| dc.contributor.advisor | 劉惠美<br>陳麗霞 | zh_TW |
| dc.contributor.author (作者) | 李昭儀 | zh_TW |
| dc.creator (作者) | 李昭儀 | zh_TW |
| dc.date (日期) | 2009 | en_US |
| dc.date.accessioned | 8-十二月-2010 01:53:54 (UTC+8) | - |
| dc.date.available | 8-十二月-2010 01:53:54 (UTC+8) | - |
| dc.date.issued (上傳時間) | 8-十二月-2010 01:53:54 (UTC+8) | - |
| dc.identifier (其他 識別碼) | G0097354018 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/48950 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 統計研究所 | zh_TW |
| dc.description (描述) | 97354018 | zh_TW |
| dc.description (描述) | 98 | zh_TW |
| dc.description.abstract (摘要) | 本研究探討評價一籃子信用商品有效率的估計方法，所謂有效率是指計算簡單、快速且能達到變異數縮減，Chiang, Yueh, and Hsieh (2007)提出一個有效演算法，模型中將系統性風險因子與非系統性風險因子視為常態分配，但考慮現實情況系統性風險因子未必為對稱分配，因此本文系統性風險採用偏斜常態分配，而非系統性風險為常態分配。根據Chiang, Yueh, and Hsieh (2007)所提之演算法，並將其延伸至多個系統性風險因子，探討此方法在系統風險為偏斜常態分配下變異數縮減的效果。以不同的投資組合計算其違約給付金額，並與蒙地卡羅法模擬結果比較，由於此方法皆在至少有k個違約發生的事件下抽樣，因此所需模擬次數較少，計算時間也較短，且可達到變異數縮減。 單一系統性風險因子模型，當 ρ 值高，變異數縮減效果越好，且變異數縮減的效果也隨著 k 值越大效果越好。在二個系統性風險因子模型，變異數縮減的效果也是隨著 k 值越大效果越好。就各因子的權重而言，變異數縮減的效果原則上對權重較大的因子做重點抽樣，變異數縮減效果較顯著，但是此方法對於極為右偏的分配時，對權重較大的因子做重點抽樣效果不彰，此時反而針對對稱分配做重點抽樣的效果較佳。此方法就到期時間做探討，發現到期時間越長變異數縮減效果越差。 | zh_TW |
| dc.description.tableofcontents | 第一章 緒論 1 第二章 文獻探討 2 第三章 違約時間模型 5 3.1存活時間函數(survival time function) 5 3.2風險機率函數(hazard rate function) 5 3.3關聯結構函數(copula function) 6 3.4.聯合違約時間模型 7 第四章 第 k 家違約型一籃子信用商品之評價 9 4.1蒙地卡羅模擬 10 4.2 一籃子信用商品評價之有效演算法 10 第五章 研究方法 14 5.1 偏斜常態分配的性質 14 5.2 單一系統性風險因子模型 15 5.3 二系統性風險因子模型 17 第六章 模擬分析及比較 21 第七章 結論 28 參考書目 29 附錄 30 | zh_TW |
| dc.language.iso | en_US | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0097354018 | en_US |
| dc.subject (關鍵詞) | 一籃子信用違約交換 | zh_TW |
| dc.subject (關鍵詞) | 變異數縮減 | zh_TW |
| dc.subject (關鍵詞) | 偏斜常態分配 | zh_TW |
| dc.title (題名) | 一籃子信用違約交換評價之有效演算法 | zh_TW |
| dc.title (題名) | Efficient algorithms for basket default swap valuation | en_US |
| dc.type (資料類型) | thesis | en |
| dc.relation.reference (參考文獻) | 1. Anderson, Eric C. (1999). “Monte Carlo Methods and Importance Sampling.” Lecture Notes for Stat 578C, Statistical Genetics. | zh_TW |
| dc.relation.reference (參考文獻) | 2. Chiang, M.H., Yueh, M.L. and Hsieh, M.H. (2007). “An Efficient Algorithm for Basket Default Swap Valuation.” Journal of Derivatives, pp. 8-19. | zh_TW |
| dc.relation.reference (參考文獻) | 3. Chen, Zhiyong and Paul Glasserman (2008). “Fast Pricing of Basket Default Swaps.” Operations Research, Vol. 56, No. 2, pp. 286-303. | zh_TW |
| dc.relation.reference (參考文獻) | 4. Gupta, Arjun K., Nguyen, Truc T. and Sanqui, Jose Almer T. (2004). “Characterization of the Skew-normal Distribution.” Annals of the Institute of Statistical Mathematics, pp. 351-360. | zh_TW |
| dc.relation.reference (參考文獻) | 5. Glasserman, Paul and Jingyi Li (2005). “Importance Sampling for Portfolio Credit Risk.” Management Science, Vol. 51, pp. 1643-1656. | zh_TW |
| dc.relation.reference (參考文獻) | 6. Hull, J. and A. White (2001). “Valuing Credit Default Swap II: Modeling Default Correlation.” Journal of Derivatives, Vol. 3, pp. 12-22. | zh_TW |
| dc.relation.reference (參考文獻) | 7. Hull, J. and A. White (2004). “Valuation of a CDO and an nth to Default CDS without Monte Carlo Simulation.” Journal of Derivatives, Vol. 2, pp. 8-23. | zh_TW |
| dc.relation.reference (參考文獻) | 8. Laurent, J. P. and J. Gregory (2005). “Basket Default Swaps, CDO’s and Factor Copulas.” Journal of Risk, Vol. 7, No. 4, pp. 103-122. | zh_TW |
| dc.relation.reference (參考文獻) | 9. Li, D.X. (2000). “On Default Correlation：A Copula Approach.” Journal of Fixed Income, Vol. 4, pp. 43-54. | zh_TW |
