论文部分内容阅读
国际清算银行(BIS)巴塞尔金融监督委员会因适应世界经济环境的转变，在2001年重新修正并公布了新版巴塞尔资本协议(New Basel CapitaL.Accord)，并自2006年起在欧美国家统一实施。新版巴塞尔资本协议的主要目的之一，系希望透过更具风险敏感性的资本计提架构，加强世界各国(包括非巴塞尔委员会会员国)金融体系的安全稳健。虽然新版巴塞尔资本协议对于非会员国并无强制力，但是对非会员国的金融机构而言，为与世界接轨，提升国际竞争力，势必也须施行新版巴塞尔资本协议的规范。
新版巴塞尔资本协议的核心议题为信用风险资本的计提，但是对于风险管理应采用的评估模型并无强制规定，而给予金融机构建置模型相当大的弹性空间。目前国外计算信用风险资本的著名信用风险模型有Credit MetricsTM模型、KMV模型、Credit Risk+模型与Credit Portfolio View模型，各模型皆有其存在的优点，但亦有其缺点，如Credit MetricsTM模型的信用转换矩阵概率并未随着经济景气作适当的调整；KMV模型假设公司资产价值呈正态分配，且只有在债务到期时才会有违约事件发生，与事实不符；Credit Risk+模型忽略利率的随机结构，并不适用于评估非线性的衍生性金融商品；Credit Portfolio View模型无法了解投资组合信用风险内涵。况且上述信用风险模型以国外数据及环境为架构基础，以此等模型直接套用于国内环境未必合适。本文参考上述信用风险模型，尝试运用各种统计方法，建立符合当地环境的信用风险模型，以求精确计算信用风险资本。本文的创新点在于广泛运用各种统计方法来建置信用风险管理模型，方法过程创新。另外，本文通过研究分析，甄别选择出一组对各统计模型均有显著影响的自变量组合，该自变量组合可直接套用于各统计模型，据以依各模型估算的违约概率，进一步建立信用风险评等模型，简单且便捷。同时，文章考量总体经济因素对信用风险模型的影响，尝试引入总体经济因素模型，建立了新的信用循环指标，并运用Copula函数，衡量资产间复杂相依结构的变化，有效避免信用风险值过度高估或低估的情况发生。在综合上述研究方法的基础上，有别于国外知名信用风险模型，本文最后提出了适合当地环境且实用精确的信用风险整合模型。
本文首先使用当前较知名的六种统计模型，包括Merton选择权评价模型、区别分析模型、罗吉斯回归模型、概率回归模型、生存分析模型、类神经网络模型，采用台湾企业的各项财务报表及市场信息，以建立信用风险评分模型，并发现资产报酬率(税前息前)、复利资产报酬率、速动比率、总资产周转率、借款依存度等5项自变量组合适用于各风险评分的统计模型，均具有良好的预测能力，使信用风险管理模型运用上不仅更为简便，且能符合台湾地区当地环境。本文所提供的研究方法，亦可适用于中国大陆或世界上其它国家或地区，作为建立简便且符合当地环境的信用风险管理模型时的参考。
有鉴于总体经济环境对信用风险评估模型的影响，本研究运用CreditMetricsTM模型和总体多变量回归模型，进一步探讨金融机构放款组合的违约率及信用风险值，在考虑总体经济因素情况下，检视信用风险值的变化。本文选取4个总体经济变量，透过多变量回归模型分析与退票比率的关系，得出2个显著且具有解释能力的总体经济变量，分别为新台币兑美元汇率和货币供给MIB年增率，并利用回归模型预测退票比率转换值，以进一步建立信用循环指标，做为调整概率矩阵的依据与基准，透过回顾测试验证，调整后的概率矩阵更能贴近市场实际发生的情况，提升金融机构计提资本准备的适切性。本文选用Credit MetricsTM模型的原因，系该模型不仅可应用于多种金融商品，如债券、放款、放款承诺、应收帐款、保证信用状，以及金融衍生性商品等，并可运用蒙特卡罗仿真法仿真出大量资产规模的信用风险暴露状况，但是Credit MetricsTM模型中的信用矩阵转换概率，并未随着经济景气强弱，作适当的调整。本研究改善了Credit MetricsTM模型这方面的缺点。
在传统的投资组合信用风险模型中，皆是假定资产服从多元正态分配，但此项假定经学术研究证实与市场实际情况不符，利用Copula函数计算边际分布及相关性结构，更能准确地估计风险。本文应用Sklar(1959)定义的Copula函数，将Copula函数加入既有测量信用风险值Credit MetricsTM模型中，因在CreditMetricsTM模型中，公司股票报酬率均服从多元正念分配的假设并不符合实际情况。
本文针对1996年至2005年度的资料，以各银行别作为分类，透过蒙特卡罗模拟法(Monte Carlo simulation)进行信用损失分配的估计，发现单单利用传统的多元正态分配来估计台湾金融机构的信用风险，会有明显低估信用风险的情况出现；本研究并探寻适合台湾当地环境的相关性结构函数，发现Studentst分布下的copula函数，较适合估算台湾金融机构的信用风险。实证结果证明本研究方法有效避免信用风险值过度高估或低估的情况发生，并改善Credit MetricsTM模型计算信用风险值的偏差，使信用风险值的计算，更接近于实际发生的损失。
本文研究的理论意义与实用价值，在于运用各种统计方法建立影响信用风险的自变量组合及信用评等模型，并采用Credit MetricsTM模型的架构，另经由总体经济因素的信用循环指标及资产间复杂相依结构的Copula函数加以调整，藉以建立精确的信用风险整合模型，提升金融机构计提资本准备的适切性，减少金融危机的发生，并有助于金融主管机关的监理。