本研究探討評價一籃子信用商品有效率的估計方法，所謂有效率是指計算簡單、快速且能達到變異數縮減，Chiang, Yueh, and Hsieh (2007)提出一個有效演算法，模型中將系統性風險因子與非系統性風險因子視為常態分配，但考慮現實情況系統性風險因子未必為對稱分配，因此本文系統性風險採用偏斜常態分配，而非系統性風險為常態分配。根據Chiang, Yueh, and Hsieh (2007)所提之演算法，並將其延伸至多個系統性風險因子，探討此方法在系統風險為偏斜常態分配下變異數縮減的效果。以不同的投資組合計算其違約給付金額，並與蒙地卡羅法模擬結果比較，由於此方法皆在至少有k個違約發生的事件下抽樣，因此所需模擬次數較少，計算時間也較短，且可達到變異數縮減。 單一系統性風險因子模型，當 ρ 值高，變異數縮減效果越好，且變異數縮減的效果也隨著 k 值越大效果越好。在二個系統性風險因子模型，變異數縮減的效果也是隨著 k 值越大效果越好。就各因子的權重而言，變異數縮減的效果原則上對權重較大的因子做重點抽樣，變異數縮減效果較顯著，但是此方法對於極為右偏的分配時，對權重較大的因子做重點抽樣效果不彰，此時反而針對對稱分配做重點抽樣的效果較佳。此方法就到期時間做探討，發現到期時間越長變異數縮減效果越差。

本文主要針對匯率連動權益指數年金（Quanto Equity-Indexed Annuities）做評價，首先，先介紹三種不同權益指數年金（Equity-Indexed Annuities，EIA），分別為點對點（Point-to-Point）、高水檔（High Water Mark）和年度重設（Annual Ratchet），而年度重設又可分為複利年度重設（Compound Annual Ratchet）和簡單年度重設（Simple Annual Ratchet）。接著，我們介紹了單資產Quanto模型和多資產Quanto模型，並推導出單資產Quanto EIA的封閉解。由於多資產Quanto EIA無封閉解，本研究運用蒙地卡羅法來評價商品價格，並利用變異數縮減方法，使其模擬速度增快。我們使用了控制變異法（Control Variates）和反向變異法（Antithetic Variates），發現兩者同時使用的變異數縮減效果最佳。最後，本文透過調整參與率、上限率、下限率、利率和匯率與連結標的的相關係數來觀察成本的變化，提供建議予商品發行商。

本文整理市場上已發行結構債的現金流量型式，且利用風險中立評價法推導多資產Quanto模型，並以蒙地卡羅模擬法模擬外幣計價的結構型商品的理論價格，除了計算使用Quanto模型所求得的理論價格外，本文也比較使用Quanto模型與沒有使用Quanto模型評價商品時理論價格的差異，此外也進行商品的利率敏感度分析和相關係數敏感度分析；其後找到有效的控制變數，利用變異數縮減技術克服蒙地卡羅模擬法收斂不易的缺點，增進模擬的效率與精準程度，最後並做變異數縮減的Rubust分析，討論在何種參數的設定下變異數縮減的效果會最好，及如何透過參數的選取，如參與率與保本率，設計商品與成本分析。

相較於單一信用違約交換只能對單一信用標的進行信用保護，一籃子信用違約交換則能對一籃子的信用標的進行信用保護。此種產品的評價決定於一籃子信用標的實體的聯合機率分配，因此多個標的資產間違約相關性的衡量，對於一籃子信用違約交換的評價和風險管理是相當重要的課題。 　　在一個資產池中，有時可以將其切割成兩個以上的群體，各群體間彼此相互獨立，而在各群內彼此相依。我們將其視為在多因子模型下的特例，此模型提供我們更具彈性的方式去建立資產之間彼此的相關性。 　　在這篇文章中，我們主要以 Chiang, Yueh, and Hsieh (2007) 在單因子模型下所提出來的方法為基礎，將其延伸至多因子的模型下的特例。藉由選擇一個合適的(IS)分配，在每一次的模擬中必定會有k個違約事件發生；因此我們獲得一個有效率的方法對一籃子違約交換進行評價，此演算法不僅簡單並且其變異數較蒙地卡羅小。 / In contrast to a single name credit default swaps which provides credit protection for a single underlying, a basket credit default swap extends the credit protection to portfolio of obligors with the restriction that the default of only one underlying is compensated. The price of the products depends on the joint default probability of the underlying in the credit portfolio. Thus, the modeling of default correlation, default risk and expected loss is a key issue for the valuation and risk management of basket default swaps. Sometimes a pool of underlying obligors can have two or more separate groups, between those they are unrelated, but in each part they are related. The special cases provide more flexible way to construct the correlation between two or more underlying obligors. In this paper, our approach is based on the construction of importance sampling (IS) method proposed by Chiang, Yueh and Hsieh (2007) under one-factor model, and then we extend the model to a special case under the multi-factor model. By the appropriate choice of the importance sampling distribution, we establish a way of ensuring that for every path generated, k default events always take place. Then we can obtain an efficiency algorithm for basket default swap valuation. The algorithm is simple to implement and it also guarantees variance reduction.

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。

衡量投資組合的稀有事件時，即使稀有事件違約的機率極低，但是卻隱含著高額資產違約時所帶來的重大損失，所以我們必須要精準地評估稀有事件的信用風險。本研究係在估計信用損失分配的尾端機率，模擬的模型包含同質模型與異質模型；然而蒙地卡羅法雖然在風險管理的計算上相當實用，但是估計機率極小的尾端機率時模擬不夠穩定，因此為增進模擬的效率，我們利用Glasserman and Li (Management Science, 51(11),2005)提出的重點取樣法，以及根據Chiang et al. (Joural of Derivatives, 15(2),2007)重點取樣法為基礎做延伸的改良式重點取樣法，兩種方法來對不同的投資組合做模擬，更是將改良式重點取樣法推廣至異質模型做討論，本文亦透過變異數縮減效果來衡量兩種方法的模擬效率。數值結果顯示，比起傳統的蒙地卡羅法，此兩種方法皆能達到變異數縮減，其中在同質模型下的改良式重點取樣法有很好的表現，模擬時間相當省時，而異質模型下的重點取樣法也具有良好的估計效率及模擬的穩定性。 / When measuring portfolio credit risk of rare-event, even though its default probabilities are low, it causes significant losses resulting from a large number of default. Therefore, we have to measure portfolio credit risk of rare-event accurately. In particular, our goal is estimating the tail of loss distribution. Models we simulate are including homogeneous models and heterogeneous models. However, Monte Carlo simulation is useful and widely used computational tool in risk management, but it is unstable especially estimating small tail probabilities. Hence, in order to improve the efficiency of simulation, we use importance sampling proposed by Glasserman and Li (Management Science, 51(11),2005) and modified importance sampling based on importance sampling which proposed by Chiang et al. (2007 Joural of Derivatives, 15(2),). Simulate different portfolios by these two of simulations. On top of that, we extend and discuss the modified importance sampling simulation to heterogeneous model. In this article, we measure efficiency of two simulations by variance reduction. Numerical results show that proposed methods are better than Monte Carlo and achieve variance reduction. In homogeneous model, modified importance sampling has excellent efficiency of estimating and saves time. In heterogeneous model, importance sampling also has great efficiency of estimating and stability.

近年來隨著法規與市場逐漸的開放，使得券商可以發行衍生性商品的種類也逐漸增加，而在眾多結構型商品中，不少商品其連結標的包含了多資產與路徑相依條款，可以看成投資一藍子股票且具有多個觀察時間的商品，一方面若連結資產上漲投資人將可得到一定的報酬，另外一方面同時具有下方保護的條款可避免本金嚴重虧損。 而此類商品包含了多資產連結且有路徑相依條款，在評價方面是一個高維度的問題，若使用傳統的蒙地卡羅法來評價，因其收斂速度緩慢常需秏費大量的計算時間，使得蒙地卡羅法在應用上有此缺點，一般來說可以使用對立變數法或控制變數法來改進收斂的速度，另外也可以使用低差異性數列即所謂的準蒙地卡羅法來改進收斂速度，並且準蒙地卡羅法與布朗橋結構或主成份分析法相結合還可加快收斂速度。 本文主要提供二種不同報酬型態的商品，第一個商品為低維度上入局商品，其報酬型態與障礙型選擇類似，第二個商品為連結多資產且路徑相依商品，以此兩商品來探討各種不同方法在不同報酬型態下的收斂速度與準確性，最後文中模擬的結果顯示在所有方法中，使用準蒙地卡羅法結合主成份分析法皆可以得到不錯的收斂速度與準確性。

蒙地卡羅模擬是在組合信用風險的管理上相當實用的計算工具。衡量組合信用風險時，必須以適當的模型描述資產間的相依性。常態關聯結構是目前最廣為使用的模型，但實證研究認為 t 關聯結構更適合用於配適金融市場的資料。在本文中，我們採用 Bassamboo et al. (2008) 提出的極值相依模型建立 t 關聯結構用以捕捉資產之間的相關性。同時，為增進蒙地卡羅法之收斂速度，我們以 Chiang et al. (2007) 的重要性取樣法為基礎，將其拓展到極值相依模型下，並提出兩階段的重要性取樣技巧確保使用此方法估計一籃子信用違約時，所有模擬路徑均會發生信用事件。數值結果顯示，所提出的演算法皆達變異數縮減。而在模型自由度較低或是資產池較大的情況下，兩階段的重要性取樣法將會有更佳的估計效率。我們也以同樣的思路，提出用以估計投資組合損失機率的演算法。雖然所提出的演算法經過重要性取樣的技巧後仍無法使得欲估計的事件在所有模擬路徑下都會發生，但數值結果仍顯示所提出的方法估計效率遠遠優於傳統蒙地卡羅法。 / Monte Carlo simulation is a useful tool on portfolio credit risk management. When measuring portfolio credit risk, one should choose an appropriate model to characterize the dependence among all assets. Normal copula is the most widely used mechanism to capture this dependence structure, however, some emperical studies suggest that $t$-copula provides a better fit to market data than normal copula does. In this article, we use extremal depence model proposed by Bassamboo et al. (2008) to construct $t$-copula. We also extend the importance sampling (IS) procedure proposed by Chiang et al. (2007) to evaluate basket credit default swaps (BDS) with extremal dependence and introduce a two-step IS algorithm which ensures credit events always take place for every simulation path. Numerical results show that the proposed methods achieve variance reduction. If the model has lower degree of freedom, or the portfolio size is larger, the two-step IS method is more efficient. Following the same idea, we also propose algorithms to estimate the probability of portfolio losses. Althought the desired events may not occur for some simulations, even if the IS technique is applied, numerical results still show that the proposed method is much better than crude Monte Carlo.