利率模型從早期的短期利率模型、遠期利率模型發展到現今的主流－市場模型（Libor Market Model），概念上，已經將利率假設從瞬間連續修正到區間連續，使描述出來的利率行為，更能符合市場。 而評價方式的進步，帶動市場上出現越來越複雜的商品，尤其以「提前條款」的附加最為普遍。「提早履約」讓投資人多了選擇的空間；「提前贖回」則降低商品權利金。所以市場普遍用提前條款來吸引投資人購買，尤其在利率衍生性商品的設計，提前贖回的條款往往伴隨著高配息而來。 本文選用「百慕達式利率交換選擇權」與「六年期可贖回完美曲線每日計息票券」作為個案分析，來達成在市場模型之下，具提前條款商品的評價正確性。 關鍵字：市場模型、最小平方蒙地卡羅法

近年來市面上的結構型商品日新月異，其中的股權連結型商品，其報酬收益形態往往因為與多檔標的資產連結而造成封閉解的不易求得。在評價此類商品時，常需要藉由撰寫電腦程式語言來模擬各標的股價的未來路徑 (例：Monte Carlo Simulation) ，並對未來期望現金流量折現求解。但因為各標的股價間彼此相關，在模擬股價時，需要對其相關係數矩陣 (correlation matrix) 做Cholesky Decomposition的操作，以便藉由獨立的常態隨機變數造出彼此相關的多元常態隨機變數。 由過去的歷史資料和實證分析得知，各股價報酬間的相關係數矩陣和波動度 (volatility) 皆是隨著時間改變 (time-varing) 而非固定不變的常數 (constant) ，故本論文在模擬股價時，不直接以過去歷史資料所求算之樣本變異數、樣本相關係數來做為模擬股價所需參數，而是考慮使用時間序列中的多維異質變異模型 (Multivariate Conditional Heteroscedastic Models) 或稱多維的波動度模型 (Multivariate Volatility Models) 來預測 (forecast) 未來商品存續期間各時點連結標的資產報酬間的相關係數矩陣和波動度，以便做為模擬股價所需之參數。 本文實際將波動度模型套用在兩件於中國發行的多標的股權連動債券的評價上，發現因為經由波動度模型所預測而得之未來波動度和相關係數皆有均數回歸性質 (mean reversion)，造成最後的評價結果與直接使用歷史波動度和歷史相關係數所得之結果無太大的差異，故認為將來處理相同問題時，可直接使用歷史資料所估得之參數代入模擬程序即可。 關鍵詞：波動度模型、Cholesky Decomposition、結構商品評價、蒙地卡羅法。

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。

有關銀行風險管理之研究多著重於信用風險的範疇，但隨著市場波動性之加劇，市場風險所可能對銀行造成的衝擊已不容忽視。VaR受到巴塞爾銀行監理委員會、美國財務會計準則委員會及美國證券管理委員會的認可並推薦使用。現今，VaR 已被許多著名的國際金融機構實際運用在其市場風險的管理。 本研究旨在模擬本國商業銀行資產組合資料，分別使用（一）Delta-Normal Model、（二）歷史資料模擬法以及（三）蒙地卡羅模擬法等三種內部模型來衡量其市場風險，依新法規範計算該部分所需計提之自有資本額度，藉以比較在採用不同的市場風險衡量方法下，對於各類型銀行資本計提所造成之影響。 而由本研究之實證結果可知，各類型銀行在採用上述三種內部模型時，其所需計提的資本額度均低於標準法下之結果。國內現行資本適足性規範參照巴賽爾銀行監理委員會之規定，將乘數因子的最小值訂為3，其將使得內部模型所衡量出之資本計提高於標準法。建議管理當局可針對該乘數因子之規定進行檢討，以免因此扼殺國內銀行自行發展內部模型之誘因。

由於電腦的發展與普及，在各個領域的應用上，有越來越多的人利用電腦模擬的結果作為參考的依據。而在電腦模擬的過程中，亂數的產生是相當重要的一環。目前大多數的使用者都是直接利用套裝軟體內設的亂數產生器（random number generator）來產生亂數，但是在一般的文獻中對於各軟體內設的亂數產生器，則少有詳盡的探討。因此本論文的主要目的在於：針對SAS 6.12、SPSS 8.0、EXCEL 97、S-PLUS 2000及MINITAB 12等五種統計分析上常使用的套裝軟體，針對其內設U(0,1)亂數產生器進行較完整的介紹、比較、與探討。除了從週期長短、統計性質、電腦執行效率等三種不同觀點來評估這五種軟體內設亂數產生器的優劣之外，同時亦利用樣本平均蒙地卡羅法（sample-mean Monte Carlo method）在求解積分值上的表現作為電腦模擬的應用實例。 / With the development and popularity of computers, in different fields more and more people are using the result from computer simulation as reference. The generation of random number is one of the most important factors in applying computer simulation. Nowadays most of users use intrinsic random number generators in software to produce random numbers. However, only a few articles focus on detailed comparisons of those random number generators. Thus, in this study, we explore the random number generators in frequently used statistical software; such as SAS 6.12, SPSS 8.0, EXCEL 97, S-PLUS 2000, MINITAB 12, etc. and discuss their performances in uniform (0,1) random number generators. This study focuses not only on the comparison of period length and statistical properties of these random number generators, but also on computer executive efficiency. In addition, we also use sample-mean Monte Carlo method as an integral example of computer simulation to evaluate these random number generators.

擔保房貸憑證(CMOs)是衍生自不動產抵押證券(MBS)的證券化商品，透過分券的特殊設計，藉此降低MBS商品的提前清償風險，也增加市場投資人的選擇彈性。但特殊的設計同時也提高了評價上的困難度，由於此產品的提前清償狀況會依分券性質與標的抵押貸款借款人的償還情形而有所不同，為了準確掌握CMOs商品的現金流量，必須採用較為充分的貸款資料與提前清償模型來推估提前清償機率。本文採用競爭風險模型來做為提前清償模型，透過較多變數的選擇方式，模擬出較為精確的提前清償機率路徑。 此外，BGM利率模型是透過將利率間斷化，捕捉市場上可觀察到的利率，同時也可提供在不同時點下的即期利率，可藉此推算出不同時點下的分券價格，故採用BGM來做為本文的利率模型。

本文採用市場利率模型中的Lognormal Forward LIBOR Model（LFM)，針對附有可贖回條款並具有界限選擇權性質的利率連動債券進行相關的評價與避險分析，由於此商品的計息方式為觀察每日利率的型態，過去通常直接使用內插法將每天的利率求出，本文則使用由Brigo and Mercurio(2001)所提出的Drift Interpolation進行每日利率的模擬，並據此計算出每天的固定期間交換利率；而在處理可贖回式商品的部份，由於此商品內含界限選擇權具有路徑相依的性質，因此不具有封閉解，一般較常使用蒙地卡羅法進行模擬，然而蒙地卡羅法不易處理可贖回式商品的評價，所以本文使用由Longstaff and Schwartz(2001)所提出的最小平方蒙地卡羅法，來解決同時具有可贖回與路徑相依特性商品評價的問題並進行實證分析與探討。

國內結構債市場業已蓬勃發展，市場模型亦相當適合結構債評價。本文在市場模型下，因市場模型不具馬可夫性質，運用最小平方蒙地卡羅法針對三連結標的為LIBOR的結構債進行評價。 / The market of the structured notes has been blossoming. The lognormal forward LIBOR model is more suitable for the valuation of structured notes than do the traditional interest rate models. In this article, we perform three case studies of the valuation of the structured notes linked to LIBOR in lognormal forward LIOBR model. It is easier to implement the lognormal forward LIBOR model by Monte Carlo simulation due to the non-Markovian property. Therefore, the least-squares Monte Carlo approach is used to deal with the callable feature of the structured notes in our case studies.

在針對投資組合之信用風險模擬時，如何選取適當的模型來解釋資產間的相依程度是非常重要的。最常用來解釋投資組合的模型為常態關聯結構模型，但近年來發現t關聯結構模型更適合用在解釋投資組合間的相依程度。蒙地卡羅法在針對信用風險模擬上是一個很實用的工具，但是其缺點是模擬時間久且對於發生極端情況時，將不易得到結果，導致其效率過低。而此時，重要性取樣法則是一個很適合用來針對信用風險模擬所使用的工具，其優點在於模擬時間短，且針對極端值也能夠模擬出結果。 本篇文章將蒙地卡羅法作為比較的基準，以Glasserman, and Li (Management Science, 51(11), 1643-1656, 2005) 所提出的二階段重要性取樣法，我們稱為GIS，以及將Chiang et al. (Journal of Derivatives, 15(2), 8-19, 2007) 所提出的重要性取樣法加以改良，我們稱為MIS，針對bassamboo et al. (Operations Research, 56(3), 593-606, 2008) 所提出的極值相依模型，也就是t關聯結構模型進行模擬研究，並根據模擬出來的數值結果判斷重要性取樣法的估計效益，此外，我們也會對常態關聯結構模型進行模擬。依據模擬結果我們發現到，整體而言，在模擬時間上，MIS法所花費的時間較GIS法來得少，在準確率方面，MIS法一樣是比GIS法來的準確，也較為穩定，且MIS法所達到的變異數縮減效果更佳。

本篇論文以Regime Switching Stochastic Volatility（RSV）作為外匯選擇權市場的波動度模型，採用馬可夫鏈蒙地卡羅法（Markov Chain Monte Carlo）中的GibbS Sampling演算法估計RSV模型的參數，並預測外匯選擇權在RSV模型下的價格。 數值結果方面首先對GibbS Sampling參數估計的結果做討論，再對預測出的選擇權價格與Black and Scholes作比較，最後並提出笑狀波幅與隱含波動度平面的結果。 本研究所得到之結論： 1. RSV模型與MCMC模擬法的組合，具備產生笑狀波幅的能力，提供足夠證據顯示，RSV模型與MCMC演算法所計算出來的選擇權價格，確實反應且捕捉到了市場上選擇權價格所應具備的特色。 2. 本模型能有效解釋期限結構 （Term Stucture of Volatility）、笑狀波幅（Volatility Smile）的現象。 關鍵字：馬可夫鏈蒙地卡羅法、外匯選擇權、貝氏選擇權評價、MCMC、Regime switching Regine change、Gibbs Sampling、currency option、Markov Chain Montec Carlo