dc.contributor.advisor | 江彌修 | zh_TW |
dc.contributor.author (Authors) | 張立民 | zh_TW |
dc.creator (作者) | 張立民 | zh_TW |
dc.date (日期) | 2006 | en_US |
dc.date.accessioned | 14-Sep-2009 09:29:53 (UTC+8) | - |
dc.date.available | 14-Sep-2009 09:29:53 (UTC+8) | - |
dc.date.issued (上傳時間) | 14-Sep-2009 09:29:53 (UTC+8) | - |
dc.identifier (Other Identifiers) | G0094352022 | en_US |
dc.identifier.uri (URI) | https://nccur.lib.nccu.edu.tw/handle/140.119/31187 | - |
dc.description (描述) | 碩士 | zh_TW |
dc.description (描述) | 國立政治大學 | zh_TW |
dc.description (描述) | 金融研究所 | zh_TW |
dc.description (描述) | 94352022 | zh_TW |
dc.description (描述) | 95 | zh_TW |
dc.description.abstract (摘要) | 本文以Hull and White(2004)與Anderson and Sidenius(2004)之理論模型為基礎,在單因子連繫結構模型(one-factor copula model)下,探討風險因子改變其分配之假設或考慮隨機風險因子承載係數(random factor loading)時,對擔保債權憑證之損失分配乃至於各分券信用價差所造成之影響。此外,文中亦將模型運用於實際市場資料上,對兩組Dow Jones iTraxx EUR 五年期之指數型擔保債權憑證(index tranches)與一組Dow Jones CDX NA IG指數型擔保債權憑證進行評價與分析。我們發現在三組資料下,使用double t-distribution 連繫結構模型(double t-distribution copula model)與隨機風險因子承載係數模型(random factor loading model)皆能比使用高斯連繫結構模型(Gaussian copula model)更接近市場上之報價。最後,在評價指數型擔保債權憑證外,本研究亦計算各分券之隱含違約相關係數(implied correlation)與基準違約相關係數(base correlation)。 | zh_TW |
dc.description.tableofcontents | 第一章 緒論 5 第二章 文獻回顧 10 第三章 基本假設與模型設定 17 第一節 合成型擔保債權憑證之評價模型 17 第二節 建構資產群組之損失機率分配 18 第三節 風險因子之機率分配假設 21 第四節 隨機風險因子承載係數 22 第五節 分券之隱含違約相關係數與基準違約相關係數 24 第四章 數值結果與分析 26 第一節 合成型擔保債權憑證之評價-考量異質分配 26 第二節 合成型擔保債權憑證之評析-考慮隨機風險因子承載係數 30 第三節 評價與分析市場資料 33 第五章 結論與建議 48 第一節 結論 48 第二節 後續研究建議 49 | zh_TW |
dc.language.iso | en_US | - |
dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0094352022 | en_US |
dc.subject (關鍵詞) | 擔保債權憑證 | zh_TW |
dc.subject (關鍵詞) | CDO | en_US |
dc.subject (關鍵詞) | random factor loading | en_US |
dc.subject (關鍵詞) | base correlation | en_US |
dc.subject (關鍵詞) | implied correlation | en_US |
dc.title (題名) | 合成型擔保債權憑證之評價-考量異質分配與隨機風險因子承載係數 | zh_TW |
dc.type (資料類型) | thesis | en |
dc.relation.reference (參考文獻) | 1. Andersen, L., and J. Sidenius. “Extensions to the Gaussian copula: random recovery and random factor loadings.” working paper, Bank of America, 2004 | zh_TW |
dc.relation.reference (參考文獻) | 2. Bear Sterns Credit Derivatives. “Valuing and hedging synthetic CDO tranche using base correlations.” Bear Sterns, 2004 | zh_TW |
dc.relation.reference (參考文獻) | 3. Hull, J., and A. White. “Valuation of a CDO and an n-th to default CDS without Monte Carlo simulation.” Journal of Derivatives, vol.12, NO.2, pages 8-23, 2004 | zh_TW |
dc.relation.reference (參考文獻) | 4. Li, D.X., “On Default Correlation: a Copula Approach,” Journal of Fixed Income, vol.9, pages 43-54, 2000 | zh_TW |
dc.relation.reference (參考文獻) | 5. McGinty,L and E. Beinstein “Credit Correlation: A Guide,” JP Morgan, 2004 | zh_TW |
dc.relation.reference (參考文獻) | 6. Satyajit Das, “Credit derivatives:CDOs and structured credit products,” John Wiley & Sons(Asia) Pte Ltd, 2005 | zh_TW |
dc.relation.reference (參考文獻) | 7.林恩平,因子相關性結構模型之下合成型擔保債權憑證之評價與避險,國立政治大學,2006 | zh_TW |