在合成型抵押擔保債券憑證評價上，Kalemanova et al. (2007) 提出應用大樣本一致性資產組合(large homogeneous portfolio ; LHP)假設之單因子NIG關聯結構模型，配適比常態分配好。林聖航(民101)分析結果顯示NIG(2)模型優於MIX模型、NIG(1)模型、Gaussian模型與CSN模型。本文透過Lee and Hu(1996)提出的F分配線性組合之近似方法模擬出穩定摺積性質和封閉性以縮短計算時間。導出新的單因子F關聯結構模型與過去的模型做比較，並且會使用26期報價資料。文中將常態分配、F自由度10、、F自由度200、F自由度100000四種單因子關聯結構模型作模型比較分析。最後實證分析結果顯示F分配模型大部分資料配適都不佳，但是2008/11/25以及2009/3/31中配適比高斯分配還佳，2009/3/31甚至配適的比單因子NIG(2)模型、MIX模型以及、NIG(1)模型、高斯模型與CSN模型更佳，2008/11/25以及2009/3/31中市場報價的特色為0-3%分券的報價分別為64.03%及66.83% 而其他時期的0-3%分券報價均未超過50% 。各期當3-6%分券報價有負值時，單因子F(10, 10)關聯結構模型雖然表現不佳尤其在但0-3%分券表現很差，但3-6%分券都配適的很理想，顯示單因子F關聯結構模型在某些特殊狀況時可以表現出良好配適。

在市場上最常被用來評價抵押債務債券(Collateralized Debt Obligation, CDO)的分析方法即為應用大樣本同質性資產組合(Large Homogeneous Portfolio, LHP)假設之單因子關聯結構模型(One Factor Copula Model)。由過去文獻指出，自2008年起，抵押債務債券的商品結構已漸漸出現改變，而目前所延伸之各種單因子關聯結構模型在新型商品的評價結果中皆仍有改善空間。 在本文中使用標準化偏斜Student-t分配(Standardized Skew Student-t distribution, SSTD)取代傳統的高斯分配進行抵押債務債券之分券的評價，此分配擁有控制分配偏態與峰態的參數。但是與Student-t分配相同，SSTD同樣不具備穩定的摺積(convolution)性質，因此在評價過程中會額外消耗部分時間。而在實證分析中，以單因子SSTD關聯結構模型評價擔保債務債券新型商品之分券時得到了較佳的結果，並且比單因子高斯關聯結構模型擁有更多參數以符合實際需求。 / The most widely used method for pricing collateralized debt obligation(CDO) is the one factor copula model with Large Homogeneous Portfolio assumption. Based on the literature of discussing, the structure of CDO had been changed gradually since 2008. The effects for pricing new type CDO tranches in the current extended one factor copula models are still improvable. In this article, we substitute the Gaussian distribution with the Standardized Skew Student-t distribution(SSTD) for pricing CDO tranches, and it has the features of heavy-tail and skewness. However, similar to the Student-t distribution, the SSTD is not stable under convolution as well. For this reason, it takes extra time in the pricing process. The empirical analysis shows that the one factor SSTD copula model has a good effect for pricing new type CDO tranches, and furthermore it brings more flexibility to the one factor Gaussian copula model.

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。

在評價合成型抵押擔保債券憑證時，需考慮多個標的資產間之違約相關性。根據過去評價合成型抵押擔保債券的文獻研究，發展高斯分配等單因子關聯結構模型，在給定LHP假設之下，執行各分券評價時，僅有在權益分券(equity tranche)得到好的配適結果，還會造成相關性微笑曲線(correlation smile)等問題。文獻研究，單因子關聯結構模型若能加入厚尾度或偏斜性能夠改善以上問題，且對於分券評價時也會有較好的效果，像是Kalemanova et al. (2007)提出應用LHP假設之單因子NIG關聯結構模型，或是Dezhong et al. (2006)提供之單因子關聯結構延伸模型，來評價抵押擔保債權憑證。進一步發現，全世界主要的信用違約指數的標的資產個數不一，最少有14個標的資產(CDX.EM)，最多有125個標的資產(iTraxx Europe)，事實上標的資產個數均不多，而過去文獻常建立在大樣本假設下進行抵押擔保債券之評價，本文研究目的在於，針對單因子高斯關聯結構模型，建立單因子高斯關聯結構延伸模型，假設在非大樣本性質下，評價合成型抵押擔保債券憑證，嘗試觀察是否有較佳的估計結果，改善相關性微笑曲線的現象。本文將利用常態分配、NIG分配以及非大樣本之常態分配作為不同的單因子關聯結 構模型，藉由絕對誤差極小化方法，針對不同商品結構的合成型抵押擔保債券評 價，並進行模型比較分析。實證結果顯示，非大樣本之常態分配關聯結構模型與LHP假設下的單因子高斯關聯結構模型有類似的評價結果，但在近兩年(2012年、2013年)的實證分析結果顯示，非大樣本之常態分配關聯結構模型於前四分券評價結果上符合同質性假設，即各個資產對共同因子的相關性近乎相同。

根據以往探討評價合成型抵押擔保債券之文獻研究，最廣為使用的方法應用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，但會造成合成型抵押擔保債券憑證與市場報價間的差異過大，且會造成相關性微笑曲線現象。由文獻顯示，單因子關聯結構模型若能加入厚尾度或偏斜性能夠改善以上問題，且對於分券評價時也會有較好的效果，像是Kalemanova et al. (2007) 提出應用LHP假設之單因子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)在實證分析中得到極佳的評價結果。自2008年起，合成型抵押擔保債券商品結構開始出現變化，而以往評價合成型抵押擔保債券價格時，商品結構皆為同一種型式。本文將利用常態分配、NIG分配、CSN分配以及NIG與CSN複合分配作為不同的單因子關聯結構模型，藉由絕對誤差極小化方法，針對不同商品結構的合成型抵押擔保債券評價，並進行模型比較分析。由最後實證分析結果顯示，單因子NIG(2)關聯結構模型優於其他模型，也證明NIG分配的第二個參數 β 能夠帶來改善的評價效果，此項證明與過去文獻結論有所不同，但 MIX模型則為唯一一個符合LHP假設的模型。 / Based on the literature of discussing the approach for pricing synthetic CDOs, the most widely used methods used application of Large Homogeneous Portfolio (LHP) assumption of the one factor Gaussian copula model, however , it fails to fit the prices of synthetic CDOs tranches and leads to the implied correlation smile. The literature shows that one factor copula model adding the heavy-tail or skew can improve the above problem, and also has a good effect for pricing tranches such as Kalemanova et al (2007) proposed the application of LHP assumption of one factor NIG copula model and Qiu Yan Ye (2007) proposed the application of LHP assumption of one factor NIG and CSN copula model. This article found that the structure of synthetic CDOs began to change since 2008. The past of pricing synthetic CDOs, the structure of synthetic CDOs are the same type, so this article will use different one factor copula model for pricing different structure of synthetic CDOs by using the absolute error minimization. This article will observe whether the above model can be applied in the new synthetic CDOs and implement of different type model for comparative analysis. The last empirical analysis shows that one factor NIG (2) copula model is superior to other models, more meeting the actual market demand, also proving the second parameter β of the NIG distribution able to bring about improvements in pricing results. This proving is different for the past literature conclusions. However, the MIX model is the only one in line with the LHP assumptions.