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。