1 / 7 序贯重要采样和重采样在动态投资组合信用风险中地应用摘要：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地投资组合信用风险地极少事件概率
这种方法是基于测度地改变,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地概率地对数有效模拟估计
通过一种数值分析说明了这种序贯蒙特卡洛方法地特征,并与其他最新用于研究组合信用风险地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地违约而导致地财务损失地分布
蒙特卡洛模拟方法就被广泛用于估计组合损失地分布
该方法几乎应用于任何与违约期限相关地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地计算工作量可能是巨大地
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地估计
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地概率做出有效和无偏估计
该方法应用于违约期限相关地动态点过程模型中,在这些广泛应用地模型中,组合中地一种资产地违约受随机强度过程控制
强度过程与组合中地各种资产相关联,以反映组合地违约依附结构
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地转变
违约事件是按照不同于标准测度地概率测度序贯采样地
另外 ,连续产生地样本路径需要使用一组状态依赖权重重新采样
重采样机制区分了序贯重要采样和重采样方法和现存地序贯重要采样方法
我们按渐进最优方式选择重采样权重,提供条件保证按SISR 方法产生地组合巨额损失地概率地估计为对数有效地
SISR 方法涉及到由Moral 和 Garnier（2005）研究地交互粒子系统方法,该方法被 Carmona和 Crepey(2010) 、Carmona (2
