簡易檢索 / 詳目顯示
| 研究生： |
楊立民 |
|---|---|
| 論文名稱： |
信用風險尾巴機率之研究 |
| 指導教授： | 劉惠美 |
| 學位類別： |
碩士
Master |
| 系所名稱： |
商學院 - 統計學系 Department of Statistics |
| 論文出版年： | 2005 |
| 畢業學年度： | 93 |
| 語文別： | 中文 |
| 中文關鍵詞： | 信用風險損失分配 、同質估計法 、蒙地卡羅法 |
| 相關次數： | 點閱：76 下載：31 |
| 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 |
由於整體金融環境的改變，資金的放款與融貸業務日益蓬勃，信用風險造成的呆帳問題成為銀行所承擔最大的風險來源之一，巴塞爾資本適足協定要求各銀行對其債權訂定風險權數，本文提出的同質性估計法即為內建評等法的應用。
為探討投資組合在發生極大損失的尾端機率，我們從估計損失分配的尾巴衰退率著手，先以Glasserman於2004提出的同質法估計為基礎，並將獨特風險改變為t分配的假設下進行估計。此外，考慮到經濟現象的損失大多偏向厚尾分配，故導入Fréchet分配於獨特風險中，並藉以調整同質法進行估計。進一步我們使用蒙地卡羅模擬法來做為配適好壞比較的依據，模擬次數為100000次，以瞭解在常態分配、t分配及Fréchet分配的假設下尾端機率估計的優劣。
結果發現，不同的獨特風險分配假設下，並沒有一致最佳的估計方法，在各群體同質性很高的投資組合中，t分配的估計是較為準確的，而且對於假設獨特風險在Fréchet分配時，不管何種投資組合，t分配同質法都能表現得不錯，相形之下，常態分配同質法的估計往往過於高估損失機率。另外，在損失設定在很小的水準時，不管何種同質估計法對損失機率都不太能估計得很準確。
第一章 緒論 1
第一節 研究背景與研究動機 1
第二節 研究目的與本文架構 2
第二章 文獻探討 3
第一節 風險值的介紹 3
第二節 信用風險模型 6
第三節 極端值理論 10
第三章 研究方法 14
第一節 模型架構－獨特風險服從學生t分配 15
第二節 同質性投資組合分析－使用牛頓線形法 24
第三節 利用Fréchet分配估計對同質法做調整 29
第四節 配適度衡量準則 31
第四章 模擬分析及比較 32
第一節 投資組合A 32
第二節 投資組合B 51
第三節 投資組合C 72
第四節 投資組合D 83
第五章 結論與建議 93
附 錄 94
參考文獻 102
中文部份
1. 元大京華證券，2005，風險管理e學苑，http://riskmgmt.yuanta.com.tw/。
2. 阮建豐，2002，「利用混合模型估計風險值的探討」，國立政治大學統計研究所碩士論文。
3. 黃向義，2001，「極值理論應用於風險值估計」，國立臺北大學統計研究所碩士論文。
4. 賴柏志，2003，「關聯結構在信用風險管理之運用」，金融聯合徵信中心，http://www.jcic.org.tw/。
英文部份
[1] Bassi, F., P. Embrechts, and M. Kafetzaki. (1998). Risk management and quantile estimation. in Adler, R. J. Feldman, R. E. Taqqu, M. S. (Eds.). A Practical Guide to Heavy Tails, 111-130. Birkhäuser, Boston.
[2] Bluhm, C., L. Overbeck, and C. Wagner. (2002). An Introduction to Credit Risk Modeling. Chapmen & Hall/CRC, London.
[3] Dembo, A., and O. Zeitouni. (1998). Large Deviations Techniques and Applications, 2nd ed. Springer-Verlag, New York.
[4] Fisher, R. A., and L. H. C. Tippett. (1928). Limiting forms of the frequency distribution of the largest or smallest member of a sample. Proceedings Cambridge Philosophical Society, 24:180-190.
[5] Glasserman, P. (2003). Monte Carlo Methods in Financial Engineering. Springer, New York.
[6] Glasserman, P. (2004). “Tail approximations for portfolio credit risk”, The Journal of Derivatives, 4:24-43.
[7] Heffernan, J., and J. Tawn. (2003). Extreme Value Theory. Powerpoint. Lancaster University.
[8] Jorion, P. (2000). Value at Risk, 2nd ed. McGrall-Hill, New York.
[9] Kalkbrenner, M., H. Lotter, and L. Overbeck. (2004). “Sensible and efficient capital allocation for credit portfolios.” Risk, 17:S19-S24.
[10] Leadbetter, M. R., G. Lindgren, and H. Rootzén. (1983). Extremes and related properties of random sequences and processes. Springer, Berlin.
[11] Li, D. (2000). “On default correlation: A copula function approach.” The Journal of Fixed Income, 9:43-54.
[12] Lucas, A., P. Klaassen, P. Spreij, and S. Straetmans. (2001). “An analytic approach to credit risk of large corporate bond and loan portfolios.” Journal of Banking & Finance, 25:1635-1664.
[13] Nocedal, J., and M. Wright. (1999). Numerical Optimization. Springer-Verlag, New York.
[14] Sklar, A. (1959). Fonctions de répartition à n dimensions et leur marges. Publ. Int. Stat Univ., Paris, 8:229–231.
[15] Trück, S., and J. Peppel. (2003). Credit Risk Models in Practice – A Review. Physica Veriag, Heidelberg.