臺灣博碩士論文加值系統

衡量信用風險的內部模型尚在初步的階段，目前發展的情形就像是1994年時，市場風險衡量模型RiskMetrics及其他方法如歷史模擬與蒙地卡羅模擬法初被介紹時一樣。不同的信用風險內部模型雖各自有自己的理論與假設基礎，但在非預期損失的設計上卻相當類似，這似乎暗示著隨著理論與模型的發展，最終會出現一如市場風險般，為大眾所接受的模型。而本論文的目的即欲說明信用風險模型為何會於九十年代以來迅速的發展，並就這些新信用風險衡量模型的衡量方法、假設加以介紹，予以比較分析之。另外，本論文擬利用選擇權的評價模式，將公司股權視為一標的物為公司資產，執行價為負債的買權，運用BS模型來估計公司淨值距離違約點的資產標準差個數（即違約距離）來評估美國上市公司之違約機率，以窺此法的優、缺點。
本文的上市公司的市值、股權報酬率資料取自芝加哥大學的Center for Research in Security Prices (CRSP)資料庫；上市公司各年度之會計資料(長、短期負債及資產的會計帳面值)取自於Compustat線上資料庫；上市公司的破產日資料取自於SDC資料庫；而美國一年期的T-bill利率則取自Dtatstream資料庫。本文以違約距離來衡量上市公司的信用風險，並以power curve來比較KMV的違約距離(DD)與Z-score破產預測模型對於識別、區別不同違險風險水準的能力，最後則比較破產公司破產前之DD與S&P的表現。
本研究就破產公司破產前四季進行分析時發現，約77%的破產公司在破產前四季，其違約距離已大幅下降(即違約風險上升)，顯示違約距離(DD)的高低確能反應出公司的信用風險高低；而power curve的研究結果發現：DD的區別風險能力要明顯優於Z-score模型。另外，本研究以DD值與S&P的信用評等相比，發現S&P的rating調整落後於違約距離，表示DD值能較快反映出公司的風險增加。

The development of internal models for credit risk measurement is at an early stage. Its present level of development is similar to that of market risk in 1994, when RiskMetrics first appeared and was followed by alternative approaches such as historic simulation and Monte Carlo simulation. The goal of this study is to describe why there’s a revolution in credit risk measurement and management recently, and to review the current proposed industry sponsored Credit Value-at-Risk methodologies. Moreover, this study use an option-pricing BSM-type model, viewing the market-value position of equity holders in a borrowing firm as isomorphic to holding a call option on the assets of the firm, to estimate the number of standard deviation move in the asset value from the market net worth to the default point (distance to default) as a credit risk measure with a view to see the strengths and drawbacks of KMV model.
The data of this study such as bankruptcy date, market value of equity, interest rate, and book liabilities comes from SDC, CRSP, Datastream, and Compustat database respectively. This essay uses distance to default to measure credit risk, and test the default measure performance by power curve to assess KMV model''s ability to discriminate between different levels of credit risk. Finally, this study compares the predictive ability between DD and S&P rating.
In conclusion, this study finds out that high-DD companies are high risky ones as expected, and the power curves also show that DD is good at discriminating different levels of risk. As for the compassion of DD and S&P rating, DD is better.

目 錄
第一章 緒論1
第一節 研究背景與信用風險概說1
第二飾　國際規範(BIS的規範)3
第三節　研究目的4
第四節　研究架構5
第二章　現行信用風險內部模型的比較分析6
第一節 CreditMertics and CreditVaR I6
1.1 單一債券的Credit-VaR計算．7
1.2債券或貸款投資組合的Credit-VaR計算11
1.3 資產報酬相關係數的估計19
第二節 The Macro Simulation Approach: The McKinsey Model19
2.1 總體經濟模擬模型：CreditPortfolioView20
2.2 違約預測模型20
2.3 條件轉換矩陣 (Conditional transition matrix)22
第三節 The Insurance Approach: CSFP CreditRisk+ Model22
3.1 CreditRisk Plus的基本架構24
3.2 違約違失分配的推導25
3.3 Capital Requirement的計算30
3.4 基本模型的擴充31
3.5 CreditRisk Plus模型的優點及其限制31
第四節 以選擇權模式衡量信用風險：KMV模型31
4.1 違約風險模型32
4.2 資產市值及資產波動度33
4.3 違約機率的計算33
4.4 KMV模型：Credit Monitor36
4.5 KMV的現金流量評價模型37
4.6 風險中立EDFs的導出38
4.7 Credit-VaR的計算40
4.8 KMV模型的優點與缺點40
第五節 內部模型的彙總及比較41
5.1 內部模型的彙總及比較41
第三章 研究方法與實證結果44
第一節 實證架構44
第二節 研究設計45
第三節 實證模式及變數定義46
1. 估計資產市值及資產標準差46
2. 計算公司的違約距離 (Distance to Default)47
3. 估計預期違約機率 (EDF)48
第四節　敘述性統計48
第五節　分析實證之DD-破產機率分配50
1. 將違約距離(DD)轉換成預期破產機率50
第六節 利用power curve驗證本模型能力55
1. 以power curve驗證模型的預測能力55
2. 破產公司於破產前，DD的變動情形60
第四章 結論64
第一節　結論64
第二節 研究限制65
第三節 建議66
參考文獻：67
表格目錄
表 1. 轉換矩陣：一年之內公司自一信用等級移至另一等級的機率值 8
表 2. BBB級債務人一年後移至各信用等級的轉換機率.8
表 3. 各信用等級下的一年期零息遠期折現率曲線 (%)9
表 4. 該債券一年後不同等級下的價值.10
表 5. Recovery rate by seniority class (以面額的百分比%表示之)10
表 6. BBB級債券的VaR計算.12
表 7. 相關係數為零的聯合轉換矩陣.13
表 8. Merton模型的資本結構.13
表 9. BBB、A級債務人的轉換機率及其信用等級臨界值.15
表 10. 相關係數=0.2的聯立轉換矩陣.16
表 11. 債權組合價值.17
表 12. 一年的違約比率 (1970~1995)24
表 13. Band 1、Band 2於各情況下的違約機率與累積機率28
表 14. 違約距離(DD)之敘述統計49
表 15. DD-EDF之實證分配53
表 16. DD-EDF之實證分配(剔除金融業)54
表 17. 破產公司破產前四季之DD值.70
圖表目錄
圖 1. 市場報酬分配與信用報酬分配的比較.3
圖 2. BBB級債券一年後的價值機率分配.11
圖 3. 時間T時的資產價值分配14
圖 4. BBB級公司之標準常態分配.15
圖 5. 條件轉換機率21
圖 6. CreditRiskPlus與CreditMetrics的違約機率假設比較.25
圖 7. 違約損失機率分配 (Band 1)28
圖 8. 違約損失機率分配 (Band 2)29
圖 9. 違約機率與資產分配的關係圖37
圖 10. DD-EDF之實證分配51
圖 11. DD-EDF之實證分配(剔險金融業)52
圖 12. 破產預測能力 (1988年)56
圖 13. 破產預測能力 (1989年)57
圖 14. 破產預測能力 (1990年)57
圖 15. 破產預測能力 (1991年)57
圖 16. 破產預測能力 (1992年)58
圖 17. 破產預測能力 (1993年)58
圖 18. 破產預測能力 (1994年)58
圖 19. 破產預測能力 (1995年)59
圖 20. 破產預測能力 (1996年)59
圖 21. 破產預測能力 (1997年)59
圖 22. SOUTHMARK CORP61
圖 23. CRAZY EDDIE INC.（破產日：1989/06/06）61
圖 24. COLUMBIA ENERGY GROUP（破產日：1991/07/31）62
圖 25. DIVI HOTELS NV（破產日：1991/07/25）62
圖 26. FIRST CAPITAL HOLDINGS CORP（破產日：1991/05/3063
圖 27. SALANT CORP（破產日：1990/06/27）63

1.Altman, E.I., “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy.” Journal of Finance, September 1968, pp. 1-10 (Winter).
2.Saunders A., Credit Risk Measurement: New Approaches to Value at Risk and Other Paradigms, John Wiley & Sons, Inc., New York, 1999.
3.Black, F., and M. Scholes, “The Pricing of Options and Corporate Liabilities.” Journal of Political Economy, May-June 1973, pp. 637-654.
4.Carty, L.V., and D. Lieberman, “Defaulted Bond Defaults and Default Rates 1938-1995.” Moody’s Investors Service, Global Credit Research, January 1996.
5.Carty, L.V., and D. Lieberman, “Defaulted Bank Loan Recoveries.” Moody’s Investors Service, Global Credit Research (special Report), 1996.
6.Credit Suisse Financial Products, “Credit Risk Plus.” Technical Document, October 1997.
7.Crouhy, M., and R. Mark, “A Comparative Analysis of Current Credit Risk Models.” Journal of Banking & Finance, January 2000, pp. 59-117.
8.Duffie, D., and K. Singleton, “An Econometric Model of the term Structure of Interest-Rate Swap Yields.” Journal of Finance, September 1997, pp. 1287-1321.
9.Geske, R., “The Valuation of Corporation Liabilities as Compound Options.” Journal of Financial and Quantitative Analysis, November 1977, pp. 541-552.
10.Gordy, M.B., “A Comparative Anatomy of Credit Risk Models.” Journal of Banking & Finance, January 2000, pp. 119-149.
11.Jackson, P., and W. Perraudin, “Regulatory Implications of Credit Risk Modelling.” Journal of Banking & Finance, January 2000, pp. 1-14.
12.Jarrow, R.A., and S.M. Turnbull, “Pricing Derivatives on Financial Securities Subject to Credit Risk.” Journal of Finance, March 1995, pp. 53-85.
13.Jarrow, R.A., and S.M. Turnbull, “The Intersection of Market and Credit Risk.” Journal of Banking & Finance, January 2000, pp. 271-299.
14.Jones, D., “Emerging Problems with the Accord: Regulatory Capital Arbitrage and Related issues.” Journal of Banking & Finance, January 2000, pp. 33-58.
15.Kealhofer, S., “Portfolio Management of Default Risk.” KMV Corporation, Febuary 11, 1998.
16.Kealhofer, S., S. Kwok, and W. Weng, “Uses and Abuses of Bond Default Rates.” KMV Corporation, March 3, 1998.
17.Lopez, J.A., and M.R. Saidenberg, “Evaluating Credit Risk Models.” Journal of Banking & Finance, January 2000, pp. 151-165.
18.McKinsey and Co., Credit Portfolio View, 1997.
19.McQuown, J.A., “Market vs. Accounting-Based Measures of Default Risk.” KMV Corporation, 1995.
20.McQuown, J.A., and S. Kealhofer, “A Comment on the Formation of Bank Stock Prices.” KMV Corporation, April 1997.
21.Merton, R.C., “On the Pricing of Corporation Debt: The Risk Structure of Interest Rates.” Journal of Finance, June 1974, pp. 449-470.
22.Morgan J.P., CreditMetrics: Technical Document, April 2, 1997.
23.Nickell, P., W. Perraudin, and S. Varotto, “Stability of Rating Transitions.” Journal of Banking & Finance, January 2000, pp. 203-227.
24.Treacy, w., and M. Carey, “Internal Credit Risk Rating Systems at Large U.S. Bank.” Federal Reserve Bulletin, November 1998.
25.Vasicek, O.A., “Credit Valuation.” KMV Corporation, July 9, 1999.
26.Wilson, T., “Credit Risk Modeling: A New Approach.” McKinsey Inc., 1997a.
27.Wilson, T., “Portfolio Credit Risk (Part Ⅰand Part Ⅱ).” Risk Magazine, September and October, 1997b.
28.趙令斌, “以選擇權模式衡量信用風險”, 東吳大學會計研究所碩士論文, 1999.
29.簡子文, “信用風險衡量模式發展回顧與模擬”, 輔仁大學金融研究所碩士論文, 1998.
30.劉志華, “信用風險之衡量與管理”, 台灣大學商學研究所碩士論文, 1997.