银行信用组合违约风险的度量和计算对银行监管有着重要意义。使用蒙特卡 洛研究信用组合违约概率时，重要性抽样通过条件独立性和“均值移动”两个步骤实现。本文 提出了一种基于违约相关性矩阵的单步重要性抽样算法。该算法通过主成分抽样选择违约结 构中占优成分，扩大其方差来实现，并给出了最优方差扩大倍数。数值实验证明了该方法在 信用组合遭遇极值事件时，具有一定的计算优势。

美国金融危机的爆发引发了学术界对主流CDO定价模型的反思。本文认为标准的CDO定价模型既无法准确评估标的资产池的风险，又未能考虑突发性系统性冲击、债务人信用品质变化对资产池损失的影响。为此，本文在因子Copula模型的框架内考虑相互关联的市场风险和信用风险因素对CDO定价关键参数（违约概率、违约相关性、违约损失率）的影响，提出了CDO定价的风险整合模型。同时，通过Copula—Garch模型引入风险驱动因子的时序特征，对静态整合模型进行了动态扩展。实证结果表明，相比整合模型，标准模型极大地低估了高级分券的价格。对风险驱动因子假设的不同是造成二者差异的主要原因。

违约相关是信用风险度量模型的重要输入参数。本文运用巴塞尔协议II中因素模型的一个简单变形来估计违约相关，并把模型拓展成一个包含可观测风险因素的方法。