本研究探討評價一籃子信用商品有效率的估計方法，所謂有效率是指計算簡單、快速且能達到變異數縮減，Chiang, Yueh, and Hsieh (2007)提出一個有效演算法，模型中將系統性風險因子與非系統性風險因子視為常態分配，但考慮現實情況系統性風險因子未必為對稱分配，因此本文系統性風險採用偏斜常態分配，而非系統性風險為常態分配。根據Chiang, Yueh, and Hsieh (2007)所提之演算法，並將其延伸至多個系統性風險因子，探討此方法在系統風險為偏斜常態分配下變異數縮減的效果。以不同的投資組合計算其違約給付金額，並與蒙地卡羅法模擬結果比較，由於此方法皆在至少有k個違約發生的事件下抽樣，因此所需模擬次數較少，計算時間也較短，且可達到變異數縮減。 單一系統性風險因子模型，當 ρ 值高，變異數縮減效果越好，且變異數縮減的效果也隨著 k 值越大效果越好。在二個系統性風險因子模型，變異數縮減的效果也是隨著 k 值越大效果越好。就各因子的權重而言，變異數縮減的效果原則上對權重較大的因子做重點抽樣，變異數縮減效果較顯著，但是此方法對於極為右偏的分配時，對權重較大的因子做重點抽樣效果不彰，此時反而針對對稱分配做重點抽樣的效果較佳。此方法就到期時間做探討，發現到期時間越長變異數縮減效果越差。

銀行在評分模型建置完成後需進行驗證工作，以瞭解評分模型是否能有效評出客戶的風險層級，穩健地估計區別鑑別力指標為驗證工作中的重點。在先前的文獻中假設正常授信戶與違約戶分數分配為常態分配。但在實際資料中，分配未必定為常態。因此本文接著探討在正常授信戶與違約授信戶之分配為混合分配，即兩分數分配為偏斜常態分配下，何種方法可以對於估計AUC具有較高的穩定性。本文比較五種估計AUC的方法，分別為常態核，經驗分配，曼惠尼近似，最大摡似法和EM演算法。模擬結果呈現(1)投信戶組合分配為兩常態分配下，最大摡似法在大部分違約率下都可以得到較窄的信賴區間。(2)組合分配為一常態與一偏斜常態及兩偏斜常態分配下，EM演算法在大部分情況有較窄的信賴區間，其中在兩偏斜常態分配下，表現更佳。(3)曼惠尼近似建構的信賴區間寬度最大，代表曼惠尼近似是較保守的估計方法。 / Banks face discrimination after constructing the rating systems to figure out whether the systems can discriminate defaulting and non-defaulting borrowers. Literature assumed the two score distribuion are normal distributed. However, the real data may not be normal distribuions. We assum the two score distribuions are skewed normal distribuions to discuss which method has more robustness to estimate the AUC value.Under skewed distribution, we propose EM algorithm to estimate the population parametric. If used properly, information about the population properties may be used to get better accuracy of estimation the AUC value.Numerical results show the EM algorithm method , comparing with other methods, has robustness in detect the rating systems have discirmatory power.