簡易檢索 / 詳目顯示
| 研究生： |
李慎 Li, Shen |
|---|---|
| 論文名稱： |
考量隨機回復率與風險因子承載係數之CDO評價模型 Pricing CDO with random recovery rate and random factor loading |
| 指導教授： |
江彌修
Chiang, Mi Hsiu |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 金融學系 Department of Money and Banking |
| 論文出版年： | 2010 |
| 畢業學年度： | 98 |
| 語文別： | 中文 |
| 論文頁數： | 53 |
| 中文關鍵詞： | 回復率 、風險因子承載係數 、基準違約相關係數 、擔保債權憑證 、隨機回復率 、隱含違約相關係數 、權益分券 、先償分劵 、信用價差 、校準 |
| 外文關鍵詞： | CDO, recovery rate, random factor loading, base correlation, credit spread, equity tranche, senior tranche, implied correlation, BNP, super senior tranche |
| 相關次數： | 點閱：159 下載：0 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
本研究以Amraoui & Hitier (2008)隨機回復率模型(BNP model)以及Andersen and Sidenius(2004)隨機風險因子承載係數模型(RFL model)為基礎，進行對分劵信用價差、債劵群組累積損失機率分配，以及對基準違約相關係數的影響等分析。我們發現當回復率改成動態後可以反映更多系統風險，權益分劵信用價差絕大多數都會下降。在累積損失機率分配方面加入BNP後變為較平滑；改用RFL則會使機率分配在小額損失處又產生一次起伏；同時考量BNP與RFL會使小額損失發生機率減少、極端損失機率增加。實作三組市場資料時，發現不管市場違約機率高或低，共同考慮BNP與RFL的模型在四個模型中是最適合擬和市價的，顯示在市價的校準上有更多彈性，特別是在承擔名目本金60~100%先償分劵的校準上只有共同考慮BNP與RFL的模型能發揮功效。
第一章 緒論 6
第二章 文獻回顧 9
第三章 基本假設與模型設定 13
第一節 合成型擔保債權憑證的評價模型 13
第二節 建構資產群組損失機率分配 15
第三節 隨機回復率 16
第四節 隨機風險因子承載係數 20
第五節 共同考慮隨機回復率與隨機風險因子承載係數 22
第四章 數值結果與分析 24
第一節 合成型擔保債權之評價 24
第二節 評價與分析市場資料 33
第五章 結論與建議 49
1.Altman, E., A. Resti and A. Sironi, 2004, “Default Recovery Rates in Credit Risk Modelling: A Review of the Literature and Empirical Evidence”, Economic Notes by Banca Monte dei Paschi di Seina SpA. Pp. 183-208.
2.Ahluwalia, R. and L. McGinty, 2004, “A Model for Base Correlation Calculation”, JPMorgan, Credit Derivatives Strategy.
3.Andersen, L. and J. Sidenius, 2004, “Extensions of the Gaussian Copula: Random Recovery and Random Factor Loadings”, The Journal of Gredit Risk, 1(1), pp. 29-70.
4.Amaroui, S. and S. Hitier, 2008, “Optimal Stochastic Recovery for Base Correlation”. BNP Paribas, June 2008.
5.Amraoui, S. , L. Cousot , S. Hitier and J. Laurent , 2009 “Pricing CDOs with State Dependent Stochastic Recovery Rates” , working paper.
6.Bennani, N. , J. Maetz , 2009 ”A Spot stochastic Recovery Extension of the Gaussian Copula” , Munich Personal RePEc Archive.
7.Ech-Chatbi C., 2008, “CDS and CDO Pricing with Stochastic Recovery” , working paper.
8.Gaspar, R. M. and I. Slinko , 2007, “ On Recovery and Intensity’s correlation - A new class of credit risk models.” , working paper.
9.Hull, J. and A. White, 2004, ”Valuation of a CDO and Nth to Default CDS without Monte Carlo Simulation”, Journal of Derivatives, 12(2) (Winter), pp. 8-23.
10.Krekel, M., 2008, “Pricing distressed CDOs with Base Correlation and Stochastic Recovery”, UniCredit Markets & Investment Banking.
11.Kakodkar, A., (ed.) 2009, “Coping with The Copula”, Merrill Lynch.
12.Li, D. X., 2000, “On Default Correlations: a Copula Function Approach”, Journal of Fixed Incom, 9, pp. 43-54.
13.Lamedica, P. , 2008 ,” The Bermuda Triangle of Super Senior Risk, Structured Credit Strategy” , working paper.
14.O’Kane, D. and M. Livesey, 2004, “Base Correlation Explained”, Lehman Brothers Quantitative Credit Research Quarterly Report.
15.Prampolini, A. and M. Dinnis, 2009, “CDO Mapping with Stochastic Recovery”, HSH Nordbank AG.
16.Torresetti, R. , D. Brigo and A. Pallavicini ,2006, ”Implied correlation in CDO tranches：a Paradigm to be handled with care” , working paper.
17.Yan,X. , 2008 , “Modelling the Dynamic Relationship between Systematic Default and Recovery Risk” , Quantitative Finance Imperial College Business School ,October 2008.
18.林恩平，條件獨立假設下合成型擔保債群憑證之評價與避險，台灣財務金融學會，2009
19.張立民，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，政治大學，2007
此全文未授權公開