本研究目的，是以資料採礦的觀點，配合SPSS Clementine 11.0軟體所提供的資料採礦工具，將資料採礦進行的分析流程，導入企業信用評等模型的建置程序，針對內部評等法中的企業型暴險，根據新版巴塞爾資本協定與金管會的準則，建立信用評等模型。 投入模型的變數，分為財務變數以及總體經濟變數。在精細抽樣比例與模型方法的比較上，1:2比例訓練出的模型在反查率(Recall)較佳且在整體正確率(Accuracy)上亦有不錯的表現；最後模型評估結果決定使用羅吉斯迴歸模型。 本研究所建構出的信用評等系統分為8個評等等級，違約的機率隨評等遞增，以第8等作為違約戶的評等結果。信用評等的各項驗證，首先各等的授信戶均勻分布於8等之間，各評等的預測違約機率，亦相當接近實際違約機率，總結來說，本研究建構之模型具有一定的穩定性與預測效力，並且皆通過新巴塞資本協定與金管會的各項規範，顯示本研究之信用評等模型能夠在銀行授信流程實務中加以應用。

新巴塞爾資本協定（the New Basel Capital Accord）已於2004年底定案，2007年正式開始實施。在新的協定及金管會的規定裡面，金融機構必須建立自己的評等模型，重視放款的風險。而除了上市、櫃公司會和金融機構有借貸往來之外，許多中小企業也有融資的情形。因此，希望能有效掌握貸後風險及了解影響貸後風險的一些因素即是本研究的研究重點。 本研究以資料採礦的觀點蒐集了92至94台灣中小企業基本資料及財務資料，並加上年度的經濟指標，以資料採礦的流程去建立違約及評等模型，以有效管理貸後風險。 本研究係以羅吉斯迴歸（Logistic Regression）建立違約模型，找出了影響違約機率顯著的九個變數：「企業年度營收」、「產業類別」、「現金流量為負，但淨利為正」、「最近三個月查詢家數」、「擔保授信餘額比率」、「是否動用現金卡」、非現金之流動資產比」、「借款比率」、「進出口貿易年增率」，利用評等評分系統分出九個評等等級，違約機率隨著評等等級變高而增加，而在不同的測試下，建立出的模型有不錯且穩定的表現，皆通過新巴塞爾及金管會的規範。希望此模型及評分系統在實務上可有效利用資訊掌握違約的可能性及貸後風險。

各項信用衍生性商品中，最廣為人知的商品即為違約風險交換(credit default swap; CDS)，但由於金融市場與商品的擴張，標的資產不再侷限單一資產而是增加至數家或數百家，而多個標的資產的違約風險交換稱為一籃子違約風險交換(basket default swap; BDS)。 根據Chiang et al. ((2007), Journal of Derivatives, 8-19.)，在單因子模型中應用importance sampling (IS) 來估計違約給付金額，不僅可以確保違約事件的發生，還可以提高估計的效率，因此本文延伸此一概念，將此方法拓展至多因子模型。本文分為三種方法：一為將多個獨立因子合併為一邊際因子，並針對此邊際因子做importance sampling；二為找出其最具影響性的因子應用importance sampling；最後，我們針對portfolio C 於Glasserman ((2004), Journal of Derivatives, 24-42.) 將標的資產分為獨立兩群，我們將分段利用exponential twist及Chiang et al. (2007)所提出的單因子方法，提升違約事件發生的機率。 借由數值模擬結果，發現將多個獨立因子合併為一邊際因子的方法應用於標的資產為同質模型(homogeneous model)，會有較佳的結果；對具影響性的因子應用importance sampling的方法於各種模型之下的估計結果都頗為優秀，但其variance reduction較差且流程較不符合現實財務狀況，方法三則為特殊模型的應用，其只適用於能將標的資產獨立分群的模型，並且估計準確與否和選取exponential twist的位置有重要關係，第四節我們將同時呈現兩個不同位置的估計值與variance reduction. / Credit default swap (CDS) is the most popular in many kinds of credit derivatives, but number of obligor couldn’t be one always because of the expansions of financial market and contracts. CDS which has been contained more than one obligor is called basket default swap (BDS). According to Chiang et al. ((2007), Journal of Derivatives, 8-19.), applying importance sampling to estimate the default payment in one factor model could not only guarantee the default event occurs but also improve the efficiency of estimation. So this paper extends this concept for expanding this method to multiple factors model. There are three methods for expanding: First, merge multiple factors into a marginal factor and apply importance sampling to this marginal factor; second, apply importance sampling to the factor which has higher factor loading and third, we consider portfolio C in Glasserman ((2004), Journal of Derivatives, 24-42.) and divide total obligors into two independent groups. We would use the ways of exponential twist and the method in one factor model of Chiang et al. (2007) considered in two parts to raise the probability of default event occur. Borrow by the result of numerical simulation, method 1 has better results when obligors are homogeneous model; the results of method 2 are outstanding in each model, but its efficiency is worse and the procedure doesn’t fit with the realistic financial situation; the third method is the application of the special model, it could only apply to the model which could separate obligors independently, and the accuracy of estimates is strongly correlated to the position of exponential twist. In section 4, we would display the estimator and variance reduction in two different positions.

本篇論文的研究動機。由於許多文獻提到債權人在公司治理上從過去的被動位置轉變為主動利用聯合貸款合約中的限制性條款(covenant) 來規範公司營業活動。小至限制公司資本支出、股利發放，大則影響董事會決定公司 CEO 的去留。限制性條款扮演越來越重要的角色。本文探討從 SEC EDGAR filings 中搜尋公司是否面臨限制性條款的違約(in violation of covenants)。本篇論文能降低未來研究在資料建立上需要人工處理的時間，藉由降低錯誤標記的筆數來達成。 / Covenant violations in syndicated loan agreements are a key factor which demonstrates a shift in control rights to debt holders before a company enters into events of default. This paper focuses on the methodology of identifying incidents of covenant violations using both programming codes and manual searches. We dedicate to minimize the time in hand-collecting while pursue high hitting rates of true covenant violations in SEC EDGAR (Electronic Data Gathering, Analysis, and Retrieval) database. Our findings provide a way to access the U.S. firms’ public financial statements reported to SEC and extends the list of companies provided by Nini, Smith and Sufi (2012).

經濟預測一直是學界所非常重視的問題，舉凡失業率、消費者物價指數、貨幣供給量等等，都存在著某種程度的預測力。而本篇研究所探討的預測指標為違約利差。這個指標自1983年被Bernanke所提出來後，諸多學者在此概念下對其定義做改造，像是商業本票與國庫券間的利率差、Baa評級債券與國庫券之利率差、高殖利率債券與國庫券之利率差都屬於違約利差的一種。而我們這篇使用twA評級六個月期債券與六個月期國庫券之利率差和六個月期商業本票與六個月期國庫券間利率差去預測經濟成長率，我們發現此預測力並不彰顯。探究其原因可能是twA評級六個月期債券與六個月期國庫券之利率差變數不只包含了與經濟活動有關的違約風險部分，還包含了流動性風險、預付風險、稅務貼水、營運系統性風險等等。而商業本票與國庫券間利率無預測力的原因可能是金融替代品的增加、投資者對市場感知不正確或國庫券供需量可能會因政策施行(非景氣相關之政策)而變動所造成。最後我們將所有台灣的預測變數的預測值做簡單平均，再算出平均平方誤差。我們發現預測能力相較於自我迴歸模型來得差，但這相比於其他單一變數預測式所估計出來的預測誤差來得穩定。本研究中未能像Stock and Watson般使用上百條式子再做加權，因此這可能會是加權平均在台灣市場的例子中，預測能力輸給自我迴歸模型的主因。

信用衍生性商品於近十年來已快速發展，為反映信用風險管理的迫切需求，本篇論文將以實證的方式探討信用衍生性市場。尤其著重在信用違約交換市場，因其佔信用衍生性市場的交易量高達45％。本篇論文分別討論以下二個議題：第一個議題乃在探討股票報酬率的峰態係數與信用違約交換報酬率的關係。第二個議題乃著重探討拉丁美洲國家的信用違約交換對阿根廷事件的反應。 / The development of credit derivatives in the past decade has brought about pronounced innovations in the markets. To reflect dramatic demand in managing credit risk, this thesis dedicates to the empirical world of credit derivatives markets. We especially focus on Credit Default Swaps (CDS) market due to its most widely trading in credit derivatives markets, capturing almost 45% of the market shares. This thesis encompasses two essays related to CDS. In the first essay, we attempt to extend empirical explanation of CDS premiums by considering the excess kurtosis of equity return distribution. As well, we show how copula functions can be applied to specify both the dependence structure and the tail relationship between CDS return and kurtosis of equity distribution. We contribute to the better specification of the dependence structure between the CDS return and the corresponding kurtosis, and provide an illustration of its implication which may be misled using conventional methods. In the second essay, we turn to focus on CDS in emerging markets. Thereby, further policy-oriented applications for governments can be extra induced. We empirically study the correlated default at sovereign level in Latin America region due to the eruption of Argentina debt crisis in 2001. A comprehensive understanding of correlated default at sovereign level is of critical importance in several respects. From the government and IMF point of views, the comovement in sovereign credit default swaps can serve as one of the leading indicators of financial crises. From the perspectives of mutual funds and banks, correlated movement which exists in sovereign CDS spreads is regarded as one of the measures of country risk premium. The findings and the associated methodology can provide useful insights not only to policymakers but also to whoever is interested in credit derivatives markets, particularly in emerging markets. From the methodology point of view, applying a copula method to identify the contagion corresponds to the arguments from Bae et. al. (2003) and Dungey and Tambakis (2003), the further challenge is to develop a model for capturing the nonlinear property.

本研究使用「財團法人中小企業信用保證基金」提供的資料，來建構中小企業產業別逾期率預測模型。研究使用的資料期間為民國87年到93年，共分為38個產業整理歷年的產業逾期率與財務比率資料。為了探討總體經濟因素對中小企業產業逾期率的影響，也收集了這段期間共11項總體與金融變數。 使用的研究方法採用Panel Data Regression，縱斷面為7個年度，橫斷面38個產業，建構同期模型與前期模型。所謂同期模型乃指應變數和自變數採相同年度，用以探討各個變數和產業逾期率的關聯性；前期模型則是自變數較應變數提早一年度，其功用在於收集本年度的模型變數代入模型中，可得出下一年度各產業的預測逾期率。模型的驗證除了各項變數須在一定水準下顯著，並利用回溯測試來檢驗模型過去表現，以及使用壓力測試方法來檢視在特殊情境下各產業逾期率的變動情形。 研究中以信保基金的歷史回收率為基礎來估計其違約損失率，並將其保證金額視為違約曝險額，進而可計算出預期損失率和預期損失額，提供其於訂定保證費率與保證責任準備的參考。另外也探討信用集中度的問題，並提供信保基金在作產業別保證額度配適決策的參考。

背景與目的： 企業授信於銀行總資產中，佔有極高之比重，授信品質並攸關銀行生存榮枯之命脈。然而，在企業經營之過程中，潛藏許多可能導致企業發生信用違約之原因，若能從中找出違約預測因子，用以建構預測違約發生之信用風險模型，俾使快速準確的檢測授信對象之信用風險，及早採取防範或補救措施，將能有效降低逾期放款及呆帳，提高銀行授信品質。 違約案例分析： 本研究彙整國內某銀行所發生實際違約案件，從違約案例中，探討違約發生之原因，經歸納出影響違約發生之因子，除「台灣企業信用風險指標（TCRI）」外，尚包括「董監事質設比率」、「長期投資佔淨值之比率」、「利息保障倍數」、「償債比率」四項變數，可作為預測違約之因子。 研究對象與方法： 本研究對象，係自民國84年至93年止十年間國內上市櫃公司及公開發行公司，針對研究期間內發生違約之公司，取40件作為違約樣本，再配以400件TCRI評等為7~9等屬高度風險之正常公司，觀察「TCRI評等」、「董監事質設比率」、「長期投資佔淨值之比率」、「利息保障倍數」及「償債比率」各變數之預測效果如何。其次，再擴大研究樣本，將40家違約公司配以由TCRI評等1至9等按各評等所佔比率抽樣取出之400家正常公司，檢視該檢測是否可適用於一般狀況。研究方法方面，採用羅吉斯迴歸法進行分析，將「董監事質設比率」、「長期投資佔淨值之比率」、「利息保障倍數」及「償債比率」各變數加入「TCRI評等」之後所形成之模型，檢測違約預測能力是否有所提升。 研究結果與結論： 經實證結果得之，「董監事質設比率」、「長期投資佔淨值之比率」、「利息保障倍數」及「償債比率」四項變數均可做為違約預測因子，得用以輔助「TCRI評等」，增強信用風險模型之違約預測能力；若能將該四項因子納入模型，將可建立一套更為完整與準確的違約預測模型，以達到預先防範之功能。

本文修改信用風險商業化模型CreditRisk+, 以蒙地卡羅模擬的方式探 討若修改其中的兩個假設, 將對組合損失分配帶來何種影響。一、本文認 為不同產業間的違約不是獨立, 而應具有相關性。我們以4大產業的季違 約廠商數為應變數, 景氣因子作為自變數估計各產業違約情形與總體經 濟間的關係。二、個別公司違約損失率是一與違約機率相關的隨機變數, 而不再是常數。本文提出利用財報試算各公司、產業LGD 的方法, 並假 設產業違約損失率為Beta 隨機變數, 而其中的參數會受總體因子影響。 如此一來, 產業間的違約機率與違約損失率因總體因子的關係不再獨立, 於是個別公司的違約機率、違約損失率將具有相關性。 最後, 我們以台灣上市櫃公司中同時具有TCRI 評等資訊以及財報 的561家公司作為虛擬的放款組合, 模擬在不同總體條件下的信用損失分 配。結果顯示, 在考慮了產業間違約相關性後的損失將大於產業獨立時的 損失, 而進一步納入違約機率和損失率的相關性後, 放款組合的預期損失 與風險值也隨之提高。

透過KMV公司用來衡量公開發行公司違約風險之Private Firm Model (PFM)，衡量台灣公開發行的產壽險保險公司之違約距離，藉由違約距離與違約機率之關係，以得知我國未上市產壽險公司違約風險之大小。估計資產市值時，本文以稅前息前折耗前淨利(EBITDA)前三年、前四年、前五年的平均，期望解決公開發行公司所對應出資產市值為負的情況，但結果不顯著。估計資產報酬標準差時，對觀察值公司規模大小進行群組區分。壽險公司分組臨界點11.25，產險公司分組臨界點10.4，小規模群組呈現顯著。 由於我國上市保險公司家數有限，使得未上市保險公司之資產市值及資產報酬標準差必須以上市保險公司之迴歸式來估計，但少數幾家未上市保險公司估計出來之結果並不合理。並且都在往後的一年或兩年內即退出市場，或者這些少數公司，在市場的認知下原本就是具有財務問題之公司，故PFM可以適用於我們產壽險公司。 / This paper mainly discusses the listed companies’ default risks by KMV’s Private Firm model (PMF) and focuses on evaluating Taiwan’s insurance companies’ distance-to-default (DD). By comparing DD with respective historical default probability, we can obtain the magnitude of default risk of each listed companies. In estimating market asset value, we utilize the average EBITDA of 3-year-ago, 4-year-ago and 5-year-ago data as the proxy to resolve the probable minus-asset-value phenomenon, however the result is insignificant. Pertaining to forecasting asset variance, we categorize the studied companies by its respective capitalization. 11.25 is the decision point for life insurance companies and 10.4 is for Property & Casualty companies. Among the researched objectives, we find that small category displays significantly. Because of insufficient data from publicly traded insurers, while conducting asset value and asset variance by implementing regression methodology, our conclusion indicates acceptable only with few unsatisfactory exceptions. We successfully predict those distressed insurers stepped out the market in the following years. Hereafter, we assert that the PFM model is suitable for both life and P&C companies.