No description available.

本研究係在估計信用損失分配之尾端機率，即發生重大損失的機率；在模型中，信用損失受到系統性風險因子和非系統性風險因子的影響，Glasserman (2004)考慮系統性風險因子和非系統性風險因子皆服從常態分配，然此假設並不符合現實，可能會低估發生極端事件的機率，所以本研究假設系統性風險因子服從常態分配，而非系統性風險因子則是服從標準化的學生-t分配。根據Glasserman (2004)所提之同質法與鞍點法修正出在標準化的學生-t分配之假設的近似機率，以四種不同的投資組合，計算其損失分配之尾端機率，再利用蒙地卡羅法模擬出真實機率以做比較。以計算時間來看，鞍點法較同質法費時許多，以鞍點法之計算點數為倍數；若以準確性來看，鞍點法則表現優良，尤其在損失程度較大時，其尾端機率近似得更精準。

信用風險為金融業經營上最大的風險來源，也是金融業損失的最主要的原因，近日企業紛紛不約而同的強調風險控管的重要性，風險控管更被視為下一波的競爭力，信用風險更是佔銀行各項風險之首。 本文將著重信用風險損失機率分配之探討，然後針對兩種近似方法，同質性近似與拉普拉斯近似模式以及各種不同的投資組合，研究其與蒙地卡羅之配適情形，並嘗試利用比常態厚尾的t分配，目的是為了找出更加保守的估計方式。 分析結果顯示，每一種近似法都沒有絕對的好或壞，各有其相對帶來的效益，同質性近似法不需花費很長的時間，且其結果大致與蒙地卡羅模擬相符，相對來說，拉普拉斯近似法所需的時間較長，但是其對於估計很小之違約機率的準確性是非常有幫助的。整體而言，此二種估計法皆可提供風險管理者作為估計違約機率的參考。

估計貨幣與近似貨幣替代性，有助於下述問題之處理： （一）貨幣的適當定義。 （二）金融媒介機構的成長對於貨幣政策有效性影響。 （三）利率間彼此競爭對於金融媒介機構的獲利與淨值的影響。 （四）瞭解貨幣政策當局對於控制金融媒介機構的效果和知識。 第一章：緒論 第一節：研究動機與目的 第二節：研究方法與內容 第二章：有關貨幣替代性理論的探討 第一節：存貨最適模型法 第二節：效用極大法 第三節：財富極大法 第四節：交易時間極小法 第三章：貨幣替代性之實證研究 第一節：國外過去的實證研究 第二節：台灣過去的實證研究 第四章：台灣貨幣替代性之實證分析 第一節：各項資料之整理與說明 第二節：實證方法 第三節：實證結果 第四節：因子分析法實證分析 第五節：近似貨幣與利率之短期變動分析 第五章：結論

No description available.

本文延伸Glasserman(2004)的同質近似法，假設系統性風險因子為常態分配，非系統性風險因子為標準化t分配下，來推導近似損失分配。我們藉由四種特性不同的投資組合，討論真實分配與近似分配分別在混合分配與常態分配的近似效果。結果顯示，當投資組合中的所有債務人都受到相同的系統性風險衝擊時，利用同質近似法近似真實損失分配的效果最好。 本文改變損失起始值與系統性風險因子，發現近似效果的變化與投資組合特性以及近似分配假設為何有關。本文接著加入雜訊，發現加入雜訊後的近似效果會比無雜訊下的近似效果好，然而因為債務人人數減少，近似效果會變差。 金融機構可能由於資訊不足，引入過多(少)系統性風險因子數，本文發現在大損失處，以常態分配假設的近似分配效果比混合分配來的好，至於要以多因子或是少因子模型來近似端賴投資組合的特性。金融機構或因為資訊不對稱下加入(忽略)雜訊時，以有雜訊的常態分配來近似大損失處的真實損失效果最好。 在資訊不足與資訊不對稱下，金融機構可能面臨高(低)估損失機率：投資組合的損失產生若是因為共同或重複的系統性風險因子越多，引入的因子數目變少(多)，會高(低)估尾端的損失機率；相反的，若投資組合的損失來自不同系統性風險因子的衝擊，引入的因子數目變少(多)，會低(高)估了尾端的損失機率；無(有)雜訊的近似模型明顯高(低)估尾端的損失機率。 金融機構若高估損失機率，可能會因為沒有生意而倒閉；低估了損失機率，卻可能面臨贏家的詛咒。本文於是進而討論是否存在一個最佳的分配選擇，可以良好近似不同分配下的真實損失。結果顯示，同質近似法的近似效果會因為分配假設不同而有差異，若金融機構只專注大損失的情況，以常態分配假設來近似真實損失的效果最好，債務人數目的增加將擴大此效果。但是，若金融機構欲將損失程度分段監控，須採正確的假設分配才能良好近似真實損失。

本文探討如何將近似無關迴歸模型(SUR)與分量迴歸結合,聯合多條迴歸方程式,估計不同分量下自變數對應變數的影響效果。本文提出資料重排分量迴歸,以SUR模型的資料排列方式堆疊在一起,再以分量迴歸進行估計,估計方法容易理解,實際計算也較易操作,不僅可以考慮不同方程式間的同期相關性,也可觀察不同分量下的邊際效果,使估計結果更為準確,同時,本文以模擬方式比較分量迴歸、Zhao(2001)的加權分量迴歸、Jun and Pinkse(2009)的近似無關分量迴歸及資料重排分量迴歸等估計方法,結果顯示資料重排分量迴歸的估計式同時兼具準確性與精確性,為一良好的估計方法。接著,本文延伸Frankel and Poonawala(2010)的研究使用資料重排分量迴歸進行分析,實證結果顯示高階市場貨幣與新興市場貨幣以遠期溢酬作為未來即期匯率報酬的預測上都是偏誤的,且高階市場貨幣的偏誤大於新興市場貨幣,當匯率變化較大時,亦即高分量時,不論是高階市場或是新興市場匯率偏誤都會變小。

信用風險造成的損失是銀行所承擔最大的風險來源之一，高估或低估損失分配對金融機構都是不利的，金融機構需要找出近似效果最好的估計方法來近似其真實損失分配。本研究延伸Glasserman(2004)的同質近似法，估計損失分配之尾端機率，即發生重大損失的機率，然而此模型考慮系統性風險因素和非系統性風險因素皆服從常態分配，假設並不一定符合現實，可能會錯估重大損失的機率，所以本研究假設系統性風險因素為常態分配，非系統性風險因素為標準化偏斜常態分配下，來推導近似損失分配。藉由三種特性不同的投資組合，計算其損失分配之尾端機率，再利用蒙地卡羅法模擬出真實機率以做比較。 本研究改變損失起始值、偏斜常態分配的參數值和系統性風險因素個數，觀察近似效果的變化。結果發現，改變損失起始值和系統性風險因素個數對近似效果的變化與投資組合特性以及近似分配假設為何有關。而偏斜常態分配的參數在夠大的情形下，參數改變對近似效果並無明顯影響。藉由改變債務人數目，可以知道使用同質近似法所得的近似效果是穩定的。使用同質近似法時，誤差項的分配在錯誤假設下，會得到不好的近似效果。所以，收集足夠的資訊，正確的知道衝擊產業的系統風險程度和系統風險數目，且清楚知道個別債務人的邊際損失機率分配時，便可使用同質近似法對信用風險的尾端機率作出正確的估算。

快速且精確地估計投資組合違約損失分配是信用風險管理的重點，本文擴展Glasserman(2004, Journal of Derivatives, 4:24-42)同質近似方法，改變其假設為系統性風險因子服從偏斜常態分配(skew normal distribution)，原假設為服從常態分配，常態分配是偏斜常態分配的一個特例，而非系統性風險因子仍服從常態分配，修正Glasserman(2004)之計算方法，推導投資組合信用風險尾端機率近似分配。我們藉由三種不同的投資組合，討論同質法於偏斜常態分配假設下的近似表現，除此之外，亦改變損失起始值及偏斜常態參數，以及減少風險因子個數，觀察同質法近似效果上的改變，並且進一步研究引入錯誤的分配假設，及引入過多或過少的風險因子數下，對近似結果的影響。 結果發現當投資組合內債務人皆受到相同系統性風險因子影響時，偏斜常態分配近似表現不佳且易低估尾端機率，而常態分配近似表現良好；當投資組合內債務人群內同質性高時，無論是偏斜常態分配或是常態分配，近似效果皆不錯；當投資組合內債務人群內同質性不高，且共同影響的系統性風險因子數少時，近似效果無論在何種分配下皆表現不佳。此外，損失起始值選取在一個夠大的範圍內，近似結果皆相差不遠，且偏斜常態參數只要夠大，在同一個投資組合上的近似表現會具有一致性；而減少系統性風險因子或引入錯誤的風險因子數，近似效果在不同的投資組合會有不同的影響。

機率過程（Stochastic Process）是統計學應用的一個領域，而等候系統模型是機率 過程的一個特例。舉凡能適切劃分顧客及服務者的問題，都可用恰當的等候模型尋求 效益上最佳平衡。 對於M/G/r，GI/M/r及GI/G/r 模型，在分析上不易，且現實生活中，穩定（Stationa ry）及獨立（Independence）的假設均難完全符合，因此在這些假設下所導出的確切 模型（Explicit Model），應算是現實狀況的「概略」模型。對於既複雜又無確切結 果的上述模型，利用運作方便的近似值模型來替代，是本篇論文的主要目的。 全文共六章。第一章緒論；第二章等候理論的幾個基本觀念；第三章確切等候系統模 型，討論M/G/I及GI/M/1 模型，及所遭遇的困難；第四章近似值等候系統模型，討論 GI/G/I模型及由此發展出的近似值與上下界（Bound ）；第五章模擬印證；第六章結 論。