• 沒有找到結果。

雙層保護合成型擔保債權憑證之評價與風險特徵研究

N/A
N/A
Protected

Academic year: 2021

Share "雙層保護合成型擔保債權憑證之評價與風險特徵研究"

Copied!
40
0
0

加載中.... (立即查看全文)

全文

(1)

7 8 9 :  < = > 9 ? @ A B C D E F G H I J K L M N O

          ! "       # $ % &   ' ( )           * + , - .

:

/ 0 1 2 3 4 5 6 7 8 9 : 3 ; 2 3 4 5 6 7 8 < = > ? @ P 8 @ Q R S T U 8 V @ Q 8 W @ Q

JEL

X Y Z [

:

C63, G12

P Q R S

:

T U V

,

W X Y Z g \ ] ^ \ _

,

` a b

116

6 c d e f g h i

64

j k l m

: (02)

2939-3091

n o

81265;

p q

: (02) 2939-8004; E-mail: mhchiang@nccu.edu.tw

k R S r s t u v w x y z { | } ~ Œ  Ž   e ‘ { ’ “  ” • – — k

(2)

˜ ™ ™ š › › œ  ž Ÿ   ¡ ¢ £ ¤ ¢ ¥ ¦ § ¨ © ª «

,

¬ ­ ® ¯ ° ± ²

recursive

method

³ ´ µ ¶ · ¸ ¹ º » ¼ ½ ¸ ¾ ¿ À Á Â Ã Ä Å Æ

,

Ç È Å É À Á Â Ê Ë Ì Í Î Ï Ð Ñ Ò Ó Ô ¶ · ¸ ¹ º » ¼ ½ ¸ ¾ ¿ À Á Õ Ö × Ø  ¶   ­ Ÿ   ¸ ¹ ·    Ê Ë Å    ¾ ¿ ²

reference pool

³ Æ      Ê Ë ¨  

,

          ¨  

,

¶ · ¸ ¹ Ñ µ ª !

,

"  # $ ¼ % · & ' ( ) *  · Ã Ä Å Æ Â + , - Ò Î œ  . * ¶ · ¸ ¹ º » ¼ ½ ¸ ¾ ¿ À Á

,

/ 0  ­ 1 2 3 Ÿ   4 5 6  7 8  9  : ; Å É Î ' < Ñ Ò = Ô ¿ >

¿ > Å ? ²

equity on equity

tranche

³ @ A B

C B Å ? ²

mezzanine on senior tranche

³ D E F Å ? ¨ G H

œ I J K

,

Õ Ö L M   7 œ Ñ µ  N O P Q

,

  R ½ # S Å Â K

 ­ Ê Ë Î T U V W &  X Y Z [ \ ] Å ^ Ê Ë I _ ` a ' H b  ^ c d Ê Ë ` a  b  e f Î

(3)

1.

™ g h

i j k l m n o p q r s t u v

,

w

2002

j x y

,

R S z { | T } ~  €  ‚ ƒ „ … †

,

‡ ˆ ‰ Š ‹ Œ „ / 0 1 2 3 4 5 6 7  Ž ²

synthetic

collater-alized debt obligation, synthetic CDO

³   ‘ ’ “ „ ” • – — ƒ ˜ ™ š › œ  ‡ ˆ ‰ „ ” • ž

,

Ÿ   ¡ ¢ „ { | £ ¤ ¥  Ž ¦ § ¨ © ª €

,

«  9 : 3 ; / 0 1 2 3 4 5 6 7 ²

CDOs of CDOs; CDO squared; CDO

2

³ ¬ ­ / 0 1 2 3

4 Q 6 7 R S  „ ‹ ® ¡ ¯ °  Ž ™ / 0 1

CDO

2

„ ± ² ³ ‹ Œ „ / 0 1

CDO

„ ± ² ´ µ

,

¶ · ¸ ¹ Š º ‹ Œ / 0 1

CDO

„ » „ ˆ ¼ ½ ¾ ²

reference

pool

³ ­ ¿ 4 5 ½ ¾ „ { | q r À Á  r ²

credit default swap

³  ¾ 0

,

ª / 0 1

CDO

2

„ » „ ˆ ¼ ½ ¾ à ­ ¿ Ä ‹ @ Q ²

single tranche

³ „

CDO

 ¾ 0 ™ ¿ º

CDO

2

„ » „ ˆ ¼ ½ ¾ ­ ‹ ½ W 2 3 4 Q 6 7 ²

inner CDO

³ ¸ @ Q

,

Å Æ z Ç ¸ È š W @ Q ²

inner CDO tranche; mini CDO tranche

³

,

ª Ç z : ¸ 2 3 4 Q 6 7 ²

master CDO

³ È ¸ š V @ Q ²

master CDO tranche

³ ™

É É V @ Q ³ W @ Q ¿ Ÿ Ê „ > ? Ë Ì Í ²

attachment points, AP

³ ³ > ? Î Ì Í ²

detachment points, DP

³ k Ï Ð @ Q – Ñ ²

tranche size

³ ³ 2 3 Ò Ó ²

subordi-nation

³ ™ ª Ô Õ W 2 3 4 5 6 7 Ö × Ø Ù ´ · „ @ Q – Ñ ³ 2 3 Ú Û

,

Ü Ý Ø Ù Þ ß » „ ˆ ¼ · à €  Š ¶ · @ Q „ 4 5 ½ ¾  ™ Ô   » „ ˆ ¼ „ á â ¥ ²

overlap

³ 㠖 › Ä ‹ » „ ˆ ¼ q r ä W @ Q „ å æ

,

ç ‹ è å æ

CDO

2

„ é ê ³ ë ì í î ™ ï ð » „ ˆ ¼ „ á â ñ Ó ­ ò Ï

CDO

2

ë ì í ó „ á ô ï õ ™

CDO

2

„ > ? ö ÷

,

­ Š 9 : „ 2 3 4 5 6 7 ø ù ú ¼ ¤

:

û W 2 3 4 5 6 7 ú „ » „ ˆ ¼ ü ¤ q r à

,

ý þ q r ¯ Ò „ – Ñ Ø ÿ ´  „ W 2 3 4 5 6 7 „ @ Q    ¯ > ?   @ 2 3 Ò Ó „  

,

W @ Q   > ?

,

ü ¤ Š W @ Q  „ > ? ¯ Ò ¬ Ø V 2 3 4 5 6 7  ™

CDO

2

š  Ù 9 : „ q r > ? 3 ;

,

ô ÿ

CDO

2

@ Q   > ? „ q r  Þ Ö ×  ÿ

CDO

@ Q    ¯ > ?   „ q r  Þ  ™ ð   9 : „  Ž ± ²    µ œ  › ‡ ˆ ‰ 9 á „ 3 ;  

,

œ  » „ ˆ ¼ „ ë ì @  ñ Ó

,

  º  ë ì  é ê „   ‡ ˆ  Ã

,

‡ ˆ 9 : 3 ; / 0 1 2 3 4 5 6 7  ‘ ’ “ „  ” • ˜    € 9 : 3 ; / 0 1 2 3 4 5 6 7 † !  ‹ Œ { | £ ¤ ¥  Ž " 

(4)

  ¸ ë ì ™ 9 : 3 ; / 0 1 2 3 4 5 6 7 # º 7 Q $  Ž ¸ % £ ¤

,

¼ Ž & ' ñ Ó  ‹ Œ 7 Q $  Ž š Ü

,

 Ž „ & ' ± ² ÿ ‹ Œ ‡ ˆ ‰ ¶ ( › ) ð  Ž ¸ ë ì í ó ™

É É  * " + ƒ  , - 1  ¸ º q r . / „ Ï Ð

:

q r à Í 0 w 1 î ²

homo-geneous

³ 2 3 4 ø ñ ²

Poisson process

³

,

5 q r 6 Ó 8 7 t ž 8 9 ë ì : ž ; n ± ² š < ¤ = Þ 5 > ´ ? @ ™ A ø Ä ï W  B C D ± ² ²

one factor

Gaus-sian copula

³ - 1

,

Š q r . / E ð ? @ ¸ F  ú

,

: | G H I à J ² € 4 5 ½ ¾ ¸ > ? @ P ™ K 2 3 4 5 6 7 „ } L ¹ Š º

,

9 : 3 ; 2 3 4 5 6 7 @ Q ¸ > ? @ P ò Ï º « » „ W @ Q ½ ¾ ¸ > ?

,

ª 2 3 4 5 6 7 ¸ > ? @ P ¿ « » „ { | q r À Á ½ ¾  ò Ï ™ Š M / ? @ ²

conditional independence

³ „ F  ú

,

q r . / ¸ ´  ¥ ¿ ‹ ß R S N · ï W ²

common factor

³  O P

,

ð à q r 6 Ó Q ¿ R S z { | q r À Á T } ¸ é T  ¨ “ R ™ Š S T 9 : 3 ; / 0 1 2 3 4 5 6 7 à   ¹ T „ ˆ ¼ á â Ó U V

,

 * W |

Baheti et

al.

²

2005

³  œ € ¸ X I

,

Y Z

Hull and White

²

2004

³  „ G H I à ™ ´  º ÿ | [ \ ] ^ - _ Š S T ð `  Ž z  9 I a b „ c à ³ ¶  ž ¥

,

 * „ d e X I Š - 1 Å f ²

implementation

³ z g h ð  Ž ¸ ë ì í ó “ i j $ ³ @ k

,

w ª œ  ‡ ˆ ‰ ‹ l m k n o 9 : 3 ; / 0 1 2 3 4 5 6 7 ? í „ { | ë ì p q í î 8 ø ñ ™ ð <

,

 * i Å Æ r  × | ¸ s   ë ì t j u » ²

Gibson, 2004

³ š  v

,

ä 9 : 3 ; / 0 1 2 3 4 5 6 7 ç w ë ì ¥ @ k ™ x y œ  9 : 3 ; / 0 1 2 3 4 5 6 7 @ Q { | T } ¸ º ¶ · q r ´  ¥ 8 ˆ ¼ á â Ó „ ¾ / ¸ ú „ z { Ó @ k

,

| œ  @ Q

delta

a ì } ~ 8 a ì 0  ¸  

,

i € š ‡ ˆ ‰ a ì z „  ‚ ™ É É  * i ú ¸ ± ² ƒ ú

:

„ … † š * ‡ 7 ˆ

,

‰ Š { | ë ì 8 / 0 1 9 : 2 3 4 Q 6 7 S T ³ a ì „ ´  U V ™ „ s † ‹ Œ Ï Ð 9 : 3 ; / 0 1 2 3 4 5 6 7 „  Ž ± ²

,

| J @ S T - 1 ™ ð < x y Ï Ð a ì  Þ 8 t j @ Q ë ì „ u »

,

|  Ž ƒ  A ø   Ï ¸ S T - 1   a ì  Þ ™ „ ‘ † : |   Ï ¸ S T - 1

,

ä ‹ W @ Q ß Þ š … „ F  ¥ ¸ 9 : 3 ; / 0 1 2 3 4 5 6 7 ç w S T ³ ë ì @ k

,

|   a ì  Þ ‰ Š a ì   ™ „ ’ † Ç W @ Q „ ß Þ “ 㠔 ’ ß

,

| ä ð F  ¥ ¸  Ž ± ²

,

á & „ ‘ † „ S T ³ ë ì @ k

,

i ç ‹ è • – W @ Q ß Þ ä 9 : 3 ; / 0 1 2 3 4 5 6 7 S T ³ ë ì í ó ¸ å æ ™ „ — † š  * ± ˜ ™

(5)

2.

™ ™ š › œ

ý  ä q r . / Ï Ð X , „ ¶ ·

,

{ | ë ì - 1 Q @ š V ô @ š ± ² ,

-1 ²

structural-form models

³ 8 ƒ  , - 1 ²

reduced-form models

³

;

²  È š q r 6 Ó - 1 ²

intensity models

³ ³

,

ž – ` ™ ± ² , - 1 i Ÿ   ˆ  ± ² „ = $ k  { | ë ì

,

Ç q r . / Ï Ð 0 Ÿ   ˆ ¼ T U ¡ º ¢ ‹ £ ¤ ²

threshold

³

„ ¥ ¦ ™ ª ƒ  , - 1 Ã Ç q r š ‹ ¶ Q § ¨ ¸ 2 3 4 ²

Poisson

³ . /

,

q r ü ¤ ³ © ª ò º ‹ < ¤ ¸ q r 6 Ó ™ Å Æ z Q : | { | q r À Á „ T «

²

premium

³  ¨  “ ¬ ­ „ q r ö ž ²  q r 6 Ó ³

,

i ç ‹ è  “ ˆ ¼ „ q r ® Ó ¯ Þ ²

default intensity function

³

,

|  ð  “ ˆ ¼ ¸ q r ö ž ° m @ P ™ q r ö ž ° m @ P Š Å Æ z È ¸ š { | ± ² ²

credit curve

³

,

³ J @ › » „ ˆ ¼ ¸ q r à Í ³ q r ö ž ¸ n „ ‹ ä ‹  ´ ™ Š ƒ  , - 1 ú ¹ T  ˆ ¼ q r ´  ¥ „ × | X I š C D ± ² ¯ Þ ²

copula

³ ™

copula

‹ Œ ¿

Sklar

²

1959

³

 œ €

,

| µ š ¶ | Š 3 ì ·  ¸  „ ¹ º ˆ » z

,

 ¼ ”

1999

j ½ ~  ¾ | º ¿ Æ 8 ë ì l T À Á 

,

ƒ

Embrechts et al.

²

1999

³

;

ª «   i

Li

²

2000

³ ÿ |

Gaussian copula

k J ² ° m q r à Í n ¸ ´  ¥ ± ² à  Ä Å ¥ ™ Š ð X I 

,

q r . / „ ´  ¥ ­ i { | ˆ ¼ n „ q r à Í ¸ ´  ¥ k ª Ä

,

A ø C D ± ² ¯ Þ Ç ¶ · ˆ ¼ „ ° m q r ö ž q Á 0 Æ / q r ö ž ¯ Þ

,

ç ª ¼ ¤ 4 5 ½ ¾ ¸ Æ / q r ö ž @ P ™ Ç ª

Li

²

2000

³ - 1 à – „ È Í ­ û 4 5 ½ ¾  „ ˆ ¼ Þ É Ê  à

,

: | [ \ ] ^ - _ I ¼ ¤  ´  ¥ „ q r à Í Ø ´ û Ë à ™ ï ð

,

 Ù M / ? @ í ¥ „ ï W - 1 ²

latent factor model

³

Ì Í Î ¾ | º S T  Ù  á » „ „ { | £ ¤ ¥  Ž ™

É É

Laurent and Gregory

²

2005

³ Y Z

Frey et al.

²

2001

³ „ Ï Ð

,

œ € ‹ ß ± /

ï W - 1 ³ M / , ? @ Ï Ð „ ï W C D ± ² ²

factor copula

³ - 1 ™ Ô   ¿ M / ? @ F  € ü ª ü Ñ „ S T - 1

,

Š * ‡ z ‹ Œ ¬ È ¸ š Ò ) k , ²

semi-analytic

³ - 1

,

« N · Í š : | M / q r ö ž J ² 4 5 ½ ¾ ¸ M / > ? @ P ²

conditional loss distribution

³

,

% ä Ó · ¥ ï W = @

,

i “ ” 4 5 ½ ¾ ¸ Ô M / > ? @ P ²

unconditional loss distribution

³ ™ Š ð - 1 ú

,

4 5 ½ ¾ ¸ Æ / q r ö ž @ P ¸ Õ Ó Ç ¶ % ¿ » „ ˆ ¼ ¸ ß Þ ò Ï

,

ª ­ ¿ å æ ˆ ¼ T U ¸ Ó

(6)

· ¥ ë ì ï W ¸ ß Þ ª ò Ï ™ ´ ä º

Li

²

2000

³ Š [ \ ] ^ - _ Ö w z  × Ø „  Õ Ó Ù V

,

ð à 4 5 ½ ¾ ¸ Æ / q r ö ž @ P i Ä Õ Ó „ = @ 1 Ú € 

,

ï ð Q : | q Á I à ƒ Û @ Ü q Á ²

Fourier transform

³

,

 Þ U = @ I ƒ  B = @ I ²

Gaussian quadrature

³

,

k Ý  4 5 ½ ¾ ¸ > ? @ P ¯ Þ ™ É É Š Ò ) k , - 1 

, Andersen et al.

²

2003

³ Š Ÿ ˆ ¼ Þ É  ¯ š > ? Ä Û ¸ ß Þ „ F  ú

,

œ € i G H I à ²

recursive method

³ ‚ à ß á ˆ ¼ ý â ã 4 5 ½ ¾  ¼ ¤ „ q r ¥ ã

,

i   4 5 ½ ¾ ¸ M / > ? @ P ¯ Þ ™

Hull and

White

²

2004

³ i

Andersen et al.

²

2003

³ š  v

,

5 · à 3 Ù

Laurent and Gregory

²

2005

³ ä º ˆ ¼ Þ É  ¯ 8 7 t ž F  ¸ ä ¥

,

œ € ö ž å æ I à ²

probabi-lity bucketing method

³ k J ² 4 5 ½ ¾ ¸ > ? @ P ™

Hull and White

²

2004

³ Ç >

? @ š Þ ß ç n

,

è  M / q r ö ž “ ” é ß 4 5 ½ ¾ > ? ¯ Ò ê Š Ÿ ß ç n ¸ ö ž

,

ç ª J ² M / > ? @ P ¯ Þ

,

à y ä Ó · ¥ ë ì ï W ç w Þ U = @

,

Ì Q  “ 4 5 ½ ¾ > ? @ P ¯ Þ ™ x y Š ú ‹ †  Ç Œ ë ì  * „   F  ³ S T - 1 ™

3.

™ í î ï ð ñ ò ó ð ô 9 : 2 3 4 5 6 7 „  ¯ j K ‹ Œ 2 3 4 Q 6 7 ´ ·

,

@ š õ ê ” ²

pre-mium leg

³ ³ q r ö € ²

default leg

³ ž ` ™ õ ê ” ­ € ÷ 3 ; „ ‹ X Š ø k ù ß ú û ü  ‘ ” ª „ 5 : ¯ ²

premium

³

,

ª q r ö € à ­ € ÷ 3 ; „ ‹ X Š ø k q r . / ü ¤ à

,

  ö ú ý þ ÿ 3 ;  „ Ì  ¯ ™ @ Q „ / T { | T } ²

fair spread

³ ­ ÿ 9 : 2 3 4 5 6 7 Š ;  „ T U š  „ { | T }

,

 ¬ ÿ @ Q ” „  U ³ @ Q ö € ¸  U ´  ¸ { | T } ™ É É x y ‹ Œ Ï Ð

wj,k

š » „ { | ˆ ¼

j

Š W @ Q

k

ú   „  @ 5 á

,

Ô Õ 5 á ! – º   º 

,

5 Š ù ‹ ß W @ Q ú

,

 Ù » „ { | ˆ ¼ „ 5 á K š

1,

 ¬

:

wj,k

≥ 0,

j = 1, 2, · · · , M, k = 1, 2, · · · , G,

M

S

j

=1

wj,k

= 1,

k = 1, 2, · · · , G.

(7)

ä ‹ Ï „

j

ª 

,

wj,k

– º  „ ß Þ Ä Å » „ { | ˆ ¼

j

á & €  Š ¶ · W @ Q ú „  Þ

;

ä ‹ Ï

k,

5 á U Å  ù ‹ @ Q ú „ » „ { | ½ ¾   ñ Ó ™ ï ð

,

 

(wj,k)

 G › ù ‹ ß » „ { | ˆ ¼ Š ¶ · W @ Q ú „ á â Ó 8   Ó ¸  û ™ É É x y Ç ¿ Ô Õ » „ { | ½ ¾  ² 0 „ W @ Q ¸ í ó ± ²  Ž ƒ ú ™ 

U

k

Ä Å W @ Q

k

¸ i  @ Å  ¸ > ? Ë Ì Í

,

û  @ Q ú „ » „ { | ½ ¾ > ?  @  ø

U

k

à

,

W @ Q

k

½ ~  " 2 > ? ™ 

V

k

Ä Å W @ Q

k

¸ i  @ Å  ¸ > ? Î Ì Í

,

û  @ Q ú „ » „ { | ½ ¾ > ?  @  ø

V

k

à

,

W @ Q

k

„ > ? " 2  @ ¬ Ï š

V

k

− U

k

,

 ð  ä ¾ „  ä ¯ Ò š

N

k

,

Ã

N

k

¬ š W @ Q

k

¸ Þ É  ¯ ²

notional amount

³

,

ª W @ Q

k

„ » „ { | ½ ¾ ¯ Ò ¬ š

N

k

/(V

k

− U

k

)

™ É É F  9 : 2 3 4 5 6 7 „ 4 5 ½ ¾ » „ ˆ ¼ ­ ¿

G

ß W @ Q  ² 0

,

« Þ É  ¯ Ò š S

G

k

=1

N

k

,

S

G

k

=1

N

k

¬ š 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ » „ ˆ ¼ ½ ¾ ¸ Þ É  ¯ ™ 

U

ma

š i  @ Å  ¸ V @ Q ¸ > ? Ë Ì Í

,

V

ma

š V @ Q ¸ i  @ Å  ¸ > ? Î Ì Í

,

N

ma

š ð V @ Q ¸ Þ É  ¯

,

Ã

N

ma

/(V

ma

− U

ma

) =

S

G

k

=1

N

k

™ É É x y +  ‚ à à x : ¸ ˆ ¼ ½ ¾  „ » „ { | > ? ­ ƒ  9 : 2 3 4 5 6 7 ¸ V @ Q  ™ F  { | » „

j

„ 7 t ž

R

Š  r ; n  š × Þ

,

à { | » „

j

Š W @ Q

k

ú „ > ? ¯ Ò š

(1 − R)wj,kN

k

/(V

k

− U

k

),

> ?  @ š

(1−R)wj,k

™ ‹  » „ @ Q ½ ¾ ¸ Ÿ @ Q < = > ?  @  ø V @ Q ¸ > ? Ë Ì Í

U

ma

à

,

V @ Q ¬ ~  "  > ?

,

ð à { | 3 ;  X ! ö ú q r > ? ¯ Ò

,

¿ º V @ Q ¸ ¹ º  ¯   

,

‡ ˆ ‰ Š Ÿ ú û ü  ” ª „ õ T ”  ï ª   ™  W @ Q

k

¸ » „ { | ½ ¾ < = > ?  @ Š

ti

à Í ú š

AL

k

t

i

:

AL

k

t

i

=

M

S

j

=1

(1 − R)wj,k,

(1)

à W @ Q

k

Š

ti

à Í ú ¸ < = > ?  @

L

k

t

i

š

:

L

k

t

i

=

1

V

k

− U

k

min

[max(AL

k

t

i

− U

k

, 0), V

k

− U

k

],

(2)

(8)

ª V @ Q ¸ » „ @ Q ½ ¾ < = > ?  @

AL

ma

t

i

Š

ti

à Í š

:

AL

ma

t

i

=

G

S

k

=1

N

k

L

k

t

i

G

S

k

=1

N

k

,

(3)

ï ð

,

V @ Q Š

ti

à Í ú ¸ < = > ?  @

L

ma

t

i

š

:

L

ma

t

i

=

1

V

ma

− U

ma

min

[max(AL

ma

t

i

− U

ma

, 0), V

ma

− U

ma

].

(4)

É É ‹ Œ 2 3 4 5 6 7 ¸ > ? j  Ù ÿ 5 „   í ó

,

ª

(2)

, K

(4)

, ! 

,

9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ > ? j  Ù & / " # 5 ²

compound

option

³ „   í ó

,

 ¬ 9 : 2 3 4 5 6 7 Q š ­ i ‹ $ W ÿ 5 š » „ % „ ÿ 5 ™ É É š ›   V @ Q ¸ / T { | T }

,

x y !   V @ Q Š Ÿ

ti

à Í ú ¸ ; & < = > ?  @

E

[L

ma

t

i

]

™ ' ô ‘ J ² € V @ Q Š Ÿ à Í ú „ < = > ? @ P

,

Ì ‘ ý ð   V @ Q ¸ q r ö € ( ³ õ ê ” ( „  U

,

 ž  ´ 

,

à Q  “ V @ Q ¸ / T { | T } ™ Ï Ð

S

ma

š V @ Q „ { | T }

;

PL

ma

š V @ Q „ õ ê ” (  U

;

DL

ma

š V @ Q „ q r ö € (  U

;

ti, i = 1, 2, · · · ,

T

Ä Å ú û ü à n Í

;

∆i, i = 1, 2, · · · , T

Ä Å ¾  ï W ²

accrual factors

³

,

∆i

=

ti

−ti

−1

™ x y Ï Ð ; 

t

0

= 0, B(ti)

Ä Å ¿ ú û ü

ti

à Í )  Ý ;  „ 9 ë ì )  ï W ™ õ ê ” ( ¸ ë ì V ô k Ê Ÿ ú û ü „ ¹ º  ¯ ¸ ¶ * Ï ¥ ™ Š Ÿ ú û ü

ti

,

‡ ˆ ‰  À ª „ õ ê ”  U   ƒ ú

:

PL

ma

= S

ma

N

ma

S

T

t

=1

∆iB(ti)[1 − E(L

ma

t

i

)].

(5)

ª q r ö € ( „  U à   ƒ ú

:

DL

ma

= N

ma

S

T

t

=1

B(ti)[E(L

ma

t

i

) − E(L

ma

t

i−1

)].

(6)

(9)

É É 

(5)

, „ ” ( ³

(6)

, „ ö € (  U ´ 

,

¬ Q A ø ú +  ´ ,  “ V @ Q ¸ { | T }

S

ma

:

S

ma

=

T

S

i

=1

B(ti)[E(L

ma

t

i

) − E(L

ma

t

i−1

)]

T

S

i

=1

∆tB(ti)[1 − E(L

ma

t

i

)]

.

(7)

3.1

, - . / 0 1 2 3 4 5 6 7 8

Gaussian Factor Copula

9

F  4 5 ½ ¾ 

M

ß » „ ˆ ¼

,

ù ß » „ ˆ ¼

i

„ T « i : ö = Þ

xi

Å  ƒ ú

:

xi

= aiY +



1

− a

2

i

Zi,

(8)

« 

,

Y

š

xi

„ Ó · ¥ ë ì ï W ²

common factor

³

,

Zi

š

xi

¸ Ô Ó · ¥ ë ì ï

W ²

idiosyncratic factor

³

,

ai

š Ó · ¥ ë ì ï W

xi

„ ; < ´ Þ ²

factor loadings

³ ™ F  ë ì ï W

Y

³

Zi

> ´ ? @

,

5

Y

³

Zi

= 0 w u = Þ š

0,

= L Þ š

1

¸ »  × Ú ö ž @ P

,

ï ð : ö = Þ

xi

 0 w × Ú : ö @ P ™ É É Š

(8)

, „ ï W C D ± ² - 1 

,

q r . / „ ü ¤ ³ © ª ò º ˆ ¼ T « ­ © Ñ º ‹ q r £ ¤ ™ ¿ º ë ì ï W

Y

­ Ÿ ˆ ¼

i, i = 1, 2, · · · , M ,

N Ù „ Ó · ¥ ë ì ï W

,

ï ð M / º N · „ ë ì ï W

Y

¸ ú

,

q r . / Ø E ð ? @

,

È ¸ š M / ? @ „ F  ™ Š ð F  ¸ ú

,

ß á » „ ˆ ¼ „ q r à n @ P ¯ Þ

Qi(t)

³ Ä Å ˆ ¼ T « ¸ : ö = Þ

xi

„ < = ö ž @ P ¯ Þ

Fi(x)

Ù ‹ ä ‹ „  ´

,

 ¬

:

Qi

(t) − Q(τi

≤ t) = F (xi

≤ x) = Fi(x),

(9)

« 

τi

š ˆ ¼

i

ü ¤ q r „ à n ™

É É ¾ | ö ž > ²

mapping

³ „ Ï Ð

,

Š ý Ï „ Ó · ¥ ë ì ï W

Y

¸ ú

,

Ÿ ˆ ¼

i

„ M / ° m q r @ P Ì Q ¿ Ô Ó · ¥ ë ì ï W

Zi

„ < = ö ž @ P Å 

(10)

ƒ ú

:

Qi(t|Y ) = Fi(x|Y )

= P (xi

≤ x|Y )

= P



aiY +



1

− a

2

i

Zi

≤ x|Y



= P

Zi



x − aiY

1

− a

2

i







Y

= Hi



x − aiY

1

− a

2

i

,

(10)

« 

Hi

š

Zi

¸ < = ö ž @ P ¯ Þ ™ ¿ º ï W

Y

³

Zi

¸ n > ´ ? @

,

ï ð i

(10)

,

Hi

 Å  ¸ q r ö ž

Qi(t|M)

n  > š ? @ ™ Š M / ? @ „ F  ¸ ú

,

Ÿ ˆ ¼ ¸ M / q r ö ž > ´ ? @

,

ï ð 4 5 ½ ¾ ¸ M / Æ / q r ö ž @ P Q ? $ š Ÿ » „ ˆ ¼ ¸ M / q r ö ž @ P ¸ @ =

,

 ¬

:

Q(t|Y ) =

M

i

=1

Qi(t|Y ).

É É Ã y ä N · ï W

Y

= @

,

¬ Q  “ Ÿ à Í ú „ 4 5 ½ ¾ ¸ Æ / q r ö ž @ P ƒ ú

:

Q(t) =



Y

Q(t|Y )dY =



Y

M

i

=1

Qi(t|Y )dY.

É É S T ‹ Œ »  „ 2 3 4 5 6 7 à

,

M / , ? @ „ Ï Ð – – ? $ › @ Q > ? ö ž @ P „   ™ Ç ª Š S T 9 : 3 ; / 0 1 2 3 4 5 6 7 à

,

ï š ¢ Õ » „ { | Ø · à A # º B C ß W @ Q ú

,

¬ ÿ ß á „ » „ ˆ ¼ Š ý Ï „ Ó · ¥ ë ì ï W ú

,

ü ¤ q r „ ö ž ´ > ? @

,

 ­ ˆ ¼ „ á â ¥ D 0 ¶ · W @ Q n „ > ? ö ž @ P ø ! ­ M / , ? @ „ ™ » „ { | ˆ ¼ Š ¶ · W @ Q 

(11)

Q ‘ ü ¤ á ⠄ ¥ ã

,

¼ + œ  ›   V @ Q > ? @ P „ & ' ñ Ó

,

ï ð  ô : | Y Z G H I à Š  Õ Ó „ E ² ú ¹ T ð Ù V ™

3.2

, F 7 G H I J K L M N H O  Ñ † ¸ É „ Š º J ² V @ Q Š ù ‹ à Í

ti, i = 1, 2, · · · , t

ú „ < = > ? @ P ™ ‹ Œ   ù ß » „ { | ˆ ¼ ü ¤ q r à

,

ä ß á W @ Q ú „ » „ { | ½ ¾  ¼ ¤ „ > ? ¯ Ò ™ x y Ï Ð

λj,k

š » „ { | ˆ ¼

j

¸ q r Š W @ Q

k

„ » „ { | ˆ ¼ ½ ¾   ¼ ¤ „ > ? ¯ Ò

,

λj,k

= wj,k(1 − R)[N

k

/(V

k

− U

k

)] ,

+  x y J D ‹ ß

G

Õ Ó „  @ X P ± ² ²

hyper-cube

³

,

«  „

k

ß × ­ ¿ W » „ { | ˆ ¼ ½ ¾

k

„ Ÿ   Q ‘ > ? ¥ ¦ ¾ / ª 0

,

 ¬ Ç

(0, 1, · · · ,

S

M

j

=1

λj,k)

¹ Q Š  @ X P „ „

k

ß Õ Ó ™ š ›  Ž X Ì 5 ¶ ? ‹ Œ ¥

,

x y ‚ à ‹ ß ¿ ž ß W @ Q  ² 0 „ 9 : 3 ; / 0 1 2 3 4 5 6 7

(G = 2),

ð à

,

 @ X P ± ² ? $ š ‹ ß … Õ  

(pv

1

,v

2

)

k Å  ž W @ Q ¸ Æ / > ? @ P

,

« 

v

1

Ä Å „ ‹ ß W @ Q ¸ > ? ¯ Ò

,

v

2

Ä Å „ … ß W @ Q ¸ > ? ¯ Ò ™ R  k 

,

p

5,7

S T U V W X Y Z [ \ ]

5

^ _ ` a b V c X Y Z [ \ ]

7

^ _ ` a d e f g h i j k U l m n o p q

,

M

X r s t u v w x y z { | m s g h } ~ o p

,

 €  ‚ ` a Z ƒ „

,

… † U W ‡ ˆ ‰ Š W X r s t u v w s ‹ Œ q

,

 Ž   ‰ Š ‘ X r s t u v w ’ k r s Z [ “ ” ` a Z ƒ d • – i — — ˜ ™ š › t u “ ” \ œ ]  ž r s t u v w „ ² Ÿ   ¡ ¢

j = 0

³

,

£ ¤ … j † q d › ¥ ¦ § ¨ © X ª «

:

p

0

v

1

,v

2

(t|Y ) = 1,

¬

v

1

= 0

­

v

2

= 0,

p

0

v

1

,v

2

(t|Y ) = 0,

® ¯

.

— — ° ‰ Š s r s t u v w

j

œ ] x y z {

,

± © X ª «

(v

1

, v

2

)

² ³ ´ µ

;

° ¶ ‰ Š s r s t u v w

j

x y z {

,

± © X ª « ·

[λj,1, λj,2]

s ¸ ¹ º » i   ‰ Š r s t u v w

,

¼ ½

(11)

n s Ÿ   n

,

¾ … ¿ À Á  à e f l m ` a Z ƒ

,

Ä Å ‰ Š V

M

X r s t u v w

:

(12)

p

j

v

1

,v

2

(t|Y ) = (1 − Qj(t|Y )) · p

j

−1

v

1

,v

2

(t|Y ) + Qj

(t|Y ) · p

j

−1

(v

1

−λ

j,1

),(v

2

−λ

j,2

)

(t|Y ),

1

≤ j ≤ M, (11)

U ‰ Š ¶ ] s r s t u v w Æ

,

£ ¤ Ç

:

(pv

1

,v

2

(t|Y )) = (p

M

v

1

,v

2

(t|Y )),

È É

pv

1

,v

2

(t|Y )

Ê Ÿ Ë U

t

„ Ì „

,

U Í ¥ Î Ï s Ð Ñ Ò Ó Ô  Y

Y

d q

,

Y r s t u “ ” d e f l m ` a Z ƒ i £ ¤ Õ Ö × … † Ä Õ Ø Å Y Z [ d e f l m ` a Z ƒ

,

r s Z [ “ ” d l m ` a Z ƒ

,

† b Ù Z [ d l m ` a Z ƒ i — — Ú Æ

,

ˆ Û ’ Ü Ý  Y

Y

‰ † Þ Z

,

× … † Ø Å © W X „ Ì q s Ù Z [ ` a Z ƒ

,

ß à u V W á â ¶ ã ä s å æ ç n

,

× … è Ø é ê ë ì f í î ï ë ð ñ ò ó d f ô t u æ õ i ö ÷ †

Gauss-Hermite

ø ù Þ Z ú

,

¼ ½ û ü n s ‰ ý þ ÿ ’

Y

s Þ Z

,

 q n ¶ 

:

pv

1

,v

2

(t) =



−∞

pv

1

,v

2

(t|Y )f(Y )dY

S

q

m

=1

pv

1

,v

2

(t|Y )



w(Ym)e

Y

2

m



f (Ym), Ym

∼ N(0, 1),

® 

q

 Þ Z _  Ì

Y

¶  u d X ø

,

Ym

 Í ¥ ù

,

w(Ym)

 } ’  d ñ ù  ø i

3.3

,        J   H  Š  † 

,

x y Ï Ð s   | k j $ Ÿ @ Q ë ì „ u »

,

|  Ž ƒ  : | a ì  Þ @ k » „ { | T } = P ä Ÿ @ Q T U „ å æ ™

3.3.1

       : | S T - 1  € Ÿ @ Q ¸ > ? @ P y

,

x y Ì Q   Ÿ @ Q > ? @ P ¯ Þ ¸ ·  j

,

| i Ô Õ ·  j š  v

,

Ï Ð € s   ×  „ ë ì u »

:

@ Q ¸ ; &

(13)

> ?

(EL)

8 Ô ; & > ?

(UL)

³ R S T U á Ý = P

(MTM),

ð  Ÿ @ Q

¸ ë ì í ó ™

! @ Q ; & > ? ²

expected loss, EL

³  @ 8 " # ß Þ

É É @ Q ¿ º » „ { | q r ª   > ? ¸ ¶ * Ï ¥

,

Q ¿ ; & > ? k t j

,

 ¿ º Ÿ @ Q ¸ Þ É  ¯ ¶ ·

,

ÿ | ; & > ? ¸  ä ¯ Ò 9 I  *  ¾

@ Q n ¸ ´ ä ë ì – Ñ

,

ï ð x y W | $ ; & > ?  @ ²

expected loss

per-centage

³ % k t j Ÿ @ Q ¸ ´ ä ë ì ñ Ó ™ ; & > ?  @ Ï Ð š V @ Q ¸ ; & > ? ¯ Ò  ð @ Q Þ É  ¯ ¸  ™ & ð ¸ <

,

x y Q i ¿ $ ; & > ? " # ß Þ % k t j V @ Q ´ ä º é ß » „ { | ½ ¾ ¸ > ? ' ( ñ Ó ™ " # ß Þ ¸   ) ­ : | @ Q ; & > ?  @ & i » „ { | ½ ¾ ; & > ? 

@ ª “ ™

* @ Q Ô ; & > ? ²

unexpected loss, UL

³  @ 8 " # ß Þ

É É Ô § ; > ? š § ; i < ¸ > ? ¯ Ò

,

 ¯ Ò Ö ×  € ; & > ? h 

,

Ä Å á – > ? ¥ ¦ ü ¤ ú ¸ > ? ¯ Ò ™  * è 

Gibson

²

2004

³

,

Ï Ð V @ Q Ô § ; > ? š V @ Q ; & > ? ã z V @ Q > ? ¯ Ò „ ‹ ß »  } ™ A ø V @ Q ¸ > ? @ P ¯ Þ

,

Q  “

ti

à Í ú V @ Q „ > ? ¯ Ò »  }

SD

ma

t

i

,

ƒ

(12)

,  

:

SD

t

ma

i

=



E

[ ˜L

ma

t

i

− E( ˜L

ma

t

i

)]

2

,

˜

L

ma

t

i

= L

ma

t

i

× N

ma

,

(12)

ª

ti

à Í à V @ Q ¸ Ô § ; > ?

L

ma

t

i

Ã Ï Ð š

(13)

,

:

L

ma

t

i

= E( ˜L

ma

t

i

) + SD

t

ma

i

.

(13)

Š ð

,

x y · + Q i : | $ Ô ; & > ? " # ß Þ % k t j V @ Q ´ ä º é ß » „ { | ½ ¾ ¸ > ? ' ( ñ Ó ™ , @ Q R S T U á Ý = P ²

mark-to-market, MTM

³ É É Š  r ~  à

,

@ Q „ õ ê ”  U  º q r ö €  U ™  ­ û R S z ä º » „ { | „ q r  I - = à

,

õ ê ( ³ q r ( ¸  U Ø : ¸ - = ™ ª ¿

(14)

º V @ Q ¸ { | T } . º ;  ò Ï 5 º Â r ; n  Ï ¶ =

,

ï ð V @ Q ¸ R S T U ü ¤ = P ƒ ú

:

MTM

ma

= ±(PL

ma

− DL

ma

),

(14)

« 

,

/ 0 Ä Å { | 3 ;  X ² ‡ ˆ ‰ ³  Û ¸ R T = P X 1

,

; 0 Ä Å { | 3 ; ÿ X  Û ¸ R T = P X 1 ™ x y Q i : |

MTM

ma

k t j Ÿ   ë ì ï W = P ä V @ Q R S T U ¸ å æ ™

3.3.2

 2  3 4 5 6 7 ƒ · ‹ Œ 2 3 4 5 6 7

,

9 : 3 ; / 0 1 2 3 4 5 6 7 „ > ? @ P  Ø ï 8 Š ë ì ï W „ = P ª - =

,

ç ‹ è D 0 9 : 2 3 4 5 6 7 „ R S T U = P ™ R  ª 

,

» „ { | q r À Á „ T } œ 

,

¬ ­ { | ½ ¾ „ ë ì “ ã

,

ï ð œ  › @ Q ¸ § ; > ? ™ @ Q ‡ ˆ ‰ „ a ì É „

,

­ 9 & @ Q Š a ì y „ R S T U

,

¶ Ø  » „ { | À Á T } = P „ å æ ™ i ú x y Ç ë ì ž   t j @ Q ä { | T } z { Ó „  Þ

,

i Ì Š ú ‹ † ä @ Q € : û „ a ì ™ x y : | ; < ¸ R S T U á Ý = P k t j @ Q T U ä º » „ { | q r À Á T } = P ¸ z { Ó

,

i ú ë ì

DV01

8

delta

ž   R S z × | „ u » ™

É É  Í T U

DV01

²

dollar value of a basis point

³ ­ | k t j û » „ { | q r À Á T } œ 

1

 Í ²

basis point, bp

³ à

,

@ Q  U „ = P ¯ Ò ™ & › Q |

DV01

= ä ß á » „ { | ˆ ¼ ç w z { Ó @ k <

,

 Q ÿ |

S.DV01

²

systematic

DV01

³ k t j û Ó · ¥ ë ì “ ã

,

é ß » „ { | ½ ¾ q r À Á T } > œ 

1

 Í à

,

@ Q  U „ = P ¯ Ò ™ É É & ›

DV01

¸ <

,

a ì  Þ

delta

| k Å  š › ? a R S { | q r À Á T } = P ä 9 : 3 ; / 0 1 2 3 4 5 6 7 @ Q @ ² A ³  Û ¸ å æ

,

 ! € ÷ ² ÿ ³ „ » „ { | q r À Á ²  { | q r À Á u Þ ³ Þ É  ¯  @ ™ Ç

δ

single

ma

Ï Ð š » „ { | q r À Á T } = P

1

 Í  D 0 ¸ @ Q  U = P ¯ Ò

,

& i  » „ { | q r À Á  U = P ¯ Ò

,

«   X I ƒ ú

:

δ

ma

single

=

DV01

ma

DV01

CDS

.

(15)

(15)

É É B < Ï Ð

δ

ma

index

š » „ { | q r À Á ½ ¾ ²  { | q r À Á u Þ ³ ¸ u = T } = P

1

 Í à

,

 D 0 V @ Q  U ¸ = P

,

«   X , ƒ ú

δ

ma

index

=

DV01

ma

DV01

index

.

(16)

É É

delta

C D ë º

0%

”

100%

¸ n

,

ª R S E  × i a ì  Û   ¸ Þ É  ¯  F ç w é T ™ É É ‡ ˆ ‰ Q i = ä  Ù » „ { | q r À Á T } ¸ = P ç w a ì

,

 ­ ‹ ß 9 : 2 3 4 5 6 7 ú Ö × Ù

5

Ý

10

ß W @ Q

,

ª ù ‹ ß @ Q ú – r Ù

50

Ý

100

ß » „ { |

,

ƒ ð G – „ a ì  Û

,

¶ ˜ Š Ö w  ­ l T z ¸ 0  > ´ û H I

,

ï ð ‡ ˆ ‰ Ö × ' Ø " Ï ¢ Õ í á  J „ » „ { | ˆ ¼ ã i a ì ™ ƒ  » „ { | ½ ¾ ­ ¿ R S z  Ù „ { | q r À Á u Þ  ¾ 0

,

‡ ˆ ‰ ¬ Q ÿ

delta

 „ { | u Þ k ç w u = T } = P ¸ a ì ™ É É

delta

a ì ' : | º » „ { | q r À Á T } Ñ — = P ¸ ¥ ¦

,

{ | T } ü ¤ – — Ó = P ¸ ë ì

, delta

a ì „   | ¶ B ™ ð à ô K ” L M a ì „ É „

,

‡ ˆ ‰ ! : à N é a ì 

,

ð } ~ š P Ú a ì ²

dynamic hedging

³

;

N é à n n O … i º

0

à

,

P Ú a ì Q i K ” L M a ì ¸   ™  ¿ º À ( 0  P – 5 R S z ¢ Õ » „ { | q r À Á ¸ P ¥ ¶ Q

,

P Ú a ì Š Å Æ ¾ | z ¶ – Q w ™

4.

™ R S T U ñ V W X Y Z [ \ V ] ^ _  † A ø „ s †  J @ ¸ S T - 1 k ç w 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ Þ U @ k ™ ¿ º É ; R S z ¸ 9 : 3 ; / 0 1 2 3 4 5 6 7  # Ô Ÿ ~ À (

,

Š  Ž ˆ  A Ž Ó ´ ä ¶ Q ú

,

ÿ “ Å m ü w Ö ¸  Ž  r  ` ª “ ¶ ( ™ Š  † 

,

x y : | W @ Q ß Þ š … „ ‹ F a ¸ 9 : 3 ; / 0 1 2 3 4 5 6 7 ç w Þ U @ k ™ Š „ ’ † 

,

x y Ç W @ Q „ ß Þ “ ã Ý ’ ß

,

á &  † „ @ k ™ x y @ á S T 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ / T { | T }

,

| ¿ ë ì t j u »

,

b ­ § ; > ? 8 Ô § ; > ? i 8 R S T U á Ý = P

,

@ k Ÿ ë ì ï W Š ¶ · @ Q  Ï ú  D 0 ¸ å æ

,

i ‰ Š Ÿ @ Q ¸ ë ì

(16)

í ó ™ Ã y x y ç w { | “ 6 8 q r ´  ¥ ³ ˆ ¼ á â Ó ¸ º V @ Q { | T } ¸ z { Ó @ k

,

| œ  P Ú a ì } ~ 8 « a ì 0  ¸   ™

4.1

,        J c d  d e ¸ S T - 1 ­ i q r à Í k e f q r . / ¸ ü ¤

,

| A ø

(8)

, ¸ Ä ï W  B C D ± ² - 1

,

k g < Ÿ q r à Í n ¸ ´  ¥ ± ²

,

à y Š M / , ? @ „ F  ú

,

¶ |

(11)

, „ G H I à J D € ‹ ß  Õ Ó ¸ Æ / > ? @ P ™ š ›   V @ Q ¸ / T { | T }

,

x y : | 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸  ¯ j S T Ÿ ,

,

  Ÿ ß à Í ú ¸ ; & q r ö € ³ õ ê ” ¸ )  U ™ i ú x y = ä  Ž  r  ` 8 { | ½ ¾ > ? @ P 8 W 2 3 4 5 6 7 @ Q > ? @ P 8 V 2 3 4 5 6 7 @ Q > ? @ P

,

i 8 V @ Q ¸ / T { | T } S T ±  € ‹ h  Ž ³  @ k ™

4.1.1

 i j k l m n F  R S z Ù ‹ 9 : 3 ; / 0 1 2 3 4 5 6 7

,

” ; ü š

5

j

,

« ú  Ù „ » „ ˆ ¼ > š / 0 1 2 3 4 5 6 7  ¸ Ä ‹ @ Q ²  È W @ Q ³

,

ª  ‚ ¸ » „ { | ½ ¾  ¸ ˆ ¼ > š ‡ ˆ  o „ { | q r À Á ™ x y ý þ @ Q – Ñ 8 { | “ 6 ²

credit enhancement

³ Š W @ Q ³ V @ Q  „ ¶ · ¾ / X ,

,

@ 0 Å

1

 „ p   ¥ ¦ ç w ‰ Š ™ É É x y F  » „ ˆ ¼ š ‹ ½ · î ¸ { | q r À Á

,

Þ É  ¯ > š ‹  q r s

,

ú û X , š ù t u ú û ‹ 

,

q r 6 Ó 8 7 t ž i 8 9 ë ì : ž š ´ > ? @ 5 Š  r ; n  š × Þ ™ ª » „ { | n ¸ q r ´  ¥ š ž ž ´ · „

²

uniform pair-wise correlation

³ ™ x y Š ð  Ï ‹ ß i ž ß W @ Q š  „ ß v

,

i Ì ³ « w ¥ ¦ € 

,

ð ß v ¸ x y  Ï ƒ Å

2

  ™ É É  †   Ù „ @ k

,

& Ô í á x ã z Ž

,

© à > { þ ð ß v ¸  Ž  ` F  ç w ™

4.1.2

 | } ~  x y Q i : | Ÿ à Í ú » „ { | ½ ¾ ¸ > ? @ P

,

ý  W @ Q ³ V @ Q „ ± ²  

,

¾ / J ² € 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ > ? @ P

,

| ý ð   @ Q õ ê ” ³ q r ö € „  U

,

à y ¬ Q  “ 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ / T { | T } ™ x y Ç S T ±  + º Å

3

™

(17)

€

1

 ‚ ƒ „ … † ‡ ˆ ‰ „ Š ‹ Œ  Ž   ‘ ’ “ ” • – —   ˜ ™ š › œ  ž Ÿ  

(Master CDO)

ž ¡ ¢ £ ¤ ¥ ¢ £ ¦ ¥ ¢ £

¢ £ § ¨

10%

10%

80%

© ª « ¬

0%

10%

20%

© ª ­ ®

(Moody’s/S&P)

¯ ­ ®

A1/A

Aaa/AAA

° › œ  ž Ÿ  

(Inner CDOs)

ž ¡ ¢ £ ¤ ¥ ¢ £ ¦ ¥ ¢ £

¢ £ § ¨

3%

7%

90%

© ª « ¬

0%

3%

10%

© ª ­ ®

(Moody’s/S&P)

¯ ­ ®

A1/A

Aaa/AAA

€

2

 ‚ ƒ „ … † ‡ ˆ ‰ „ Š ‹ Œ  ± ² ³ ´ µ ‘ “ ” • – —   ˜ ™ š › œ  ž Ÿ   ¢ £ § ¨

10%

© ª « ¬

10%

¶ · ¸ ¹

US$ 8,400,000

° › œ  ž Ÿ   ° › œ  ž Ÿ   º »

2

¢ £ § ¨

7%

© ª « ¬

3%

¶ · ¸ ¹

US$ 4,200,000

¼ ½ ° › œ  ž Ÿ   ¾ ¿ À Á  º »

60

à » Ä Å Æ Ç ¬ È

1%

É Ê Ë

40%

Ì Í Î

30%

Ï Ð Ñ Ò Ë

5%

Ó Ç Ô Õ

5

Ö Á Â × Ø È

30%

€

3

 ‚ ƒ „ … † ‡ ˆ ‰ „ Š ‹ Œ  Ž † Ù Ú Û Ü Ý “ ” • – —   ˜ ™ Þ ß

: bps

š › œ  ž Ÿ   ° › œ  ž Ÿ  

0

−10%

10

−20%

20

−100%

½ à › œ  ž Ÿ  

0

−3%

3,367.2

2,876.6

1,175.8

1,446.7

3

−10%

738.4

559.7

249.4

323.1

10

−100%

64.6

12.1

0.3

7.8

(18)

á á â

3

ã ä å æ ç è é

,

ê ë ì í î ï ð ñ ò ó ô õ ö ÷ ø

,

ù ó ô ú û ì í å ü ý þ ÿ         ö ì í å ü ã    

,

ì í ÷   ó ô õ ö   ó ô  ã 

,

 þ   î ï ú    î   ! ì í å ü  " # $ %  ù ó ô   & ' ( ã  )

,

* ù ó ô  þ ó ô õ ö & '  + , -

,

. $ ì í ÷  / ñ á á / 0 $ 1 2  î   ! 3   î ï ú    î   ! ã 4 5 6 7

,

8 9  â

3

ã : ; 1 < ø = 1 2  î   ! ó > ? þ  7 ó ô ²

0–3%

³ @ A B ó ô ²

3–10%

³ C  D B ó ô ²

10–100%

³ E  ú û ì í å ü ² % F G H & ' I ³ æ ç è é J   î ï ú    î   ! ã K 1  ã 4 5 æ L & M

,

ã N O C P Q ð ñ ì í å ü

,

÷ ø R S T  6 7 U V  ù ó ô /  7 ó ô

,

  ó ô ? þ W X I Y ó ô Z [ E

,

  î ï ú    î   ! ì í å ü ó > $ 1 2  î   ! ð ñ \

2.33

@

2.29

C 

8.28

] / \ ^ 1 _ ` a ñ b c d ; e f g ã ÿ 

,

8 9 h ^ 1 _ ó i j 4 5 ã ÿ  k l

4.2

,        J   H  Š   9 : 3 ; / 0 1 2 3 4 5 6 7 „ / T T } à

,

x y ü  > ? @ P „ 1 Ú Š ¶ ·  Ž ± ²  Ï ú ¹ Š m – } L

,

Ÿ @ Q ¸ ë ì í ó  ¶ ´ · ™ š › j $ Ÿ @ Q  n ( ¸ ë ì ñ Ó

,

x y : | „ s † Ï Ð ø „ s   ë ì t j u »

:

; & > ? 8 Ô ; & > ? ³ R S T U á Ý = P

,

@ k Ÿ @ Q ¸ ë ì í ó

,

| _ Ï

delta

a ì } ~

,

i a ì ¾ / ¸ o ” k @ k

delta

a ì Š Ÿ @ Q ¸ Q w ¥ ™

4.2.1

 X p q r s t u X v w x y z 4 Å

4

+ € ¶ · W @ Q 8 V @ Q „ p   ¾ / ¥ ã ú

,

V @ Q Š ” ; ü à „ > ?

¯ Ò ; & U

,

; & > ?  @ ³ ; & > ? " # ß Þ ™ ¿ º Ÿ @ Q ¸ Þ É  ¯ ¶ ·

,

; & > ? ¸  ä ¯ Ò 9 I Ž * t j Ÿ @ Q n „ ´ ä ë ì – Ñ

,

ï ð x y - | ; & > ?  @ ² ¬ ; & > ?  Þ É  ¯ „  ³ š ë ì t j u » ™ É É Š Å

4

 U “ { | ­ ¿ º » „ { | ˆ ¼ á & €  Š Ÿ ß W 2 3 4 5 6 7 

,

¬  } ˆ ¼ á â ²

overlapping

³ ¸ ü ¤

,

~  Ù » „ { | ½ ¾ ¸ Þ É  ¯ ã

,

| ¶ Ø  º Ÿ Ú Û @ Q Þ É  ¯ ¸ K ™ C  € e   4 5 ‚ ƒ / U

,

(19)

€

4

 „ …   † † Ž ‡ ˆ ‰ Š “ ” • – —   ˜ ™ ‹ Œ  Ž   ‘ ²

%

³ ’  ‘ ²

%

³ “ ” • – ² — ˜ ³ ™ š – › ² — ˜ ³ œ “ ” • –   ž ²

%

³ Ÿ   ¡ ¢ £ ¤

£ ¤  ‘

0

−3

0

−10

360

270.300

75.08

25.41

£ ¤

¥ ¦  ‘

0

−3

10

−20

360

254.810

70.78

23.96

£ ¤

§ ¦  ‘

0

−3

20

−100

2,880

1,259.900

43.75

14.81

¥ ¦

£ ¤  ‘

3

−10

0

−10

840

262.790

31.28

10.59

¥ ¦

¥ ¦  ‘

3

−10

10

−20

840

209.860

24.98

8.46

¥ ¦

§ ¦  ‘

3

−10

20

−100

6,720

814.420

12.12

4.10

§ ¦

£ ¤  ‘

10

−100

0

−10

10,800

358.140

3.32

1.12

§ ¦

¥ ¦  ‘

10

−100 10−20

10,800

69.015

0.64

0.22

§ ¦

§ ¦  ‘

10

−100 20−100

86,400

11.868

0.01

0.00

¨ © ª « ¬ ­

0

−100

0

−100 102,000 3,013.500

2.95

1.00

€

5

 „ …   † † Ž ® ‡ ˆ ‰ Š “ ” • – —   ˜ ™ ¯ ‹ Œ  Ž   ‘ ²

%

³ ’  ‘ ²

%

³ “ ” • – ² — ˜ ³ ™ š – › ² — ˜ ³ œ “ ” • –   ž ²

%

³ Ÿ   ¡ ¢ £ ¤

£ ¤  ‘

0

−3

0

−10

360

359.055

99.74

13.90

£ ¤

¥ ¦  ‘

0

−3

10

−20

360

341.416

94.84

13.22

£ ¤

§ ¦  ‘

0

−3

20

−100

2,880

2,486.200

86.33

12.03

¥ ¦

£ ¤  ‘

3

−10

0

−10

840

641.430

76.36

10.64

¥ ¦

¥ ¦  ‘

3

−10

10

−20

840

564.350

67.18

9.36

¥ ¦

§ ¦  ‘

3

−10

20

−100

6,720

2,709.520

40.32

5.62

§ ¦

£ ¤  ‘

10

−100

0

−10

10,800

1,938.140

17.95

2.50

§ ¦

¥ ¦  ‘

10

−100 10−20

10,800

774.785

7.17

1.00

§ ¦

§ ¦  ‘

10

−100 20−100

86,400

371.178

0.43

0.06

¨ © ª « ¬ ­

0

−100

0

−100 102,000 7,318.600

7.18

1.00

° 1 ì í ± ƒ ² ³  ´ µ  ¶ /

$1,000,000,

   î   ! E  · ã S ¸ H ¹ P

60

º

, 2

º  ó ô » P

120

º ì í ± ƒ ² ³ H

,

¼ j ¹ ½ ¾ ó ô  ´ µ  ¶ ø ¿ » P

$120,000,000,

À ý þ S ¸ Á Â - /

30%,

Ã Ä Å ¿ » Æ P

102

º Ç È  ì í ± ƒ ² ³

,

· ã ì í É Ê ´ µ  ¶ /

$102,000,000

j Ë Ì \ / Í  â

4

 â

5



,

· ã ì í É Ê  ´ µ  ¶  Î Ï Ð Ñ ² Ò Ó Î Ï Ð Ñ ³ I Ô þ

9

º ó ô ´ µ  ¶  Î Ï Ð Ñ  ¿ 3 â

4

ã æ ç è é

,

Õ Ö  7

 7 ó ô  ´ µ  ¶ Æ × \ Ø º   î ï ú    î   ! S  æ

(20)

L 

0.3%,

À % e Ù  ã .  ÿ  Ú ñ Û

75.08%;

.  ã

,

D B

D B ó ô  ´ µ  ¶ Õ × \ Ø º S  æ L ã

72%,

% e Ù  ã .  ÿ  Ú Ü :  ã

,

Æ P

0.01%

¼ j 8 9 Ý / ´ µ Ð Ñ ¶ Þ ß Ó à á ó ô ÿ   P Q â ·

,

ã %  þ ä å æ í ì í ç è é 4 5 ( ê ë ì í ÿ   ì <  í

,

î Ü ï ð S ¸ ñ  â ò  ¶ Þ ß ó ô õ N ö ÷ % ì í ÿ  ø g ù - á á j ú 8 9 C Î Ï Ð Ñ û ó 0 / ü ý

,

M þ Î Ï Ð Ñ ÿ  ] H

,

 C à á ¹ ó ô .  þ Ø º · ã ì í É Ê  ÿ  õ ö ÿ  ] H Ü ó ô Î Ï Ð Ñ û ó 0 .  þ · ã ì í É Ê Î Ï Ð Ñ û ó 0  ] H â

4

 : ; 1  ã ÿ  ] H è é

,

R S  7

 7 ó ô ã ÿ  Ü   R S · ã ì í S ¸ ã

25.41

]

;

  R S   ó ô ò ù ó ô  P

A

ä Ô  A B

A B ó ô

,

% ÿ  ] H Û

8.46

]

;

 D B

A B ó ô ò D B

D B ó ô ¾  R S

,

% ÿ   ö þ   R S þ · ã ì í S ¸ ã ÿ  á á ý â

4

ã æ ç O 

,

  î ï ú    î   ! ã Î Ï Ð Ñ    ó ô & '  " # õ þ ù ó ô / \ ^ 1 _     î ï ú    î   !  Î Ï Ð Ñ V Í ê  ó ô ì í ÷   ± ƒ  -   

,

8 9  C E ã ó i   h ù ó ô & /  ' á á 8 9  È

A, B, C

W º ì í É Ê

,

% ± ƒ  - ó > /

1%, 2%, 3%

² % F & ' Y ü  º  ³ 

1

/ ù ó ô  ' / A B ó ô

,

 ó ô õ ö /

3%

,

ì í ÷  ý

0%

ð ñ 

10%

,

ý j W º ì í É Ê ó > L     î ï ú    î   ! ã Î Ï Ð Ñ û ó 0 

1

ã æ ç è é

,

  ó ô  ì í ÷  ð ñ

,

ý W º I Y · ã ì í É Ê e Ê  ã   î ï ú    î   ! Î Ï Ð Ñ   _  

,

ÿ  ö á á 

1

ã æ ç ð  \  1     ó ô  < 4

:

 ù ó ô Û  ! 1 µ · ÿ  " #

,

 < 4 O $ ó % í ì í ÷  ò ± ƒ  - &  ' ( ) * U V

:

 ù ó ô / A B ó ô

,

 ó ô õ ö  ' /

3%

E

,

 < 4 O + E , W X - .  / J 0 Î Ð Ñ û ó 0 /

30%

   î ï ú    î   !

:

1 2 '  ÿ  

A

É Ê / · ã ì í S ¸

,

ß & '  ó ô  ì í ÷  /

3%;

3 2 '  - ÿ  

B

É Ê / · ã ì í S ¸

,

ß & '  ó ô  ì í ÷  /

7%;

4 2 ' ñ ÿ  

C

É Ê / · ã ì í S ¸

,

ß & '  ó ô  ì í ÷  /

12%

(21)

0

1

2

3

4

5

6

7

8

9

10

A

B

C

̶̄דܫϡᆧૻѺ̶ͧ!)&*

ܲ

ε

Ѻ

̶

ͧ

!!)!!!!*

&

100

90

80

70

60

50

40

30

20

10

0

ཏ௡

ཏ௡

ཏ௡

5

1

6 7 8 9 : ; < = > ? @ A B C D E 8 F G H I J K L M 7 8 9 N O É É Ô   { | “ 6 „ ñ Ó ³ » „ ˆ ¼ { |  o ¸ n „ P Ä  ´

,

Š Å Æ z  Ô × (  ™  ƒ û @ Q » „ š ¡ ë ì { | ˆ ¼ à

,

 ƒ ‡ ˆ  o „ Ÿ   4

,

à @ Q Ö × Ù  ¡ ¸ { | “ 6  Ï

;

ª û · ‹ ë ì  o ¸ @ Q » „ š  ë ì { | ˆ ¼ à

,

 ƒ  ” • 4 Q

,

 @ Q Ö × Ù   ¸ { | “ 6  Ï ™ ð P Ä  ´ Q ! € § ; > ? ) ò Ï @ Q ë ì ¸  R u »

,

Ô   Ž › š  R S z V ô ¸ { | S  ö ² > i § ; > ? k @ k @ Q  ¬ ­ ¸ ë ì ™ É É š › K ” ¢ ‹ É » „ ë ì ˜ 

,

& › Q - = W @ Q { | “ 6 „ ñ Ó <

,

x y  Q - = V @ Q ¸ { | “ 6  Ï k K ” · ‹   ™ S

2

š W @ Q Ï š   @ Q

,

V @ Q – Ñ š

10%

à

,

{ | “ 6 ¿

0%

“ ã Ý

90%

à

,

¿ s ß ¶ · » „ { | ½ ¾  ¾ 0 ¸ 9 : 3 ; / 0 1 2 3 4 5 6 7 „ ; & > ?  @ ™ · + „

,

û V @ Q ¸ { | “ 6 œ  à

,

9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ ; & > ?   

,

« 

A

½ ¾ ¸ ë ì ý â ¡ º

B

½ ¾ ³

C

½ ¾ ™ x y  Q i : | V @ Q { | “ 6 ñ Ó K » „ ˆ ¼ { |  o n „ P Ä  ´

,

i ú + s   ¶ · X , J ² € § ; > ?  @ š

30%

¸ 9 : 3 ; / 0 1 2 3 4 5 6 7

:

T " Ï ¡ ë ì ¸

A

½ ¾ š » „ { | ˆ ¼

,

|  Ï V @ Q ¸ { | “ 6 š

0%;

U " Ï  Ó ë ì ¸

B

½ ¾ š » „ { | ˆ ¼

,

|  Ï V @ Q ¸ { | “ 6 š

45%;

V " Ï  ë ì ¸

C

½ ¾ š » „ { | ˆ ¼

,

|  Ï V @ Q ¸ { | “ 6 š

85%

™

(22)

͹̶דܫϡᆧૻѺ̶ͧ!)&*

ܲ

ε

Ѻ

̶

ͧ

!)!!!!*

&

70

60

50

40

30

20

10

0

0

10

20

30

40

50

60

70

80

90

A

B

C

ཏ௡

ཏ௡

ཏ௡

5

2

6 W 8 9 : ; < = > ? @ A B C D E 8 F G H I J K L M 7 8 9 N O É É  S

1

³ S

2

Q ü 

,

Š » „ { | q r 6 Ó Ï ú

,

X ÿ 9 : 3 ; / 0 1 2 3 4 5 6 7 K ” ¢ ‹ É » ¸ ë ì ˜ 

,

{ | “ 6 Š V @ Q ¸ N —  { | “ 6 Š W @ Q „ N — –

,

% ‹   Ž 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ ë ì  W @ Q  Ï „ å æ  !  ™ Ô ß  ï ­ ï š V @ Q ¸ > ? ­ " + W @ Q ¸ > ? j ª k

,

ï ð " #   Ø ÿ Y x : „ = P ä z : „ å æ Y – ™

4.2.2

 X p Z q r s t u X v w x y z 4 û é P [ \ ü ¤ Ô § ; ¸ á – = $ à

,

¿ º ü ¤ q r „ Ÿ    Þ  

,

¬ ÿ 9 : 3 ; / 0 1 2 3 4 5 6 7 œ   } ¸ 9 á { | 3 ;

,

ø  „ q r Ÿ   ] Ù Q ‘  Ÿ @ Q „  ¯

,

ï ð ! i Ô ; & > ? k Ý  á – > ? ü ¤ à

,

Ÿ @ Q    > ? „ ¥ ¦ ™ ¿ º Ÿ @ Q ¸ Þ É  ¯ ¶ ·

,

x y ] ¿ Ô ; & > ?  Þ É  ¯  @ k  Ÿ @ Q „ ´ ä ë ì ™ Å

5

š 9 : 3 ; / 0 1 2 3 4 5 6 7 Š ¶ · W @ Q ³ V @ Q ¾ / ú

,

º ” ; ü ¸ Ô ; & > ?  @ ³ " # ß Þ

,

«  Ô ; & > ? ¸ Ï Ð š  º ; & > ? ‹ ß »  } ¸ > ? ¯ Ò ™ É É Å

5

+ € ¶ · V @ Q ³ W @ Q „ p   ¾ / ¥ ã ú

,

V @ Q Š ” ; ü à „ Ô § ; > ? ¯ Ò

,

Ô § ; > ?  @ ³ " # ß Þ ™ Å

5

„ ±  ! 

,

5 •

5 • @ Q   Ô ; & > ? ¸ ´ ä ë ì à –

,

 K

99.74%,

 ¬ ‹  Ô ; & > ?

(23)

ü ¤

,

é ß 5 •

5 • @ Q Ç Ø C i ^ _ ™ ª Œ 

Œ  @ Q ¸ ë ì à ¡

,

Ô ; & > ?  @ ' Ù

0.43%

™ É É ¿ " # ß Þ k 

,

5 •

5 • @ Q   Ô ; & > ? ¸ ë ì š ¼ + ‡ ˆ Š » „ { | ˆ ¼ „

13.9

ß

,

¬ ÿ ‡ ˆ Š S 

A

¸  

  @ Q " # ß Þ   K

9.36

ß

,

' Ù ‡ ˆ Š Œ 

Œ  @ Q ¸ ë ì Ñ º ¼ + ‡ ˆ Š » „ ˆ ¼ ½ ¾ ¸ ë ì ™ Ù ` „ ­

,

Š  d e „  Ï ú

,

Π

  @ Q  " 2 ¸ Ô § ; > ? „ ë ì ³ ¼ + ‡ ˆ Š » „ { | ½ ¾ „ ë ì ´ ·

,

" # ß Þ š

1

™ É É Å

4

³ Å

5

„ ±   Ž ›

,

5 •

5 • @ Q Ý  

Œ  @ Q  —   @ Q „ Þ É  ¯ K

,

a Ç '  é ß 9 : 3 ; / 0 1 2 3 4 5 6 7 ˆ  ± ² „

10%,

b " 2 › – r

80

−90%

¸ ë ì

,

ï ð ‡ ˆ ‰ ³ ü w ö ² 9 X  í á c | Ô Õ @ Q ¸ ë ì í ó 8 ´  a ì } ~ ™ 4 5 d w : | 2 3 4 5 6 7 p q { | ë ì à

,

b 3 c › 5 • @ Q  Û

,

à a Ç d w p q › C i M  ¸ Þ É ' ì ¯ Ò

,

Å Ã 3 c › –  @ ¸ { | ë ì ™ ï ð R S  ³  ! e y ç @ $ ë ì ¯ Ò p q Þ É % ³ $  ­ ë ì p q ñ Ó % ¸ } L ™

4.3

,        J f  H  š › g ) » „ ˆ ¼ { | T } = P

,

ä 9 : 3 ; / 0 1 2 3 4 5 6 7 „ V @ Q R S T U  D 0 „ å æ

,

x y   @ Q R S T U á Ý = P

,

| i ð š  v

,

  { | T } = P „ z { Ó

,

| i t j ¶ · ¾ / ú V @ Q ¸ R S ë ì ™ x y Ç » „ ˆ ¼ { | q r À Á T } > œ 

1

 Í à

,

Ÿ V @ Q R S T U „ = P ¯ Ò + º Å

6

 ™ É É ¿ º Ÿ V @ Q ¸ Þ É  ¯ ¶ ·

,

š › J @ ´ · „   

,

x y Ç Ÿ V @ Q ¸ R S T U = P Ò & i ð V @ Q ¸ Þ É  ¯

,

i   R S T U = P  @ ™ Å  Þ h !  5 •

5 • @ Q „ T U ä » „ { | q r À Á ¸ T } = P à š z {

,

ª Š W @ Q # º Œ  @ Q ú ¸ 9 : 3 ; / 0 1 2 3 4 5 6 7

,

 Π

5 • @ Q 8 Œ 

  @ Q ³ Œ 

Π @ Q

,

{ | T } = P ä « V @ Q „ T U å æ Ô × Ñ ™ É É ð <

,

x y i V @ Q R S T U = P  @ š  v

,

  Ÿ V @ Q ¸ { | T } " # ß Þ ™ " # ß Þ Å  û » „ { | q r À Á T } > œ 

1

 Í à

,

V @ Q R S T U = P ´ ä º » „ { | ½ ¾ T U = P ¸ ß Þ ™  å ü ð ñ

1

ü

(24)

€

6

 Ú Û Ü Ý i j k „ l   m n Ü o Ž p q “ ” • – —   ˜ ™ ª « r s t u v w x ² y z

1bp

³   ‘ ²

%

³ ’  ‘ ²

%

³ “ ” • – ² — ˜ ³ ™ š – › t { | œ “ ” • –   ž ²

%

³ Ÿ   ¡ ¢ £ ¤

£ ¤  ‘

0

−3

0

−10

360

−2.033

−0.56

12.41

£ ¤

¥ ¦  ‘

0

−3

10

−20

360

−1.918

−0.53

11.71

£ ¤

§ ¦  ‘

0

−3

20

−100

2,880

−10.759

−0.37

8.21

¥ ¦

£ ¤  ‘

3

−10

0

−10

840

−2.546

−0.30

6.66

¥ ¦

¥ ¦  ‘

3

−10

10

−20

840

−2.119

−0.25

5.55

¥ ¦

§ ¦  ‘

3

−10

20

−100

6,720

−10.025

−0.15

3.28

§ ¦

£ ¤  ‘

10

−100

0

−10

10,800

−5.611

−0.05

1.14

§ ¦

¥ ¦  ‘

10

−100 10−20

10,800

−1.466

−0.01

0.30

§ ¦

§ ¦  ‘

10

−100 20−100

86,400

−0.209

0.00

0.01

¨ © ª « ¬ ­

0

−100

0

−100 102,000 −46.400

−0.05

1.00

}

,

~   7

 7 ó ô  Ð Ñ Ü   ~  · ã ì í ± ƒ ² ³ Ð Ñ ã

12.41

]

,

 ~  D B

D B ó ô  Ð Ñ € Æ P   ~  · ã ì í ± ƒ ² ³ Ð Ñ ã û ó  1 á á / \  ‚ ƒ · ã ì í ± ƒ ² ³ å ü „ e … † ù ó ô å ‡ „  ˆ ‰ ÿ 

,

ù ó ô ã R S T O C 2 Š  í Ø º · ã ì í ± ƒ ² ³ ( ^ <

delta

ƒ  Ö  ‹ < j ƒ  Œ  ã ( å Ž ó  

,

¼ j R S T ‘ ’ Æ “ ”  • º ± ƒ ÿ  é $ ñ Ò e k > ) –  · ã S ¸

,

% í H º — 1 ì í ± ƒ ² ³ ( ƒ  j ú

,

˜ · ã ì í É Ê Ü ý ˆ ‰ Å  P  ì í ± ƒ ² ³ â H e L 

,

€ R S T O    í ™ ì í ± ƒ ² ³ â H ( ƒ  8 9 h I Y  ó ô  ù ó ô 㠚 X Ê ú Z › 

,

¹ ù ó ô ã ü } å ‡ 

delta

‡ ó > M þ , þ â

7

㠜   œ ž  á á C  7

 7 ó ô  í

,

 ü } å ‡

DV01

/

−2.033,

( â ì í å ü ð ñ

1

ü } “  ó ô å ‡ Ÿ  

$2,032,700,

  þ · ã ì í ± ƒ ² ³ É Ê  í

,

% ü } å ‡

DV01

/

−46.4,

( â · ã S ¸ ì í å ü ÷ ø

1

ü }

,

· ã ì í S ¸ ¿ å ‡ “ Ÿ  

$46,400,000

¼ j

,

ó ô R S T ˜ ‚ ƒ ì í å ü „  ÿ 

,

O þ ~   7

 7 ó ô ã Y

,

J ¡ · ã ì í É Ê ´ µ  ¶ 

4.38%

¼ j  · ã S ¸ ì í å ü ÷ ø

1

ü }

,

ƒ  ¾  å ‡ “ ÷ ø

$2,032,700,

 ¢ R S ¾ 3 ƒ  ¾ ã ¿ å ‡ I  ì í å ü „  " # e C / \ ‚ ƒ

(25)

€

7

 £ ¤ ¥ ¦ ² l   Ž

Delta

o ³ “ ” • – —   ˜ ™

MTM

§ ¨ © ­ ª “ ” • – ª « r s

DV01

Delta

¨ © « ¬ ¨ © « ¬ ­ ® ¯ ² — ˜ ³ ²

bps

³ ²

%

³ ² — ˜ ³ ² — ˜ ³ ² — ˜ ³ £ ¤

£ ¤  ‘

360

3,367.2

−2.033 4.38 4,468.435

2.033

946.5

£ ¤

¥ ¦  ‘

360

2,876.6

−1.918 4.13 4,217.172

1.918

784.8

£ ¤

§ ¦  ‘

2,880

1,175.8

−10.759 23.19 23,651.250 10.759

1,980.0

¥ ¦

£ ¤  ‘

840

738.4

−2.546 5.49 5,596.810

2.546

287.4

¥ ¦

¥ ¦  ‘

840

559.7

−2.119 4.57 4,658.586

2.119

193.1

¥ ¦

§ ¦  ‘

6,720

249.4

−10.025 21.61 22,037.716 10.025

365.4

§ ¦

£ ¤  ‘

10,800

64.6

−5.611 12.09 12,334.746

5.611

−36.2

§ ¦

¥ ¦  ‘

10,800

12.1

−1.466 3.16 3,223.552

1.466

−61.3

§ ¦

§ ¦  ‘

86,400

0.3

−0.209 0.45

459.528

0.209

−4.9

¨ © ª « ¬ ­

102,000

59.5

−46.400

ì í å ü „  ÿ 

,

R S T   = ´ µ  ¶

$360,000

 7

 7 ó ô ã Y

,

O ° J ´ µ  ¶

$4,468,435

ã · ã ì í É Ê S ¸

,

V j € O ± 

delta

ƒ  Œ 

,

 ƒ   ² 6 = /

$946,500,

è é j / O < * P %  ƒ  Œ  á á â

7

ã æ ç è é

,

 ³ ´ X ó ô ‹ <

delta

ƒ  Œ 

,

 O µ ¢ õ ã 6 = Æ P   ó ô ? þ D B ó ô

,

‹ <

delta

ƒ  Œ  ã   ¶ ñ

,

 R S ¾ ø Å ƒ  ¾ J  ñ ‡ % · ¼ / j W º ó ô  å ‡  þ å ü „ ã + , - å  ¼ j ˜ ”  Ø º · ã S ¸ ^ < ƒ 

,

P ƒ    ¶ ñ ã Z [

,

R S T O  í — 1 · ã ì í ± ƒ ² ³ ‚ ƒ

,

”  k ' · ã S ¸ ã ì í ÿ  ø C ƒ 

,

V j € O a ¸ ƒ  ² 6 = / ñ ‡ ã ¹ º

,

* » ¼ ÿ  ½ ð  ! 1 ¾ ¿ ø  ú

,

 þ R S   î ï ú    î   !  A B ó ô ã î ï ° -

,

8 9  À O C  í 1 Á  ± ƒ ² ³ 㠜

N

º ± ƒ ² ³ ²

N

th

-to-default basket

swap

³ ‚ ƒ

,

”  Á  J  ã · ã ì í É Ê ^ < ƒ 

,

C ‚ ƒ ± ƒ Ã Ä Ó 0 Î é Å Æ  J   Ç È · ã ì í Å

4.4

,        J É Ê Ë H  9 : 3 ; / 0 1 2 3 4 5 6 7 „ 9 : 3 ; ± ²  

,

Ì – › - 1 x :  Þ = P ä V @ Q > ? @ P „ å æ  

,

ï ð x y = ä { | “ 6 6 Ó 8 q r ´  ¥ ³ ˆ ¼ á â Ó  s = Þ ç w z { Ó @ k ™

(26)

4.4.1

 Í Î Ï Ð x y - = V @ Q 8 W @ Q „ { | “ 6 ñ Ó

,

| Ç ¶ · { | “ 6 ñ Ó ³ «  ä ¾ „ 9 : 3 ; / 0 1 2 3 4 5 6 7 / T { | T } Ñ º S

3

™ S

3

±  ! 

,

û { | “ 6 — Ó Y –

,

@ Q  " 2 ¸ ë ì Y ¡

,

{ | T }  ï ª : ¸ ƒ Ñ

,

5 { | T } ä º W @ Q „ { | “ 6  Ï  ä º V @ Q „ { | “ 6  Ï z {

,

T } = P — Ó  – ™

4.4.2

 Ò l Ó , Ô Õ Ö × Ø Ù Ú x y ‹ Œ • – q r ´  ¥ @ á š

0%

³

30%

„ ž   F  ú

,

W @ Q ³ V @ Q „ > ? @ P ¥ ã

,

| Ç ¸ Ñ º S

4

™ S

4

±  ! 

,

œ  q r ´  ¥ Ø ÿ > ? @ P €  Û Ü „  Ý

,

5 V @ Q ä ´  ¥ = P  W @ Q z {

,

Ô  ­ š  9 : 3 ; 2 3 4 5 6 7 Ù à È ¸ š ´  ¥ ®  ²

correlation intensive

³ „ ‡ ˆ Þ  ¸  ï ™ É É ð <

,

¿ º R S z Q € š » „ ˆ ¼ ¸ { | q r À Á Þ j Ù ß

,

 Þ 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ ¶ · W @ Q Ø  ‚ ” ¢ Õ ´ · ¸ » „ { | ˆ ¼

,

ï ª €   } „ ˆ ¼ á â ¥ ã

,

ˆ ¼ á â Ó Ø Ž ! - = 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ ë ì í î ™ Š á â Ó š

0%

³

80%

„ ž   F  ú

,

x y : | S

5

Å  » „ { | ˆ ¼ ü ¤ á â ¥ ¦ à

,

V @ Q „ > ? @ P ¥ 㠙 ¿ º ˆ ¼ á ⠄   K q r ´  ¥ œ  „   ‹ +

,

ï ð V @ Q „ > ? @ P  Ø à  Û Ü ¸ í ó ™ Á  ¸

,

ˆ ¼ á â ³ á Ù

100%

L M ´  ¸ » „ { | ­ ´ · „

,

ª ž  n à – „ } L Š º ˆ ¼ á â ' Ø å æ 9 : 3 ; / 0 1 2 3 4 5 6 7 „ T «

,

ª q r ´  ¥ â Ø å æ ” » „ 2 3 4 5 6 7 „ W @ Q T U ™ É É a Ç q r ´  ¥ ³ ˆ ¼ á â Ó ž  R ë ì ï W ä º 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ ë ì × Ù ` µ „ å æ  

,

 ­ ˆ ¼ á â ñ Ó ­ ¿  Ž  r  ` ò Ï

,

5 Š À ( ; n  ¸  à Í ã Q • – ”

,

 ¸

,

» „ { | ˆ ¼ n ¸ q r ´  ¥ ± ² b ä i t j

,

5 Ø : à n [ ø ª ü ¤ = $ ™ É É š › • – q r ´  ¥ ³ ˆ ¼ á â Ó ž = Þ ƒ  À > å æ Ÿ V @ Q ¸ T U

,

 d e ä p   ¶ · ¸ 9 : 3 ; / 0 1 2 3 4 5 6 7 V @ Q ¸ { | T } ç w q r ´  ¥ ³ ˆ ¼ á â Ó ¸ z { ¥ @ k

,

| Ç ±  Ñ º S

6

Ý S

14

 ™ i ú x y ý þ W @ Q „ ¥ î @ š s – ` ç w ‰ Š

,

„ ‹ – ` b ­ 5 •

5 • @ Q 8 5 •

  @ Q ³ 5 •

Π @ Q

;

„ … – ` b ­  

5 • @ Q 8  

(27)

5

3

6 8 9 : ; å æ @ ç : ; < = G è é ê 8 ë J K L M 7 8 9 N O

࠹ᙯّ!41&

࠹ᙯّ!1&

࠹ᙯّ!41&

࠹ᙯّ!1&

̶̄דຫεѺ̶ͧ!)&*

͹̶דຫεѺ̶ͧ!)&*

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

0

0

0.2

0.4

0.6

0.8

1.0

5

4

6 ì í î ï ð @ 7 8 9 ñ W 8 9 C D 8 ò G H I J K L M 7 8 9 N O

͹̶דຫεѺ̶ͧ!)&*

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0

0.2

0.4

0.6

0.8

1.0

0

ࢦᝑޘ!91&

ࢦᝑޘ!1&

5

5

6 ó ô õ ö ê @ W 8 9 C D 8 ò G H I J K L M 7 8 9 N O

(28)

  @ Q ³  

Π @ Q

;

„ s – ` b ­ Œ 

5 • @ Q 8 Œ 

  @ Q ³ Œ 

Œ  @ Q ™ É É S

6

Ý S

8

š W @ Q # º 5 • @ Q à

,

V @ Q @ á š 5 • 8   8 Œ  @ Q ¸ z { ¥ @ k ™ Š ð s ß V @ Q ú

,

{ | T } Ø :  q r ´  ¥ ³ ˆ ¼ á â Ó „ œ  ª ú ÷

,

5 Š ´  ¥ ¿

0%

œ  š

10%

à

,

{ | T } ø — à –

,

«   i 5 •

5 • @ Q à š z { ™ ¿ º ´  ¥  ­ á â Ó „ œ 

,

| ù  » „ { | M  ¹ º ¸ ö ž œ 

,

ª 5 • W @ Q ú ” „ ' ­ à  Þ ß » „ { | q r ¸ > ?

,

ï ð ‹  » „ { | M  ¹ º ¸ ö ž œ 

,

W @ Q ¸ ë ì  Ø : ¸ ÷ ¡

,

ÿ “ V @ Q ¸ { | T } ƒ Ñ ™ É É S

9

Ý S

11

š W @ Q # º   @ Q à

,

V @ Q @ á š 5 • 8   8 Œ  @ Q ¸ z { ¥ @ k ™ ±  ! 

,

 

5 • @ Q ¸ { | T } Ø :  ´  ¥ 8 á â Ó “ ã ª û — ú ÷

,

«  ï ƒ · „ ‹ – ` @ Q T } z { Ó @ k ¸ ±  ™ ' ­ û W @ Q # º   @ Q à

,

{ | T } = $ „ z { Ó  ü

;

 

  @ Q ¸ { | T } ¡ Í €  Š ´  ¥ š

90%

à

,

ª  Í Ã €  Š ´  ¥ š

10%

à ™ É É S

12

Ý S

14

š W @ Q # º Œ  @ Q à

,

V @ Q @ á š 5 • 8   8 Œ  @ Q ¸ z { ¥ @ k ™ ¶ r ª · „

,

ð s ß @ Q ¸ { | T } > Ø :  q r ´  ¥ œ  ª “ ã

,

 ä º ˆ ¼ á â Ó  ¶ z { ™ q r ´  ¥ œ 

,

Ä Å » „ { | M P q r ¸ ö ž “ ã

,

Œ  @ Q ~  " 2 > ? „ Q ‘ ¥ œ 

,

ï ð W @ Q ë ì “ ã ý þ V @ Q { | T } – — œ ÿ ™ É É K z <

,

q r ´  ¥ ³ ˆ ¼ á â Ó Š 9 : 3 ; / 0 1 2 3 4 5 6 7    ` µ  

,

 ¿ º ˆ ¼ á â Ó ' Ø å æ ” V @ Q „ > ? @ P

,

ï ð q r ´  ¥ ä V @ Q { | T } ¸ å æ  š 6  ™

5.

™ R S T U ñ V W X Y  [ \ V ] ^ _  † · + : | „ s †  J @ ¸ S T - 1

,

ä 9 : 3 ; / 0 1 2 3 4 5 6 7 ç w T « 8 ë ì í ó „ @ k ™ K „ ‘ † ¶ · „ ­

,

ð ¹ x y Ç W @ Q „ ß Þ  Ï š ’ ß

,

B < x y Ç W 2 3 4 5 6 7 „ 5 • @ Q  š > ? @ P „

0

−10%,

  @ Q š > ? @ P „

10

−20%,

Œ  @ Q  š > ? @ P „

20

−100%

™ x y

(29)

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

2,000

4,000

6,000

8,000

10,000

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

5,000

10,000

15,000

࿁ࡗ࠹

ᙯّ

!)&*

ྤயࢦᝑޘ

!)&*

ܲ

ܫ

ϡ

)cqt*

࿁ࡗ࠹ᙯّ

!)&*

ྤயࢦᝑ

ޘ!)&*

ܲ

ܫ

ϡ

)cqt*

5

6

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J  

  8 9 5

7

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J  

8 9

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

500

1,000

1,500

2,000

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

200

400

600

800

1,000

)cqt*

)cqt*

࿁ࡗ࠹ᙯ

ّ!)&*

ྤயࢦᝑ

ޘ!)&*

ܲ

ܫ

ϡ

࿁ࡗ࠹ᙯ

ّ!)&*

ྤயࢦᝑޘ

!)&*

ܲ

ܫ

ϡ

5

8

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J  

8 9 5

9

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J

  8 9

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

100

200

300

400

500

600

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

50

100

150

200

250

)cqt*

)cqt*

࿁ࡗ࠹ᙯّ

!)&*

ྤயࢦᝑޘ

!)&*

ܲ

ܫ

ϡ

࿁ࡗ࠹ᙯّ

!)&*

ྤயࢦᝑ

ޘ!)&*

ܲ

ܫ

ϡ

5

10

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J

8 9 5

11

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J

8 9

(30)

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

50

100

150

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

50

100

150

)cqt*

)cqt*

࿁ࡗ࠹ᙯّ

!)&*

ྤயࢦᝑޘ

!)&*

ܲ

ܫ

ϡ

࿁ࡗ࠹ᙯّ

!)&*

ྤயࢦᝑޘ

!)&*

ܲ

ܫ

ϡ

5

12

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J

  8 9 5

13

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J

8 9

0

17

33

50

67

83

100

0

10

20

30

40

50

60

70

80

90

0

5

10

15

)cqt*

࿁ࡗ࠹ᙯّ

!)&*

ྤயࢦᝑ

ޘ!)&*

ܲ

ܫ

ϡ

5

14

6 8 9 : ; å æ @ ç ì í î ï ð ñ ó ô õ ö ê G è é ê 8 ë J

8 9 Ç  †   ô @ k „ i ’ ß W @ Q š » „ „ 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸  Ï + º Å

8

 ™ Ÿ W @ Q K V @ Q „ { | “ 6 ñ Ó K Þ É  ¯ – Ñ + º Å

9

 ™ « w ø œ 8 „  Þ  Ï ø í á z Ž

,

à K „ ‘ † „  Ï ´ ·

,

Š ð ¶ % < ™ É É Š Å

8

K Å

9

V @ Q K W @ Q „ ± ²   ú

,

x y Ç   “ „ ‹ Œ 2 3 4 5 6 7 K 9 : 3 ; / 0 1 2 3 4 5 6 7 ¸ { | T } + º Å

10

 ™ K „ ‘ †  Å

3

„ ±  ´  y

,

x y ü  / T { | T } Š W @ Q „ ß Þ “ 㠚 ’ ß à „ ¥ î K « Š ž ß W @ Q ú „ ¥ î ´ µ

,

ã Ø : { | 3 ; œ  ³ @ Q – Ñ “ ã ª ÷ ¡ ™ Š ¡ „ ± ² ú i 5 • @ Q š 

,

9 : 3 ; / 0 1 2 3 4 5 6 7 { | T }  ‹ Œ 2 3 4 5 6 7 œ  › ™

(31)

€

8

 ‚ ƒ „ … † ‡ ˆ ‰ „ Š ‹ Œ  Ž   ‘ ’ “ ” – —   ˜ ™ š › œ  ž Ÿ   ž ¡ ¢ £ ¤ ¥ ¢ £ ¦ ¥ ¢ £ ¢ £ § ¨

10%

10%

80%

© ª « ¬

0%

10%

20%

© ª ­ ® ¯ ­ ®

A1/A

Aaa/AAA

° › œ  ž Ÿ   ž ¡ ¢ £ ¤ ¥ ¢ £ ¦ ¥ ¢ £ ¢ £ § ¨

10%

10%

80%

© ª « ¬

0%

10%

20%

© ª ­ ® ¯ ­ ®

A1/A

Aaa/AAA

€

9

 ‚ ƒ „ … † ‡ ˆ ‰ „ Š ‹ Œ  ± ² ³ ´ µ ‘ “ ” – —   ˜ ™ š › œ  ž Ÿ   ¢ £ § ¨

10%

© ª « ¬

10%

¶ · ¸ ¹

US$ 500,000

° › œ  ž Ÿ   ° › œ  ž Ÿ   º »

5

¢ £ § ¨

10%

© ª « ¬

10%

¶ · ¸ ¹

US$ 1,000,000

¼ ½ ° › œ  ž Ÿ   ¾ ¿ À Á  º »

10

€

10

 ‚ ƒ „ … † ‡ ˆ ‰ „ Š ‹ Œ  Ž † Ù Ú Û Ü Ý “ ” – —   ˜ ™ Þ ß

: bps

š › œ  ž Ÿ   ° › œ  ž Ÿ  

0

−10%

10

−20% 20−100%

½ à › œ  ž Ÿ  

0

−10%

1,856.8

1,123.0

341.0

597.1

10

−20%

397.4

220.0

57.9

59.7

20

−100%

29.8

3.8

0.1

1.4

參考文獻

相關文件

In this paper, we propose a practical numerical method based on the LSM and the truncated SVD to reconstruct the support of the inhomogeneity in the acoustic equation with

While we have provided a number of ideas and strategies, we hope that this book will be a useful guide and resource to stimulate teachers’ own ideas and variations, and will

In this paper, we extended the entropy-like proximal algo- rithm proposed by Eggermont [12] for convex programming subject to nonnegative constraints and proposed a class of

In summary, the main contribution of this paper is to propose a new family of smoothing functions and correct a flaw in an algorithm studied in [13], which is used to guarantee

In section29-8,we saw that if we put a closed conducting loop in a B and then send current through the loop, forces due to the magnetic field create a torque to turn the loopÆ

In an Ising spin glass with a large number of spins the number of lowest-energy configurations (ground states) grows exponentially with increasing number of spins.. It is in

At least one can show that such operators  has real eigenvalues for W 0 .   Æ OK. we  did it... For the Virasoro

In this paper, we extend this class of merit functions to the second-order cone complementarity problem (SOCCP) and show analogous properties as in NCP and SDCP cases.. In addition,