第二章 文獻回顧
第三節 其他相關文獻
Hlawatsch and Ostrowski (2010)由於 Basel II 及 IFRSs 在處理信用事件及相關風險覆 蓋的架構上差異，嘗試發展出新的放款損失準備模式以評估經濟合理性的預期損失。模
Morone and Cornaglia (2010)在 Basel II 的規範架構下，描述景氣低迷時放款違約損 失率(LGD)的理論方法，以義大利的資料加入總體經濟變數(國內生產毛額、不動產價格 指數、歐元同業拆款利率)後，採用向量迴歸方法計算住宅違約率，同時以 Bayesian approach 估算不動產價格對回收率(recovery rate)的影響，研究結果的損失比率與規範中 景氣低迷期間違約損失率公式計算結果一致性高達 99.9%，也發現違約機率(default rates) 和違約損失率都與總體經濟變數相關，在房貸中不動產價格是最普遍的因素。
魏妙娟(2011)除闡述減損評估方法、流程外，並提出以下三點建議：1.落實與風險 對稱的放款訂價政策；2.加速擔保品處分，縮短存續期間；3.調整承作放款資產群組以 有效控管授信資產品質；4.賡續強化內部授信徵審作業流程降低減損損失。
Cho et al. (2012)基於大離差理論的研究方法，將信用風險(預期損失)最小化。採用 地域差異將房貸的投資組合最佳化，演示了英國的房貸中的風險特徵。實證結果顯示，
採用大離差理論取代基準的投資組合，以區域增值權重以及平均權重計算，可降低信用 風險。更重要的是，在房市看淡的時期，這些投資組合間預期損失的差異更加擴大。在 極端的情況下，英國房貸的貸與人可能因為房貸違約的影響導致一年 2%的損失，相當 於在英國一年損失約 200 億英鎊。即使這些極端的情況並不會持續很長一段時間，這仍 然代表了房貸貸與人與投資人巨大的潛在損失。
Leow and Mues (2012)採用英國某主要銀行1983年到2001年間貸放約120,000筆房 貸資料進行研究，結合資產回收概率模式(Probability of Repossession Model)以及回收損 失率模式(Haircut Model，指實際回收金額與逾期時抵押品估價的差額比率)兩種模式，
以取得預期損失比率。研究發現資產回收概率模式不僅包含常見的LTV變數，而且LGD 的估計也因為採用回收損失率模式而獲益。此外，對照僅一階段模式，二階段模式較佳，
並建議未來的研究將總體經濟因素(如失業率、通貨膨脹率、利率等)納入變數，並嘗試 存活分析等研究方法。
張哲銘等人(2014)實證結果證實支持放款品質與銀行經營績效的正向關聯性；而維 護授信品質的銀行，其資訊不對稱程度亦相對越低。此外，放款品質良好且資訊不對稱 程度較低之銀行，市場報酬相對較佳。
Kelly and O'Malley (2016)為與採用評分模式(scoring model)計算預期損失的財政量 測計畫(Financial Measure Program)比較，採用相同資料並以轉移模型(migration model) 計算損失的概率以進行穩健的檢核。以愛爾蘭規模最大的三家銀行提供 450,000 筆房貸 資料，並依欠款期間分為履約中(performing，欠款 90 天以下)、減損(impaired，欠款 90~360 天)以及違約(default，欠款 360 天以上)三種。研究結果違約曲線呈現峰狀，高峰落在 2002
‧
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
年至 2006 年間，最高的三年違約概率介於 4.5%至 7.75%。此一模型隨後擴展以決定借 款人類型、利率種類、抵押品座落區域等的違約機率。
經由文獻回顧發現相關研究結果中顯著之違約因素，俾利節省後續研究對象放款資 料的取捨以及處理時間，惟多為商業銀行或房利美(Fannie Mae)聯邦全國抵押貸款協會 及房地美(Freddie Mac)聯邦住宅抵押貸款公司等金融機構之研究成果，惜未找到壽險業 保戶房貸相關研究，故本研究嘗試以前開商業銀行等金融機構研究成果之房貸違約顯著 因素，驗證壽險業保戶房貸是否有差異。此外，本研究目的放款備抵呆帳提列的計算，
尚須符合相關法令以及主管機關行政規則的要求，將於下章進行探討。