【摘要】：對(duì)債務(wù)抵押債券(CDO)的定價(jià),業(yè)界普遍采用傳統(tǒng)的高斯Copula標(biāo)準(zhǔn)模型,存在尖峰厚尾、負(fù)Delta對(duì)沖、高分券層定價(jià)失效等諸多缺陷。為了克服上述不足,考慮了回收率的下列3種特征:隨機(jī)回收率、市場(chǎng)共同因子服從混合高斯分布以及采用貝努利相關(guān)、三狀態(tài)相關(guān)刻畫的隨機(jī)相關(guān)結(jié)構(gòu)。并據(jù)此給出了資產(chǎn)池違約邊界、隨機(jī)回收率和CDO分券層定價(jià)的數(shù)值模擬實(shí)例。結(jié)果表明:混合高斯分布可有效地用于刻畫風(fēng)險(xiǎn)因素的尾部效應(yīng),隨機(jī)回收率可較有效地用于刻畫回收率與系統(tǒng)風(fēng)險(xiǎn)及違約相關(guān)結(jié)構(gòu)的特征,進(jìn)而高分券層價(jià)差也可得以較合理計(jì)算。
[Abstract]:The traditional Gao Si Copula standard model is widely used in the pricing of CDB (CDO), which has many defects, such as peak and thick tail, negative Delta hedging, pricing failure of high-grade bond layer and so on. In order to overcome these shortcomings, the following three characteristics of recovery rate are considered: random recovery rate, distribution of market common factor from mixed Gao Si, and random correlation structure characterized by Bernoulli correlation and three-state correlation. Based on this, numerical simulation examples of asset pool default boundary, stochastic recovery rate and CDO pricing are given. The results show that the mixed Gao Si distribution can be used to describe the tail effect of risk factors effectively, and the random recovery rate can be used to characterize the characteristics of the structure of recovery, systematic risk and default. Furthermore, the price difference of high grade coupons can also be calculated more reasonably.
【作者單位】： 大連理工大學(xué)管理學(xué)院;大連銀行資金運(yùn)營部;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(70771018) 中國博士后科學(xué)基金資助項(xiàng)目(200704103500) 教育部人文社科基金項(xiàng)目(05JA630005);教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃(2005年)資助項(xiàng)目
【分類號(hào)】：F224;F830.91

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳又星;徐輝;;中小企業(yè)資信評(píng)價(jià)指標(biāo)體系構(gòu)建與商業(yè)銀行信貸風(fēng)險(xiǎn)的模糊控制[J];企業(yè)經(jīng)濟(jì);2010年01期

2 朱丹;楊向群;;有跳-擴(kuò)散違約風(fēng)險(xiǎn)的可轉(zhuǎn)換債券的定價(jià)[J];數(shù)學(xué)學(xué)報(bào);2010年01期

3 劉琦鈾;張能福;;信息不對(duì)稱下商業(yè)銀行信貸風(fēng)險(xiǎn)分析與對(duì)策[J];科技創(chuàng)業(yè)月刊;2010年01期

4 胡靜;;VaR模型在金融機(jī)構(gòu)風(fēng)險(xiǎn)度量中的應(yīng)用[J];科技創(chuàng)業(yè)月刊;2010年01期

5 李建平;豐吉闖;宋浩;蔡晨;;風(fēng)險(xiǎn)相關(guān)性下的信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)集成度量[J];中國管理科學(xué);2010年01期

6 曹浩;;商業(yè)銀行住房抵押貸款違約風(fēng)險(xiǎn)防范的博弈分析[J];哈爾濱金融高等�？茖W(xué)校學(xué)報(bào);2010年01期

7 劉博;;基于KMV模型對(duì)中國上市公司的信用風(fēng)險(xiǎn)進(jìn)行度量的實(shí)證分析[J];科學(xué)技術(shù)與工程;2010年03期

8 朱訓(xùn);;基于區(qū)間數(shù)的商業(yè)銀行信貸違約概率測(cè)算模型研究[J];消費(fèi)導(dǎo)刊;2010年02期

9 周穎穎;秦學(xué)志;王s，

本文編號(hào)：2404274