排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
本文研究风险因子多元厚尾分布情形下的信用资产组合风险度量问题.用多元t-Copula分布来描述标的资产收益率分布的厚尾性,同时将三步重要抽样技术发展到基多元t-Copula分布的资产组合模型中,拓宽和丰富了信用资产组合风险度量模型.同时,并运用了非线性优化技术中的Levenberg-Marquardt算法来解决重要抽样技术中风险因子期望向量估计.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差,从而更精确地估计出信用投资组合损失分布的尾部概率或给定置信度下组合VaR值. 相似文献
2.
基于共同风险因子的相依关系转换为不同资产的违约示性函数的相依关系来刻画的思想,利用参数为Gamma分布线性组合的Poisson分布来描述不同资产的违约示性函数的相依关系,建立基于混合泊松分布的信用资产组合多因子的风险度量模型,并引入重要抽样技术到模型进行有效数值模拟计算,拓宽和丰富信用资产组合风险度量模型.进一步地,结合中国金融市场四个产业的数据把混合泊松分布应用到实证研究中.在模型的构建过程中,首先运用经典的结构模型和期权定价公式估计单个债务人的动态违约概率;再利用单资产动态违约概率得到混合泊松模型下每个资产的动态泊松强度;接着结合共同风险因子的值求得资产不同的因子载荷系数,该因子载荷系数反映了不同资产间的相依结构程度;最后,把重要抽样技术发展到混合泊松模型中,对由不同产业组成的信用资产组合的损失分布进行有效Monte Carlo模拟.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差. 相似文献
1