隨著人民生活水準提高，時代進步，「信用卡」已經是重要的支付工具。然而，金融機構對於審核信用卡申請人的作業不夠嚴謹，導致卡債風暴。為了因應相關問題，政府近兩年訂立緊縮發卡政策，金融機構對於信用卡審核作業也投注了更多心力。但是除了一開始的信用卡進件徵審作業需嚴格把關，金融機構對於已通過審核成為信用卡客戶仍需要風險控管，另外新巴塞爾協定已於2006年底正式實施，風險控管便是在符合相關規定下來進行。 本研究主要目的即是針對信用卡客戶，利用他們的信用卡使用行為跟基本資料，來預測判斷客戶往後的違約可能性，藉此在發生違約行為之前，先採取因應措施，也就是所謂的Behavior score。 本研究是以國內某家發卡銀行為研究對象，針對其信用卡持有人建構一套違約機率模型。建模資料是信用卡持有人在某年一整年的交易行為，且只針對持卡必須6個月以上的客戶，也就是在那年7月才開卡的客戶不在範圍內。原始資料共有71832筆，總共有66個變數。分別利用羅吉斯回歸、決策樹和類神經網路三種方法建模，最後以羅吉斯回歸表現最好，以學歷、開卡至今月份數、信用額度、最近一次逾期至今月份數、R12的平均餘額、R12的循環動用總額、R12的預借現金總額和R3的平均繳款率八個預測變數對於影響客戶違約與否較為顯著，結果本模型的整體預測率為86.90%；而對於違約客戶中可以準確預測的比率為71.14%。

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。

本研究主要是希望針對採市場資訊的Merton Model、利用財務比率為變數的Logistic Model及混合用市場資訊及財務比率資訊的Hybrid Model做區別力的比較；且觀察出考慮提前違約是否能增加區別效力。進而將模型細分為: （一）以Merton Model為基礎所估出的風險中立下違約機率及客觀違約機率，及尚有為了修正Merton Model公司只會在負債到期日時才發生違約的基本假設的首次通過模型。 （二）採用Altman Z-Score所採用的五個判定公司的財務比率作為Logistic Model的基本變數。 （三）模型五、六、七除了利用Altman Z-Score所採用的五個判定公司的財務比率作為Logistic Model的基本變數。尚將風險中立下違約機率、客觀違約機率及首次通過模型違約機率分別當作的另一個解釋因子，形成同時結合市場資訊及財務資訊的Hybrid Model。 同時，採用了判別隨機性的Chi-Square Test、解釋力的Pesudo R2、區別力的S-K Test及ROC曲線、正確性的Brier Scores，此五個指標作為做為樣本內及樣本外模型的驗證方法。 經由驗證，得到的結論是同時包含市場資訊及財務資訊的模型較佳，且有考慮公司於負債到期日前就發生違約的因素對預警模型的判別效力有提高的正向作用。

在信用風險的分析上，應變數就是發生與不發生，通常以1、0 來表示。若透過一般的最小平方法來處理，所求得的估計量雖滿足不偏性(Unbiased)，但存在幾個缺點，應變數並不滿足迴歸分析中常態分配的假設、殘差項存在變異數異質的問題。在模型的解釋能力方面，更存在著以下困擾 1.忽略了不同規模與分配下應變數的邊際變化。 2.極端值的情形下，參數的係數將會受到很大的影響。 本研究引進了分量迴歸(Quantiles Regression)的工具，最早由Koenker and Bassett(1978)所提出，能解決在使用最小平方法來處理時所出現的問題，以架構公司信用風險模型的評估，提出客觀的評估標準，並檢驗其用以風險控管的能力。 實證結果整理，各分量Binary Regression Quantiles的預測解釋能力和傳統的Logit模型仍存在一定的差距。

台灣金融機構將於2007年起逐漸採行新巴塞爾協定(Basel II)，該協定主要規範金融機構之市場風險、信用風險與作業風險，要求提列一定水準之資本準備，目的係希望能夠穩定金融市場，避免因重大事件發生造成損失，導致金融機構無力償還的情形出現。 本研究對象乃係針對國內某金融機構於民國89年至90年的無財簽企金客戶建置違約機率(Probability of Default Model)模型，考慮建模方法使用上的普遍性、運作上的透明性及統計上缺乏理論與基礎的情況，本研究將採用羅吉斯迴歸(Logistic Regression)建置違約機率模型。模型之驗證部分，依據行政院金融監督管理委員會(2007)建議的七個驗證方向執行模型之驗證。

新版巴賽爾資本協定的內部評等法中，銀行可自行對借貸戶進行評分，並且根據 評分估算信用風險以提領準備金，因此估算借貸戶評分分數的違約機率(PD)是相當 重要的一環。過去估算違約機率的研究中，大多假定評分分數為離散型式，本文針對 評分分數為連續形式時，提出一種利用曲線函數來配適估計模型。估計模型是使用伽 瑪的截尾分配去配適ROC曲線函數，再利用此ROC曲線函數來估計各評分分數下的 違約機率P(D|S)，在伽瑪分配中的兩參數則是用兩階段的方法求解。本文所提的估 計方法並無假設評分分數的分配，因此在數值方法中使用不同的分配、參數設定、違 約機率等，來驗證此方法的準確度與穩定度，並且與Van der Burgt (2008)、Tasche(2009)的估計方法比較。 / By the internal rating-based approach of Basel II, banks estimate borrowers' default risks to withdraw reserves independently. Hence, estimating default probability (PD) of borrowers is important. Most of previous studies estimating PD assume that evaluation scores are discrete, In this study, we use curve function to t estimation model in the condition that the evaluation scores are continuous . We use truncated gamma distribution to t ROC curve function. And we use the ROC curve function to estimate PD of dierent scores. And use two-step method to nd the value of two parameters in gamma distribution. The estimation method in this study doesn't assume the distribution of estimation scores,so we use dierent distributions, parameters, and default probabilities to test the accuracy and stability of this method. In the end, we also compare our methods with Van der Burgt (2008) and Tasche (2009)' methods.

財務報表是投資大眾據以了解企業財務體質的主要來源，然而安隆事件的發生，造成投資人依賴財務報表的信心幾近崩潰。近期國內博達科技公司在財報中有帳列現金63億元情況下，因無法償還即將到期的29.8億公司債，而無預警的向法院聲請重整，爆發財務危機事件，似乎又是一樁企業以虛飾誇大之財務報表，誤導投資人，致使無數投資人損失慘重之案例。究竟財務報表能夠表達的企業營運情況是什麼？我們到底可不可以利用財務報表，即使是經過美化的報表，看出企業有行為不軌的蛛絲馬跡？ 本研究是在傳統財務比率分析方法失效時，打算從另一個角度，尋找企業違約前之徵兆。利用選擇權理論法模型，以及Z-Score模型來檢視博達公司的信用風險，試著以信用風險模型探索其信用危機發生前之警訊。最重要的是，為使一般投資人皆可利用此信用風險模型作為信用風險管理的參考，故所有資料來源均為集中市場公開資訊，不論是股價、各種財務報表及公告資訊，均是利用臺灣證券交易所網站（www.tse.com.tw）中取得資訊。 本研究運用兩種理論模型實證結果，選擇權理論法模型並無出現特別警訊，反而是Z-Score模型結果令人滿意，不論是Altman區別函數，或是替代之「本土型」區別函數計算結果，均在博達公司財務危機事件發生一年前就以區別分數顯示其有財務危機之警訊。甚至針對博達公司倍受質疑的業績灌水、營收虛增問題，調整銷貨收入，並重新代入Z-Score模型後，Z值之預警效果更加提前反映及顯著。

有鑑於信用風險衡量模型之廣泛使用，以及預測金融機構違約事件之重要性，本研究欲建立能有效預測金融機構違約事件之模型。其中Merton模型之概念被廣泛的應用，包含著名之KMV公司亦以Merton模型之概念建立信用風險管理機制，因此本研究選擇Merton模型之產出-預期違約機率(Expected Default Frequency, EDF)作為預測違約事件之主要變數。 本研究以國外56家金融機構，於2007至2009年共140筆樣本資料，資料內容包含股價以及財務變數。實證方法為先以各公司之股價資訊透過Merton模型計算各樣本之預期違約機率，作為Logistic迴歸模型之自變數進行分析。之後另外加入財務變數嘗試增進模型之解釋能力。此外，本研究亦修正模型之設定以檢視在更貼近真實世界的假設下，模型之預測能力是否有提升。本研究之實證結果發現，單以預期違約機率所建立之違約預測模型即有良好之預測能力，即使再加入其他變數並進行假設的修正，對於模型預測效果提升並不顯著。因此本研究肯定Merton模型以公司之股價資訊衡量違約風險之概念。

信用連結債券的價值主要取決於所連結資產池內的資產違約情況，因此過去有許多文獻在評價時會利用Copula模擬各資產的違約時點，或是用Factor Copula估算他們在各時點下的違約機率。而本研究以Gaussian Factor Copula模型為主軸，對資產池違約機率做估計，以得到連結該資產池的信用連結債券價值。但過去文獻較常以給定參數的方式進行評價，本研究進一步利用市場實際資料估出模型參數並加入產業因子，以期達到符合市場的效果。 本研究利用已知的違約資訊對照模型結果，發現在給定原油價格成長率、產業GDP成長率及CAPM殘差之後，使用Factor Copula模型在資產池小且違約比例過高時容易低估損失，主要原因在於各資產的違約機率並非逼近1。且模型算出的預期損失會隨著距今時間變長而增加，但若資產池實際上沒有更多違約公司，模型的結果就可能會高估損失。而所有的變數又以參考價差對該商品價值的影響最大，因參考價差的數值取決於該公司的信用評等，因此可知信用連結債券價值主要還是與各公司信評有最大相關。 / The value of credit linked notes depends on whether the reference entities in the linked asset pool default or not, so some previous studies used Copula model to simulate the times to default or Factor Copula model to get the default probability. In this paper, with the Gaussian Factor Copula model adopted and industry factors taken into account, the default probability is estimated in order to obtain the value of the credit linked notes. Then, unlike other previous studies using the given parameters, this paper evaluated the parameters by using the model as well as market data, hoping to achieve the goal that results can reflect the real market situation. With real default information compared with the modeling results, three findings can be drawn given the growth rate of oil price, the growth rate of industrial GDP and the residuals of CAPM. First, the loss will be underestimated if the asset pool is small and the default proportion is too high mainly because not all the default probability approximates one. Second, expected default probability will be directly proportional to the time period between the present and the expected moment. So if there are not so many defaulting companies, then the loss might be overestimated. Last, the reference spread has the most impact on the product value among all the variables, and as we know, the reference spread of a company depends on its credit rating. Therefore, compared with other factors, credit rating remains the most essential to credit linked notes.