本文修改信用風險商業化模型CreditRisk+, 以蒙地卡羅模擬的方式探 討若修改其中的兩個假設, 將對組合損失分配帶來何種影響。一、本文認 為不同產業間的違約不是獨立, 而應具有相關性。我們以4大產業的季違 約廠商數為應變數, 景氣因子作為自變數估計各產業違約情形與總體經 濟間的關係。二、個別公司違約損失率是一與違約機率相關的隨機變數, 而不再是常數。本文提出利用財報試算各公司、產業LGD 的方法, 並假 設產業違約損失率為Beta 隨機變數, 而其中的參數會受總體因子影響。 如此一來, 產業間的違約機率與違約損失率因總體因子的關係不再獨立, 於是個別公司的違約機率、違約損失率將具有相關性。 最後, 我們以台灣上市櫃公司中同時具有TCRI 評等資訊以及財報 的561家公司作為虛擬的放款組合, 模擬在不同總體條件下的信用損失分 配。結果顯示, 在考慮了產業間違約相關性後的損失將大於產業獨立時的 損失, 而進一步納入違約機率和損失率的相關性後, 放款組合的預期損失 與風險值也隨之提高。

近年來，信用衍生性金融商品蓬勃發展，市場上陸續出現不同特色的信用擔保憑證。過去評價信用衍生性金融商品多採用Hull & White (2004)年所發表的因子相關結構型模型(factor copula approach)。由於因子相關模型在描述違約事件，可降低處理維度，使得計算更容易處理，更方便建立出損失分配，讓評價工作更順利進行。但是，降低維度的便利，卻犧牲了違約時點的動態描述，在因子模型中，我們無法掌握損失分配的期間結構，所以只能處理單一到期日的信用衍生性金融商品。 但市場上逐漸出現具有時間相關性的信用金融商品，例如：遠期生效型信用擔保憑證(Forward-starting CDO)、信用擔保憑證分券選擇權(Option on CDO tranches)、重設型信用擔保憑證等。其中遠期生效契約的特色在於，在生效日之前，標的資產若違約，並不構成損失的發生，只會將此商品從投資標的中剔除。故投資人在生效日之前，受到一層信用保護，所以相較於同天到期的信用擔保憑證，會使遠期契約的信用價差會比較低，可降低發行商的成本。在加上近年來，信用曲線出現越來越陡峭的情形，代表到期日相差越長，報酬差異越大，所以投資較長天期的商品，相對報酬提高較多。而次順位分券信用價差近年來下降許多，不少投資人為了達到報酬目標，轉而投資較長天期的信用投資產品。而且信用曲線過於陡峭，投資人預期未來違約環境會呈現平緩或變佳的趨勢，可以透過購買遠期契約，來獲得投資利潤。 由於我們不想放棄因子相關性結構模型在使用上簡便的優勢，所以試圖將跨期相關因子引入因子模型，將期間之間的相關性考慮進去，讓遠期生效信用擔保憑證的評價工作得以運行。除此之外，我們分析各分券對參數的敏感性，並加以探討其中的經濟意涵，最後以討論遠期信用擔保憑證避險的策略作結。

本文延伸Hull and White (2010)之跨池因子繫聯結構模型中違約相關性之描述，藉由納入Normal Inverse Gaussian分配並允許其帶有狀態轉換之特性，我們探究信用結構式商品清償順位結構中，影響次順位信用保護層(subordination level)之因素。我們以房屋抵押擔保貸款債權憑證(MBS CDO)為例，分析資產違約相關性、資產池微粒化程度、跨池違約相關性等結構性變數如何影響分券評等之合理性及風險特徵。本文的研究結果呼應Azzalini and Capitanio(2003)中所提及採用Gaussian因子繫聯結構模型之於評價信用結構商品的缺失。我們發現增進信用資產池損失分配的之厚尾性描述，得以改善高估或低估分券信用價差的情況。 / By incorporating the Normal Inverse Gaussian distribution and allowing for regime shifts in the correlation structure of the multi-pool factor copula of Hull and White (2010), in this thesis we explorer the factors constituenting the subordination levels of credit-structured products. Using MBS CDOs as an example, we examine how model-embedded variables, such as default correlation, reference-portfolio granularity, and cross-pool correlation, affect the risk profiles of MBS CDO tranches. Our numerical results echo the findings of Azzalini and Capitanio(2003) in that correlation structure obtained under the Gaussian factor copula model may be inadequate in capturing the fact-tailed characteristic of the reference-pool loss distribution, thus can result in over/under-estimation of CDO tranche spreads.