Daniels(1954)提出了一种非常有效的统计近似方法--鞍点逼近，来近似随机变量的均值，以及相互独立随机变量比率的密度．随后的几十年中，鞍点逼近方法得到了长足的发展．特别是Lugannani＆Rice(1980)提出了用鞍点逼近方法，近似计算样本均值的尾概率后，鞍点逼近方法被越来越多地引用到统计的计算问题中去，如假设检验p值的计算，M估计、L估计的计算等。 总体上说，鞍点逼近主要有两方面应用：其一，统计量的精确密度函数难以得出，或者形式过于复杂，这时候就可以用鞍点逼近得到近似密度，大量的实例表明鞍点逼近即使在小样本的场合下也近似的非常好；其二，如果只关心统计量的尾概率，比如求某些统计量的p值，那么就可以用鞍点逼近的Lugannani＆Rice(1980)，Wood，Booth＆Butler(1993)、Terrell(2003)等一系列方法来对尾概率做近似，效果都非常好。 　　鞍点逼近以其优良的精度，一直受到众多学者的青睐，Yang，Hurd＆Zhang(2006)将其运用到金融产品CDO(collateralized debt obligation)的定价中去。通过建立了一个标的资产损失的概率模型，在独立性的假设下，计算CDO的系列函数，即资产损失随机变量的1-CMF(1 order conditional moment function)，然后通过copula模蛩将独立性假设条件去掉，最后代入定价公式实现对CDO产品的定价。由于CDO结构的复杂性，只有在少数特殊情形下，才能够精确计算CDO的系列函数，而在大部分情形下很难得其精确值，因此需要进行近似计算。 通过模拟计算验证到，这种近似方法在某些情形下，得到的结果比Yang，Hurd&Zhang(2006)更精确。