序贯重要采样与重采样在动态投资组合信用风险中的应用.docVIP

序贯重要采样和重采样在动态投资组合信用风险中的应用 摘要：我们提出一种序贯蒙特卡洛方法，用于估计在动态、基于强度点过程模型中的投资组合信用风险的极少事件概率。这种方法是基于测度的改变，并涉及一种重采样机制。我们确定重采样权重，使得在技术条件下，能够得到对巨额组合损失的概率的对数有效模拟估计。通过一种数值分析说明了这种序贯蒙特卡洛方法的特征，并与其他最新用于研究组合信用风险的极少事件方法进行了比较，这些极少事件方法包括交互粒子方法和重要采样方法。 1、Introduction 组合信用风险是一种由于像贷款和公司债券这样信用敏感资产组合的违约而导致的财务损失的分布。蒙特卡洛模拟方法就被广泛用于估计组合损失的分布。该方法几乎应用于任何与违约期限相关的模型中并且相对容易实现；但另一方面，精确估计组合巨额损失概率的计算工作量可能是巨大的。这个概率在风险管理应用中处于中心地位；比如，在风险价值中风险度量的估计。 本文描述和分析了一种序贯蒙特卡洛方法，对组合巨额风险和其他极少事件的概率做出有效和无偏估计。该方法应用于违约期限相关的动态点过程模型中，在这些广泛应用的模型中，组合中的一种资产的违约受随机强度过程控制。强度过程与组合中的各种资产相关联，以反映组合的违约依附结构。类似于传统重要采样方法，序贯蒙特卡洛方法涉及概率测度的转变。违约事件是按照不同于标准测度的概率测度序贯采样的。另外，连续产生的