厚尾分布情形下的信用资产组合风险度量

本文研究风险因子多元厚尾分布情形下的信用资产组合风险度量问题． 用多元 t-Copula 分布来描述标的资产收益率分布的厚尾性，同时将三步重要抽样技术发展到基多元 t-Copula 分布的资产组合模型中，拓宽和丰富了信用资产组合风险度量模型． 同时，并运用了非线性优化技术中的 Levenberg-Marquardt 算法来解决重要抽样技术中风险因子期望向量估计． 模拟结果表明该算法比普通 Monte Carlo 模拟法的计算效率更有效，且能很大程度上减少所要估计的损失概率的方差，从而更精确地估计出信用投资组合损失分布的尾部概率或给定置信度下组合 VaＲ 值．...