實證步驟

4.1 實證步驟

利用CreditRisk⁺模型，來評估國內中小企業的信用風險，並提撥信用損失準備來 預防非預期損失。以下，將說明本研究的實證步驟。

4.1.1 違約機率與違約機率之波動度

在建立CreditRisk⁺模型前，由於需事先已知各個信用評等的違約機率（mean default rate）及波動度（volatility）。之後再建立本論文的核心模型－CreditRisk⁺模型。

本研究違約機率及其波動度之求算，乃根據Bluhm（2003）指出：根據實證違約 資料顯示，違約次數會隨著信用等級變差(Rating有小到大)呈現指數成長。因此利用 非線性迴歸來配適模型。茲說明如下：

1. 分別統計2003年1月份到12月份中，每個Rating發生違約之件數，並計算發生違約 的頻率h_i(R), i=1,2,L,12。例如：h₈

( )

其中x＝1 表信用評等為 A；x＝2 表信用評等為 B；x＝3 表信用評等為 C。

3. 利用(28)式計算每個信用等級的違約機率值。

4.1.2 求算損失分配

在求得違約機率與違約波動度後，緊接著建立損失分配。

1. 求算暴險分類（Exposure Bands）

在求算損失分配時，為了精簡計算債務人的資料，所以信用風險加成模型將暴險 金額用共同暴險指標（vj）表示，主要是以暴險單位（L）的整數倍數來劃分。說明 如下：

假設暴險單位（L）為17,500千元，且暴險類別的劃分級距設為17,500千元，因 此暴險金額低於17,500千元的債務人共同暴險指標為1，其暴險類別 j = 1，介於17,500 千元~ 35,000千元者共同暴險指標為2，其暴險類別 j = 2，以此類推，結果誠如表5 所示。

表 5 信用暴險額與共同暴險指標

貸款者（i） 信用暴險額(千元)（Li） 共同暴險指標（vi） 暴險類別（j）

1 1,500 1 1

2 5,230 1 1

3 50,000 3 3

4 164,000 10 10

5 200,000 12 12

6 377,000 22 22

7 650,743 38 38

…… …… …… ……

2. 求算預期違約數

3. 求算預期違約損失分配

利用上一節中(20) ~ (25)式各遞迴關係求得。

4.2 研究設計

4.2.1 研究樣本

一、 研究期間

2003年1月31日至2004年12月31日，共計24個月。

二、 資料來源

本研究係採用H銀行提供之中小企業授信資料作為研究資料來源。該公司信用評 等分級總共區分為1~9等，其中1為最好，9為最差。各評等所代表之意義分述如表7。

表 7 H 銀行各信用等級表示意義

信用等級 代表意義

1 與 2 正常風險案件

3 與 4 可接受風險案件

5 與 6 需留意風險案件

7 與 8 高風險

9 會遭受損失風險案件

4.2.2 取樣標準與違約定義

一、 取樣標準

以H 銀行提供之中小企業為樣本，基於一般產業與金融相關產業特性的不同，受政 府管制較大，且會計處理不同於其他行業，茲將樣本中金融相關產業刪除，並剔除無信

用評等、資料不全、或資料不合理(疑似有資料輸入問題)者後，共計樣本數有 1583 筆。

誠如上節所述，在建立CreditRisk⁺模型前，需事先已知各個信用評等的違約機率及 波動度；之後再建立本論文的核心模型－CreditRisk⁺ 模型。為了建立各評等違約機率及 波動度，我們利用4.1.1 節所述之方法，先分別統計 2003 年 1 月份到 12 月份中，每個 信用等級發生違約之件數，並計算發生違約的頻率h_i(R),i=1,2,L12，但礙於資料本身 的限制，並非每個月份、每個等級都有歷史違約，導致最後利用(26)、(27)式計算出的 m(R)、s(R)出現「0」的數值，為了避免上述情事及順利用運用指數形式的非線性迴歸 模型，茲將該商業銀行各信用等級由原本訂定的9 個等級調整為 3 個等級，分別為低風 險型、中風險型、高風險型，其調整說明於表8。

表 8 信用等級的調整與比較

原本該商業銀行之信用等級 本研究之信用等級

信用等級 代表意義 信用等級 代表意義

1 與 2 正常風險案件

3 與 4 可接受風險案件 A 低風險

5 與 6 需留意風險案件 B 中風險

7 與 8 高風險

9 會遭受損失風險案件 C 高風險

二、 違約定義

根據新巴塞爾資本協定指出：債權人對債務的償還逾期超過九十天視同違約；因 此將樣本中，變數「本月逾期期間項目」超過九十天者與變數「本月滯納天數記號項 目」標示異常者，定義為違約。