近年來，信用卡市場快速地成長，發卡銀行亦大量地發卡，然而目前國內 發卡銀行在整個信用卡信用風險管理上，大都採行人類專家經驗判斷的方 式進行。發卡銀行隨著持卡人數快速地增加，其信用資料亦呈等比例急速 上升，若仍採用人工處理方式，除了會大幅增加工作負荷外，其授信品質 也不易控制。因此，本研究擬引進資訊技術來解決大量信用卡信用資料之 信用管理問題。 首先，我們探討信用卡信用管理業務，並根據其作業 流程來建構一信用卡信用管理自動化的架構，此架構包括徵信驗證系統、 審核系統、預警系統、高風險客戶管理系統、及催收系統等五個系統，其 目的在於輔助授信管理之業務、減少授管人員的工作負荷、以有效控制授 信品質、及降低授信的風險。 其次，本研究針對上述信用卡信用管理 自動化中的預警系統，利用範例學習法來建立信用卡信用風險預警範例學 習系統，且實際以一家發卡銀行的信用資料來建立並驗證四個預警模式， 期能事先讓系統自動查核信用不良之客戶。此四類預警模式為: (一)提前 預警模式(二)群體決策預警模式(三)追蹤管理預警模式(四)例外管理預警 模式 最後，我們亦提出一些未來研究之課題，期能進一步發展本研究 之信用卡信用管理自動化系統及預警模式，以推廣應用至各發卡機構。

過去研究多將焦點集中在增加高階經理人薪酬，將可促使高階經理人為公司股東的權益努力，為此探討提昇股東權益包含高階經理人獎酬與公司績效間的關聯，卻忽略了其與風險間的關係。高階經理人員可能因為獎酬的激勵，從事對公司有利且風險較低的計畫，也可能會為了提高自身的權利，將風險轉嫁給公司，因此激發出探討高階經理人員獎酬與公司風險間的關係的研究動機。 本研究以KMV模型之預期違約率作為公司風險之參數，探討高階經理人之 薪酬、自由現金流量、KMV信用風險之關係，同時瞭解公司規模是否影響高階 經理人薪酬、自由現金流量及公司績效與公司KMV信用風險間的關係。 研究結果顯示，公司高階經理人的薪酬與公司違約風險呈負相關，即高階經理人薪酬的提高，確能降低公司的違約風險，但此現象僅在大規模公司才能發現。此外，就自由現金流量而言，小規模公司之自由現金流量愈多，存在較高的風險，惟有提高公司營運績效，方能減緩公司風險的承擔。另一方面，對於高階經理人薪酬的提升，雖然在小規模公司並沒有效果，但係有助減緩自由現金流量帶來的負向衝擊。最後，前述小結僅存在於小規模公司群體，這可能是因為，大公司擁有較高的政治成本，因此為了避免社會的關注，大公司較小公司有較好的公司治理機制，因此管理當局較不可能基於自利的動機來影響公司的風險。 / Many past researches focused on senior manager will be able to work hard for raising shareholder’s equity because of higher compensation. Many researches of raising stakeholder’s equity explored the relation between senior manager compensation and financial performance, but ignored the relation with credit risk of company. Senior managers maybe perform lower or higher risk project for themselves benefit due to some higher compensation motivation. Thus this researching will refocus on exploring the relation between senior manager compensation and company credit risk. This study will discuss the relation among senior manager compensation, FCF and KMV company credit risk by EDF of KMV model as a parameter of company credit risk. And to understand the scale of company weather influence the relation among senior manager compensation, FCF and KMV company credit risk? The results of this research show that the senior manager compensation is negatively correlated with company credit default risk. On the other hand, higher senior manager compensation will reduce the risk of company credit default, but this phenomenon can be found only in lager companies. In addition, as far as small company's FCF, the more FCF, the more there is a higher risk. Increase company's operating performance, the company credit risk can be slow down. On the other hand, in small company there is no effect on raising senior manager compensation, but it will help mitigate the negative impact of FCF. Finally, the foregoing summary is just only in small company groups, may be because larger companies have higher political cost, so in order to avoid the concern of society, larger companies have better corporate governance than small companies, thus senior manager will not be able to influence the company’s credit risk for their self-interested motivation.

由於違約事件不斷發生以及在財務實證上顯示證券的報酬率有厚尾與高狹峰的現象，本文使用縮減式模型與Lévy過程來評價有信用風險下的可轉換公司債。在Lévy過程中，本研究假設股價服從NIG及VG模型，發現此兩種模型比傳統的GBM模型更符合厚尾現象。此外，在Lévy過程參數估計方面，本文使用最大概似法估計參數，在評價可轉換公司債方面，本研究採用最小平方蒙地卡羅法。本文之實證結果顯示，Lévy模型的績效比傳統GBM模型佳。 / Due to the reason that the default events occurred constantly and still continue taking place, empirical log return distributions exhibit fat tail and excess kurtosis, this paper evaluates convertible bonds under Lévy process with default risk using the reduced-form approach. Under the Lévy process, the underlying stock prices are set to be normal inverse Gaussian (NIG) and variance Gamma (VG) model to capture the jump components. In the empirical analysis, we use the maximum likelihood method to estimate the parameters of Lévy distributions, and apply the least squares Monte Carlo Simulation to price convertible bonds. Five examples are shown in pricing convertible bonds using the traditional model and Lévy model. The empirical results show that the performance of Lévy model is better than the traditional one.

本研究預測違約機率的方法為:Binary Regression Quantiles(二元分量迴歸)，此理論基礎與預測方式是使用美國學者Grigorios Kordas(2004)的方法，將分量迴歸運用在應變數為二元的屬質變數上之計量方法。 最小平方法是目前最常見到的迴歸分析，但在古典線性迴歸模型中，應變數的解釋是來自於自變數的相對應的平均變化，而忽略了不同規模與分配下應變數的邊際變化，本文試圖以此方法和以最大概似估計法所建構出的Logit模型做一比較，而研究資料為台灣於民國85年至93年曾被列為全額交割類股的上市公司。 本研究發現Kordas (2004)的方法，雖然能將分量迴歸應用在屬質二元變數上，但是在預測方面相較於傳統Logit方法卻沒有出現較佳的預測能力。 / The method implemented in PD calculation in this study is “Binary Regression Quantiles”. The foundation of the research and the way to forecast is according to the Ph.D Thesis of Grigorios Kordas(2004). He apply the binary variable for Quantile Regression. The Ordinary Least Square is the most common way to regression analysis, but in the classic linear regression the change of dependent variable comes from the independent variable averagely. It neglects the marginal change of the dependent variable according to different scale and distribution. We want to compare the Binary Regression Quantiles with the Logit Regression. Although we could apply the binary variable for Quantile Regression successfully, the outcome of the forecast is not as efficient as the Logit Regression.

連動式債券已成為目前市場上最熱門的投資工具，標榜著高受益的條款下，常隱含著投資人所不瞭解的風險，利用理論的模型套用在實務商品上，可以令人更清楚認識複雜化的金融衍生性商品。本文在Libor市場模型與Hull-White利率模型的架構下，利用數值方法評價分析最常見的兩種連動式債券－固定期限利率交換利差連動債券與信用連結債券。 Libor市場模型直接拿取市場上可觀察到的遠期Libor利率做為模型的標的，有良好配適目前利率期間結構的優點。利用此模型為出發，校準出波動度期間結構，以蒙地卡羅模擬法來評價固定期限利率交換利差連動債券。由評價結果可量化分析出連動式債券內含的選擇權與零息債券價值為何，探討發行商的發行策略與投資人的風險來源。 繼股權、利率連動式商品之後，未來金融商品的連動標的將進入信用風險的階段。以公司債的市場資料建立出一條信用風險曲線(Credit Curve)，最能夠反映出當時市場上大多數人對於未來發生違約事件的預期。在假設利率市場風險和標的公司信用風險是獨立的前提下，將這條曲線和以Hull-White利率模型為基礎建立的利率三元樹與路徑函數結合，便可以適當地評價信用連結債券的價值。最後，求算債券內含的信用違約交換價值，對發行機構的策略與投資人的風險作分析。

信用衍生性商品可規避或轉移信用風險，為金融機構有效管理信用風險的利器。而信用連結票券可視為結合普通票券與信用違約交換的結構型商品，使得票券的發行者得以規避其交易對手的信用風險，投資者也可藉由承擔信用風險而享受投資報酬率增加的益處。 本文採用無套利的利率模型Hull-White三元樹來建構利率期間結構，可得到與市場利率期間結構一致的利率期間結構。在假設資產違約回收率為外生變數下，採用實務界常用的方法(Duffie and Singleton,1999)建構信用曲線，以求出邊際違約機率。在已知每個節點上的預期現金流量下，利用回推法可計算出信用連結票券的價值。

長久以來，信用風險一直是各銀行經營風險中最主要的來源，而就信用風險的衡量部份，巴塞爾委員會希望國際性銀行最低限度必須採用中等複雜程度的風險計算方法。也就是希望銀行能以新巴塞爾協定中信用風險的內部評等法為基本精神建置一套內部自有的信用風險模型來評估交易對手的信用風險。 同時，由於目前國內對於自有信用風險模型的建置和效力驗證的相關研究付之闕如，故本研究以新巴塞爾協定中信用風險的內部評等基礎法為基本精神，並且應用倒傳遞類神經網路方法，建構一套有效的信用風險模型並加以驗證以期能應用於銀行授信決策系統之中，也擬扮演一拋磚引玉的角色，以期未來有更多資源投入相關研究。 首先，本研究藉由文獻探討的方式，決定模型的輸入變數，接著利用ROE來做為評斷企業總體財務表現的指標，同時使用來對上市/櫃公司進行評分，根據評分的結果，再使用K-Means方法來針對所有ROE值為正的上市/櫃公司進行評等等級的切割，以計算所有上市/櫃公司各年度的評等。 研究結果發現： (1) 利用建模資料帶入模型，分別計算每一筆資料的違約機率，也就是該公司當年度的違約機率，再將每一個等級的所有資料的PD值求平均數，即可得到代表該等級的違約機率，而此估計出的違約機率也的確能隨著評等等級的遞增而增加。 因此，當我們要判斷一間公司的違約等級時，可利用本研究所建構出的信用評等模型，估計出該公司違約機率，以判斷該公司的違約等級，以為決策者提供重要的參考依據。 (2) 信用風險預警模型在預測公司下一年度違約與否的能力上，也有不錯的預測準確率；同時，本研究利用預測結果的型I誤差、型II誤差、模型區別率和模型預測率分析來分析預警模型的效度，經實證結果得知，預警模型在效度驗證方面也能有效滿足要求。 由以上的結果得知，本研究所自行發展的信用風險評等模型與信用預警模型相關建構流程、架構與方法論，可有效應用於銀行授信決策系統之中。

在因子模型下，損失分配函數的估算取決於混合型聯合違約分配。蒙地卡羅是一個經常使用的計算工具。然而，一般蒙地卡羅模擬是一個不具有效率的方法，特別是在稀有事件與複雜的債務違約模型的情形下，因此，找尋可以增進效率的方法變成了一件迫切的事。 對於這樣的問題，重點採樣法似乎是一個可以採用且吸引人的方法。透過改變抽樣的機率測度，重點採樣法使估計量變得更有效率，尤其是針對相對複雜的模型。因此，我們將應用重點採樣法來估計偏常態關聯結構模型的尾部機率。這篇論文包含兩個部分。Ⅰ：應用指數扭轉法---一個經常使用且為較佳的終點採樣技巧---於條件機率。然而，這樣的程序無法確保所得的估計量有足夠的變異縮減。此結果指出，對於因子在選擇重點採樣上，我們需要更進一步的考慮。Ⅱ：進一步應用重點採樣法於因子；在這樣的問題上，已經有相當多的方法在文獻中被提出。在這些文獻中，重點採樣的方法可大略區分成兩種策略。第一種策略主要在選擇一個最好的位移。最佳的位移值可透過操作不同的估計法來求得，這樣的策略出現在Glasserman等(1999)或Glasserman與Li (2005)。 第二種策略則如同在Capriotti (2008)中的一樣，則是考慮擁有許多參數的因子密度函數作為重點採樣的候選分配。透過解出非線性優化問題，就可確立一個未受限於位移的重點採樣分配。不過，這樣的方法在尋找最佳的參數當中，很容易引起另一個效率上的問題。為了要讓此法有效率，就必須在使用此法前，對參數的穩健估計上，投入更多的工作，這將造成問題更行複雜。 本文中，我們說明了另一種簡單且具有彈性的策略。這裡，我們所提的演算法不受限在如同Gaussian模型下決定最佳位移的作法，也不受限於因子分配函數參數的估計。透過Chiang, Yueh與Hsie (2007)文章中的主要概念，我們提供了重點採樣密度函數一個合理的推估並且找出了一個不同於使用隨機近似的演算法來加速模擬的進行。 最後，我們提供了一些單因子的理論的證明。對於多因子模型，我們也因此有了一個較有效率的估計演算法。我們利用一些數值結果來凸顯此法在效率上，是遠優於蒙地卡羅模擬。 / Under a factor model, computation of the loss density function relies on the estimates of some mixture of the joint default probability and joint survival probability. Monte Carlo simulation is among the most widely used computational tools in such estimation. Nevertheless, general Monte Carlo simulation is an ineffective simulation approach, in particular for rare event aspect and complex dependence between defaults of multiple obligors. So a method to increase efficiency of estimation is necessary. Importance sampling (IS) seems to be an attractive method to address this problem. Changing the measure of probabilities, IS makes an estimator to be efficient especially for complicated model. Therefore, we consider IS for estimation of tail probability of skew normal copula model. This paper consists of two parts. First, we apply exponential twist, a usual and better IS technique, to conditional probabilities and the factors. However, this procedure does not always guarantee enough variance reduction. Such result indicates the further consideration of choosing IS factor density. Faced with this problem, a variety of approaches has recently been proposed in the literature ( Capriotti 2008, Glasserman et al 1999, Glasserman and Li 2005). The better choices of IS density can be roughly classified into two kinds of strategies. The first strategy depends on choosing optimal shift. The optimal drift is decided by using different approximation methods. Such strategy is shown in Glasserman et al 1999, or Glasserman and Li 2005. The second strategy, as shown in Capriotti (2008), considers a family of factor probability densities which depend on a set of real parameters. By formulating in terms of a nonlinear optimization problem, IS density which is not limited the determination of drift is then determinate. The method that searches for the optimal parameters, however, incurs another efficiency problem. To keep the method efficient, particular care for robust parameters estimation needs to be taken in preliminary Monte Carlo simulation. This leads method to be more complicated. In this paper, we describe an alternative strategy that is straightforward and flexible enough to be applied in Monte Carlo setting. Indeed, our algorithm is not limited to the determination of optimal drift in Gaussian copula model, nor estimation of parameters of factor density. To exploit the similar concept developed for basket default swap valuation in Chiang, Yueh, and Hsie (2007), we provide a reasonable guess of the optimal sampling density and then establish a way different from stochastic approximation to speed up simulation. Finally, we provide theoretical support for single factor model and take this approach a step further to multifactor case. So we have a rough but fast approximation that execute entirely with Monte Carlo in general situation. We support our approach by some portfolio examples. Numerical results show that such algorithm is more efficient than general Monte Carlo simulation.

本研究以公司當年度新增借款觀察會計師查核報告對債權投資人在決定貸款條件之影響。結果發現修正式無保留意見與借款利率具顯著正向關聯，與借款金額具顯著負向關聯，代表債權投資人視修正式無保留意見為一種負面資訊之傳遞。本研究進一步將修正式無保留意見分成重大不確定性、繼續經營假設有疑慮、重編及會計原則變動類型，發現不同的修正式無保留意見類型亦與借款條件有所關聯，其中以繼續經營假設有疑慮意見影響最大。本研究的結論為會計師查核報告對債權投資人於決定貸款合約時有所影響，債權人會依據會計師查核意見及查核報告內容決定其貸款決策。

衡量投資組合的稀有事件時，即使稀有事件違約的機率極低，但是卻隱含著高額資產違約時所帶來的重大損失，所以我們必須要精準地評估稀有事件的信用風險。本研究係在估計信用損失分配的尾端機率，模擬的模型包含同質模型與異質模型；然而蒙地卡羅法雖然在風險管理的計算上相當實用，但是估計機率極小的尾端機率時模擬不夠穩定，因此為增進模擬的效率，我們利用Glasserman and Li (Management Science, 51(11),2005)提出的重點取樣法，以及根據Chiang et al. (Joural of Derivatives, 15(2),2007)重點取樣法為基礎做延伸的改良式重點取樣法，兩種方法來對不同的投資組合做模擬，更是將改良式重點取樣法推廣至異質模型做討論，本文亦透過變異數縮減效果來衡量兩種方法的模擬效率。數值結果顯示，比起傳統的蒙地卡羅法，此兩種方法皆能達到變異數縮減，其中在同質模型下的改良式重點取樣法有很好的表現，模擬時間相當省時，而異質模型下的重點取樣法也具有良好的估計效率及模擬的穩定性。 / When measuring portfolio credit risk of rare-event, even though its default probabilities are low, it causes significant losses resulting from a large number of default. Therefore, we have to measure portfolio credit risk of rare-event accurately. In particular, our goal is estimating the tail of loss distribution. Models we simulate are including homogeneous models and heterogeneous models. However, Monte Carlo simulation is useful and widely used computational tool in risk management, but it is unstable especially estimating small tail probabilities. Hence, in order to improve the efficiency of simulation, we use importance sampling proposed by Glasserman and Li (Management Science, 51(11),2005) and modified importance sampling based on importance sampling which proposed by Chiang et al. (2007 Joural of Derivatives, 15(2),). Simulate different portfolios by these two of simulations. On top of that, we extend and discuss the modified importance sampling simulation to heterogeneous model. In this article, we measure efficiency of two simulations by variance reduction. Numerical results show that proposed methods are better than Monte Carlo and achieve variance reduction. In homogeneous model, modified importance sampling has excellent efficiency of estimating and saves time. In heterogeneous model, importance sampling also has great efficiency of estimating and stability.