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。

現今在處理財務資料的過程當中，通常對於資料的分配特性是未知的，然而 透過關聯結構可以較容易的得知資料的聯合機率分配，但要如何得知資料是最 適合配適何種關聯結構呢？為了解決這個問題，Dobric & Schmid (2005, "Testing Goodness of Fit for Parametric Families of Copulas ---Application to Financial Data",Communication in Statistics: Simulation and Computation, 34,pp.1053-1068) 提 出了針對在二維關聯結構的方法---卡方適合度檢定，來檢視資料配適多種關 聯結構是否恰當。本篇論文延續著 Dobric & Schmid(2005)所提出的方 法，把資料配適二維關聯結構的情形推廣到三維上面來探討，並檢視類股間日 漲跌幅資料配適關聯結構的情形。模擬方面，利用蒙地卡羅模擬法，探討五種 三維關聯結構中卡方適合度檢定的模擬結果以及檢定力曲線的表現。實證方 面，以台灣股票市場為例，選取四個建築相關類股的日內 (Intra- day)股 價漲跌幅資料，檢定實際資料配適五種關聯結構的情形，並進一步了解實際資 料配適何種關聯結構最恰當，從實證研究得知可以發現實際資料配適 Normal、 Clayton、 Frank 和 Gumbel 關聯結構的表現並不佳，唯獨在 配適 t關聯結構最恰當，尤其是自由度為3或4的t關聯結構表現較佳。 關鍵字: 關聯結構，卡方適合度檢定，Normal 關聯結構，Clayton 關聯結 構，t關聯結構，Frank 關聯結構，Gumbel 關聯結構，日內(Intra-day) 價漲跌幅

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.