ cấp.
như thảo luận trước đây, nó cũng là quan trọng để theo đứng và mất tài khoản của mối tương quan rủi ro khi phân tích và quản lý các xác suất mặc định và đau khổ. Bảo hiểm toàn quốc kết hợp trong mô hình kinh tế vốn một ma trận tương quan phản ánh tương quan nhạy cảm thử nghiệm căng thẳng. Nó cũng là bây giờ trong quá trình khám phá sự kiện-hướng tương quan phân tích cho kịch bản bao gồm các cuộc tấn công khủng bố, mega Hurricane và đại dịch.

Đối với hầu hết các công ty cấp đầu tư, sau đó, nó dễ dàng hơn nhiều để đánh giá sự phân bố của những thay đổi trong giá trị doanh nghiệp
trên phạm vi của những thay đổi đó bao gồm không mặc định, nhưng chỉ là một xếp hạng hạ cấp. Ví dụ, sử dụng dữ liệu ma trận chuyển đổi của Moody (Bảng 1), có thể nói với một số confi trú mà một công ty A-đánh giá có cơ hội 5,67% trên trung bình bị hạ cấp xuống một đánh giá Baa trong khoảng thời gian một năm; nói cách khác, một sự kiện như vậy dự kiến sẽ xảy ra trong hơn một năm trong số 20. (Ngược lại, mặc định được dự kiến sẽ xảy ra trong khoảng một năm ra khỏi một 1000.) Do sự phong phú của dữ liệu trên hạ như trái ngược với giá trị mặc ​​định cho các công ty A-đánh giá, việc phân phối các thay đổi trong giá trị công ty tương ứng với một hạ cấp xuống Baa có thể ước tính chính xác hơn. Trong đó phạm vi hẹp hơn nhiều kết quả tốt, những vấn đề được tạo ra bởi "bất đối xứng" trong việc phân phối các thay đổi giá trị công ty và cái gọi là "đuôi béo" các vấn đề (nếu kết quả âm cực có nhiều khả năng hơn dự đoán của các nhà phân phối thống kê thông thường) là không có khả năng là như nghiêm trọng. Trong trường hợp này, quản lý có thể tự tin hơn trong dự toán của các nhà phân phối hóa các thay đổi giá trị tương ứng với một hạ cấp chứ không phải là mặc định và sẽ được điều chỉnh trong quản lý tập trung vào xác suất của một hạ cấp.
Như đã thảo luận trước đó, nó cũng quan trọng để dưới đứng và có tính đến tương quan rủi ro khi phân tích và quản lý mặc định và xác suất bị nạn. Bảo hiểm toàn quốc kết hợp trong mô hình kinh tế vốn là một ma trận tương quan phản ánh mối tương quan căng thẳng nhạy cảm đã được thử nghiệm. Nó cũng là bây giờ trong quá trình khám phá phân tích tương quan hướng sự kiện cho các kịch bản bao gồm các cuộc tấn công khủng bố, cơn bão lớn, và đại dịch.