1. NCCU Academic Hub
  2. Publications
  3. College of Commerce
  4. Theses
  5. Item

Publications-Theses

Article View/Open

Publication Export

Google ScholarTM

NCCU Library

Citation Infomation

Related Publications in TAIR

題名 時間數列模型應用於合成型抵押擔保債務憑證之評價與預測
Time series model apply to price and predict for Synthetic CDOs
作者 張弦鈞
Chang, Hsien Chun
貢獻者 劉惠美<br>陳麗霞
Liu, Hui Mei<br>Chen, Li Hsia
張弦鈞
Chang, Hsien Chun
關鍵詞 合成型抵押擔保債務憑證
單因子關聯結構模型
NIG分配
動態評價模型
synthetic CDOs
one factor copula model
NIG distribution
Dynamic model
日期 2015
上傳時間 27-Jul-2015 11:21:42 (UTC+8)
摘要 根據以往探討評價合成型抵押擔保債務憑證之文獻研究，最廣泛使用的方法應為大樣本一致性資產組合(large homogeneous portfolio portfolio；LHP)假設之單因子常態關聯結構模型來評價，但會因為常態分配的厚尾度及偏斜性造成與市場報價間的差異過大，且會造成相關性微笑曲線現象。故像是Kalemanova et al.在2007年提出之應用LHP假設的單因子Normal Inverse Gaussian(NIG)關聯結構模型以及邱嬿燁(2007)提出NIG及Closed Skew Normal(CSN)複合分配之單因子關聯結構模型(MIX模型)皆是為了改善其在各分劵評價時能達到更佳的評價結果
，然而過去的文獻在評價合成型抵押擔保債務憑證時，需要將CDS價差、各分劵真實報價之資訊導入模型，並藉由此兩種資訊進而得到相關係數及報價，故靜態模型大多為事後之驗證，在靜態模型方面，我們嘗試使用不同概念之CDS取法以及相對到期日期數遞減之概念來比較此兩種不同方法與原始的關聯結構模型進行比較分析，在動態模型方面，我們應用與時間序列相關之方法套入以往的評價模型，針對不同商品結構的合成型抵押擔保債券評價，並由實證分析來比較此兩種模型，而在最後，我們利用時間序列模型來對各分劵進行預測。
參考文獻 1. Brigo, D., Pallavicini, A., Torresetti, R.(2007).“Default correlation,cluster
dynamics and single names:The GPCL dynamical loss model.”Journal of
Finance, pp.23-27
2. Burtschell, X.,Gregory, J.,Laurent, J.P.(2009).“A comparative analysis of CDO
pricing models under the factor copula framework. ”The Journal of Derivatives,
Vol. 16,No. 4,pp. 9-37.
3. Duffie, D., Garleanu, N.(2001).“Risk and valuation of Collateralized
Debt Obligations.”Financial Analysts Journal, pp.41-59.
4. Dezhong W., Rachev S.T., Fabozzi F.J.(2006). Pricing tranches of a CDO and a
CDS index: Recent advances and future research. Working Paper.
5. Hull, J and White, A. (2000). “Valuing credit default swaps I : No
counterparty default risk. ”Working Paper.
6. Hull, J and White, A. (2004).“Valuation of a CDO and an n-th to Default
CDSwithout Monte Carlo Simulation.”The Journal of Derivatives, Vol. 12, pp. 8-23.
7. Hull, J and White, A. (2008).“Dynamic models of portfolio credit risk:A
simplified approach.”Journal of Derivatives, Vol. 15,pp.9-28.
8. Kalemanove, A., Schmid, B., and Werner, R. (2007). “The Normal Inverse
GaussianDistribution for Synthetic CDO pricing. ”The Journal of Derivatives,
Vol. 14, pp. 80-93.
9. Luscher, A. (2005).“Synthetic CDO pricing using the double normal inverse
Gaussian copula with stochastic loadings”. Master’s thesis in Zürich University.

10. Li, D.X. (1999).“On Default Correlation: A Copula Function Approach.”
Working Paper.
11. Laurent, J.P., Gregory, J.(2003).“Basket default swaps,CDOs and factor
Copulas.”Journal of Risk , Vol. 7, pp. 103-122.
12. Lamb, R., Perraudin, W.(2006).“Dynamic loan loss distributions:
Estimation and implications. ” Working Paper.
13. Lamb, R., Perraudin, W., Landschoot, A.V.(2009).“Dynamic pricing Synthetic
Collateralized Debt Obligations. ”Working Paper.
14. Ole E. Barndorff-Nielsen. (1997).“Normal Inverse Gaussian distributions and
Stochastic volatility modeling. ”Scandinavian Journal of Statistics,Vol. 24,
No. 1,pp. 1-13.
15. Schonbucher, P.J.(2002).“Taken to the limit: Simple and not simple loan loss
Distributions.”Working Paper.
16. Vasicek, O. (2002).“The distribution of loan portfolio value.”RISK, Vol. 15,
No. 12, pp. 160-162.
17. Vasicek, O. (1991).“Limiting loan loss probability distribution.”KMV
Corporation.
18. 林聖航(民101)。探討合成型抵押擔保債劵憑證之評價。
國立政治大學統計學系碩士論文，台北市。
19. 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。
國立政治大學金融研究所碩士論文，台北市。
20. 何殷如。全面解讀信用違約交換(CDS)。立法院預算中心。
21. 邱嬿燁(民97)。探討單因子復合分配關聯結構模型之擔保債權憑證之評價。
國立政治大學統計學系碩士論文，台北市。
描述 碩士
國立政治大學
統計研究所
102354013
資料來源 http://thesis.lib.nccu.edu.tw/record/#G0102354013
資料類型 thesis
dc.contributor.advisor 劉惠美<br>陳麗霞zh_TW
dc.contributor.advisor Liu, Hui Mei<br>Chen, Li Hsiaen_US
dc.contributor.author (Authors) 張弦鈞zh_TW
dc.contributor.author (Authors) Chang, Hsien Chunen_US
dc.creator (作者) 張弦鈞zh_TW
dc.creator (作者) Chang, Hsien Chunen_US
dc.date (日期) 2015en_US
dc.date.accessioned 27-Jul-2015 11:21:42 (UTC+8)-
dc.date.available 27-Jul-2015 11:21:42 (UTC+8)-
dc.date.issued (上傳時間) 27-Jul-2015 11:21:42 (UTC+8)-
dc.identifier (Other Identifiers) G0102354013en_US
dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/76860-
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) 102354013zh_TW
dc.description.abstract (摘要) 根據以往探討評價合成型抵押擔保債務憑證之文獻研究，最廣泛使用的方法應為大樣本一致性資產組合(large homogeneous portfolio portfolio；LHP)假設之單因子常態關聯結構模型來評價，但會因為常態分配的厚尾度及偏斜性造成與市場報價間的差異過大，且會造成相關性微笑曲線現象。故像是Kalemanova et al.在2007年提出之應用LHP假設的單因子Normal Inverse Gaussian(NIG)關聯結構模型以及邱嬿燁(2007)提出NIG及Closed Skew Normal(CSN)複合分配之單因子關聯結構模型(MIX模型)皆是為了改善其在各分劵評價時能達到更佳的評價結果
，然而過去的文獻在評價合成型抵押擔保債務憑證時，需要將CDS價差、各分劵真實報價之資訊導入模型，並藉由此兩種資訊進而得到相關係數及報價，故靜態模型大多為事後之驗證，在靜態模型方面，我們嘗試使用不同概念之CDS取法以及相對到期日期數遞減之概念來比較此兩種不同方法與原始的關聯結構模型進行比較分析，在動態模型方面，我們應用與時間序列相關之方法套入以往的評價模型，針對不同商品結構的合成型抵押擔保債券評價，並由實證分析來比較此兩種模型，而在最後，我們利用時間序列模型來對各分劵進行預測。		zh_TW
dc.description.tableofcontents 目錄
謝辭 I
摘要 II
Abstract III
表目錄 VI
圖目錄 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 1
第三節 抵押擔保債務憑證(Collateralized Debtbligation ,CDO) 2
第四節 合成型抵押擔保債務憑證(Synthetic CDOs ) 3
第五節 信用違約交換(Credit Default Swaps ,CDS) 4
第六節 信用違約指數（Credit Default Indexes） 7
第七節 本文架構 9
第二章 文獻回顧 10
第一節 單因子關聯結構模型(OneFactorCopula Model) 10
第二節 Normal Inverse Gaussian Distribution(NIG分配) 12
第三章 合成型CDO之評價方法與單因子關聯結構模型 13
第一節 合成型抵押擔保債務憑證之評價方法 13
第二節 應用LHP假設之單因子高斯關聯結構模型 17
第三節 NIG分配性質及定義 22
第四節 應用LHP假設之單因子NIG關聯結構模型 26
第四章 動態模型及評價方法 31
第一節 動態模型的演進 31
第二節 動態模型之損失分配 33
第三節 動態模型之評價方法 38
第五章 實證分析：評價DJ iTraxx 40
第一節 不同CDS價差取法對各分券評價之影響 42
第二節 期數遞減對評價之影響 49
第三節 動態模型之評價 57
第四節 以時間序列模型對各分劵做預測 62
第六章 結論與建議 65
參考文獻 68
附錄一 70		zh_TW
dc.format.extent 1506734 bytes-
dc.format.mimetype application/pdf-
dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0102354013en_US
dc.subject (關鍵詞) 合成型抵押擔保債務憑證zh_TW
dc.subject (關鍵詞) 單因子關聯結構模型zh_TW
dc.subject (關鍵詞) NIG分配zh_TW
dc.subject (關鍵詞) 動態評價模型zh_TW
dc.subject (關鍵詞) synthetic CDOsen_US
dc.subject (關鍵詞) one factor copula modelen_US
dc.subject (關鍵詞) NIG distributionen_US
dc.subject (關鍵詞) Dynamic modelen_US
dc.title (題名) 時間數列模型應用於合成型抵押擔保債務憑證之評價與預測zh_TW
dc.title (題名) Time series model apply to price and predict for Synthetic CDOsen_US
dc.type (資料類型) thesisen
dc.relation.reference (參考文獻) 1. Brigo, D., Pallavicini, A., Torresetti, R.(2007).“Default correlation,cluster
dynamics and single names:The GPCL dynamical loss model.”Journal of
Finance, pp.23-27
2. Burtschell, X.,Gregory, J.,Laurent, J.P.(2009).“A comparative analysis of CDO
pricing models under the factor copula framework. ”The Journal of Derivatives,
Vol. 16,No. 4,pp. 9-37.
3. Duffie, D., Garleanu, N.(2001).“Risk and valuation of Collateralized
Debt Obligations.”Financial Analysts Journal, pp.41-59.
4. Dezhong W., Rachev S.T., Fabozzi F.J.(2006). Pricing tranches of a CDO and a
CDS index: Recent advances and future research. Working Paper.
5. Hull, J and White, A. (2000). “Valuing credit default swaps I : No
counterparty default risk. ”Working Paper.
6. Hull, J and White, A. (2004).“Valuation of a CDO and an n-th to Default
CDSwithout Monte Carlo Simulation.”The Journal of Derivatives, Vol. 12, pp. 8-23.
7. Hull, J and White, A. (2008).“Dynamic models of portfolio credit risk:A
simplified approach.”Journal of Derivatives, Vol. 15,pp.9-28.
8. Kalemanove, A., Schmid, B., and Werner, R. (2007). “The Normal Inverse
GaussianDistribution for Synthetic CDO pricing. ”The Journal of Derivatives,
Vol. 14, pp. 80-93.
9. Luscher, A. (2005).“Synthetic CDO pricing using the double normal inverse
Gaussian copula with stochastic loadings”. Master’s thesis in Zürich University.

10. Li, D.X. (1999).“On Default Correlation: A Copula Function Approach.”
Working Paper.
11. Laurent, J.P., Gregory, J.(2003).“Basket default swaps,CDOs and factor
Copulas.”Journal of Risk , Vol. 7, pp. 103-122.
12. Lamb, R., Perraudin, W.(2006).“Dynamic loan loss distributions:
Estimation and implications. ” Working Paper.
13. Lamb, R., Perraudin, W., Landschoot, A.V.(2009).“Dynamic pricing Synthetic
Collateralized Debt Obligations. ”Working Paper.
14. Ole E. Barndorff-Nielsen. (1997).“Normal Inverse Gaussian distributions and
Stochastic volatility modeling. ”Scandinavian Journal of Statistics,Vol. 24,
No. 1,pp. 1-13.
15. Schonbucher, P.J.(2002).“Taken to the limit: Simple and not simple loan loss
Distributions.”Working Paper.
16. Vasicek, O. (2002).“The distribution of loan portfolio value.”RISK, Vol. 15,
No. 12, pp. 160-162.
17. Vasicek, O. (1991).“Limiting loan loss probability distribution.”KMV
Corporation.
18. 林聖航(民101)。探討合成型抵押擔保債劵憑證之評價。
國立政治大學統計學系碩士論文，台北市。
19. 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。
國立政治大學金融研究所碩士論文，台北市。
20. 何殷如。全面解讀信用違約交換(CDS)。立法院預算中心。
21. 邱嬿燁(民97)。探討單因子復合分配關聯結構模型之擔保債權憑證之評價。
國立政治大學統計學系碩士論文，台北市。		zh_TW