比較各模型在不同時期 DJ iTraxx 之分券評價

觀察表4.2結果，Gaussian模型、Gaussian (125)模型在0%-3%分券得到完全配 適結果，但在其他分券表現上，過度高估3%-6%及6%-9%分券與低估9%-12%及 12%-22%分券。NIG模型相較於Gaussian模型，在3%-6%分券得到較佳的配適結 果，但皆高估其他分券，並觀察發現NIG(1)與NIG(2)整體配適模型效果相近，顯 示NIG模型之第二個參數β並沒有帶來改善的配適模型結果。

DJ iTraxx Europe

series Series 5 Series 9 Series 15 0-3% 23.53%+500bp 66.83%+500bp 27.03%+500bp 61.65%+500bp 56.71% +500bp 34.81% +500bp

3-6% 62.75bp 31.23%+500bp -4.18bp+300bp 27.60%+500bp 18.98% +500bp 3% +500bp

6-9% 18bp 11.53%+500bp -3.99bp+300bp 19.17%+300bp 11.44% +300bp 0.75% +300bp

9-12% 9.25bp 418.8bp 94.01bp+100bp 491.5bp+100bp 345.25bp +100bp 174bp +100bp

12-22% 3.75bp 155bp 37.13bp+100bp 243.17bp+100bp 160bp +100bp 80.5bp +100bp

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

29

觀察表4.3結果，Gaussian模型與NIG(1)模型的配適模型結果類似，對於 0%-3%分券評價較為準確，而在其他分券上皆為評價低估的情形。Gaussian (125) 模型在3%-6%以及6%-9%相較Gaussian模型接近市場報價，整體而言，較Gaussian 模型準確，絕對誤差和少了201.4985bp。NIG(2)模型相較於前面三者，3%-6%分 券評價結果與市場報價完全一致，同時在6%-9%及9%-12%分券評價結果也提升 了不少，整體的絕對誤差和為Gaussian模型與NIG(1)模型的三分之一倍，較 Gaussian (125)模型少一半。

觀察表4.4結果，Gaussian模型與Gaussian (125)模型僅在0%-3%分券評價較為 準確外，其餘分券與市場報價是有相當大的差異，且Gaussian (125)模型在6%-9%、

9%-12%以及12%-22%皆比Gaussian模型高估市場報價。NIG(1)與NIG(2)則能改善 Gaussian的缺點，能夠得到負值的分券評價結果並在0%~3%及3%~6%之分券評價 較為準確，整體的絕對誤差和為Gaussian的四分之一倍。此外，從表5.6還觀察到 各模型資產間的違約相關性程度相當高(大於60%)，由時間點上判斷很有可能受 到歐債危機影響。

觀察表4.5結果，Gaussian模型與NIG(1)模型的配適模型結果類似，對於 0%-3%及12%-22%分券評價較為準確，在3%-6%及6%-9%分券評價結果皆為低估。

而Gaussian (125)模型在0%-3%、3%-6%及6%-9%分券評價結果比前兩者準確，但 Gaussian (125)模型在12%-22%分券低估市場報價，整體而言，絕對誤差和比前兩 者少約200bp。NIG(2)模型相較於前面三者，3%-6%分券評價結果相當接近市場 報價，同時在6%-9%分券評價結果也提升了不少，在整體的絕對誤差和的表現方 面，比Gaussian模型與NIG(1)模型降低了約400bp(等於NIG(1)模型的四分之一倍)，

比Gaussian (125)模型降低了約200bp。同時，此四個模型擁有共同的問題，它們 皆過度地高估9%-12%分券。

‧

觀察表4.6結果，Gaussian模型與Gaussian (125)模型的配適模型結果類似，對 於0%-3%分券評價較為準確，在其他分券評價結果皆為高估。而Gaussian (125) 模型在3%-6%及6%-9%分券評價結果比前者不準確，絕對誤差和比Gaussian模型 多約200bp。NIG(1)、NIG(2)模型相較於前面兩者，3%-6%、6%-9%分券評價結 果相當接近市場報價，同時在9%-12%分券評價結果也提升了不少，在整體的絕 對誤差和的表現方面，比Gaussian模型與Gaussian (125)模型降低了約1500bp(等 於約二分之一倍)。同時，此四個模型擁有共同的問題，它們皆過度地高估9%-12%、

12%-22%分券。

觀察表4.7結果，Gaussian模型與Gaussian (125)模型的配適模型結果類似，對 於0%-3%分券評價較為準確，在其他分券評價結果皆為高估。而Gaussian (125) 模型在3%-6%分券評價結果比Gaussian模型不準確，絕對誤差和比Gaussian模型

‧

9-12% 418.8bp 378.82bp 380.49bp 379.41bp 390.90bp 12-22% 155bp 130.31bp 139.12bp 139.44bp 116.91bp 絕對誤差 708.5645bp 910.063bp 926.84bp 307.23bp

ρ 0.23 0.2589 0.2601 0.2347 6-9% -3.99bp (300bp) 906.48bp 782.61bp -347.92bp -358.45bp 9-12% 94.01bp (100bp) 1302.96bp 1215.93bp 465.36bp 447.43bp 12-22% 37.13bp (100bp) 727.29bp 633.83bp 347.88bp 324.05bp 絕對誤差 4461.32bp 4045.99bp 1026.52bp 995.99bp ρ 0.6472 0.6451 0.7878 0.7920

9-12% 491.5bp (100bp) 1270.04bp 1274.9bp 1272.49bp 1352.34%

12-22% 243.17bp (100bp) 225.94bp 260.94bp 261.24bp 176.44bp 絕對誤差 1462.76bp 1653.96bp 1660.02bp 1204.5bp ρ 0.2741 0.3018 0.3024 0.2758

α 15.2841 2.9572

β 0 1.4886

‧

9-12% 345.25bp (100bp) 1744.42bp 1721.48bp 1357.93bp 1319.18bp 12-22% 160bp (100bp) 670.76bp 684.26bp 617.22bp 609.42bp 絕對誤差 3284.65bp 3098.653bp 1584.534bp 1522.133bp

ρ 0.3803 0.4024 0.4871 0.4937

9-12% 174bp (100bp) 1389.89bp 1367.11bp 905.38bp 741.08bp 12-22% 80.5bp (100bp) 680.90bp 675.22bp 523.22bp 460.87bp 絕對誤差 3740.453bp 3576.96bp 1502.928bp 1393.382bp

ρ 0.5694 0.5824 0.6893 0.7218