各模型預測準確率

預測準確率 ^{18/20 17/20 18/20 16/20}

註^1: 落後一⁽二⁾ 期^DTD表示樣本內迴歸模型僅包含落後一⁽二⁾期的^DTD、 各銀行的股票報酬率、 台灣國庫券的利

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

4. 實證分析 ²⁷

數而言^, 對被解釋變數 ⁽即信用評等未來展望的調整為負向的情況⁾ 的解釋能力更好^, 此外^, 在 樣本外的預測能力^,違約距離也比財會比率變數有更好的預測準確率^,故在未來評估銀行的營運 狀況時^, 可將違約距離列為優先的考量^, 以違約距離大小來當作公司違約預警的一個指標。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

5. 結論

本文於緒論先探討的過去常用的財會比率變數模型後顧性的不足^, 並進一步說明 ^KMV 模型所 推導之違約距離能改進此不足的特點^: 由於違約距離是先藉著選擇權評價公式^, 利用已經反應 投資人預期的股票價值^,來反推實際的銀行資產市價^;此計算方式將可使計算出的資產市價也充 分反映投資人對於該銀行未來的預期^, 而後^, 利用此資產市價計算出來的違約距離^, 也會具備相 同的特性^, 較具前瞻性。 因此^, 我們認為具備前瞻性的違約距離相對於後顧性的財會比率變數而 言^, 將更能反應銀行未來的營運情況^, 對銀行的營運狀況有較佳的解釋能力^; 但是^, 台灣過去的 文獻少有此兩種變數的比較^, 故本文主旨欲探討^, 對於台灣的銀行產業而言^,KMV 模型的違約 距離^, 在解釋信用評等未來展望被調整為負向的情況時^, 是否比 Altman (1983) 所歸納的財會 比率變數 ^(WC/TA、^RE/TA、^EBIT/TA 及 ^BVE/TL) 具解釋力^; 然而^, 由於過去並未有銀行 業適用的 ^Z-scores,且台灣缺乏銀行實際倒閉的樣本^,也無法自行計算出 ^Z-scores,故直接比較 Altman z-scores 模型和違約距離的解釋能力並不可行^, 因此^, 本文遂將 Altman Z-scores 模 型的財會比率變數和違約距離列於同一迴歸模型作為解釋變數^,已達到比較的效果^;由於被解釋 變數的情況僅有兩種^,故本文採用 ^Logit 迴歸模型來同時分析這兩類解釋變數^,且經 ^Hausman 設定檢驗後^, 我們判斷本文的 ^Logit 迴歸模型適用於隨機效果之設定。

迴歸模型結果顯示^: 違約距離對於信用評等未來展望被調整為負向的情況^, 不論是在落後一 期或是落後二期的情況^, 均具有顯著的解釋力的^, 且其係數呈現負號也與預期相符^, 表示當違 約距離越大時^, 公司的信用評等未來展望被調整為負向的機率就越低^; 而 ^WC/TA、 ^RE/TA、

EBIT/TA 及 ^BVE/TL 等財會比率變數的解釋力則會因情況不同而有所改變^; 此外^, 在樣本

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

5. 結論 ²⁹

外預測時^,違約距離在兩種情況下 ⁽落後一期和落後二期⁾也具備較財會比率變數好的預測準確 率。 因此^, 我們推論^, 在評估台灣銀行產業的營運狀況時^, 違約距離確實比財會比率變數更具辨 認銀行營運缺失的能力^,故於實際評估銀行業的營運狀況時^, 相較於其他的財會比率^, 銀行的經 理人應優先參考當時的違約距離^,若是銀行的違約距離明顯比平常的違約距離低時^,則表示銀行 的營運狀況可能出現狀況^,經理人應該要提高警覺^,開始審視公司營運的各環節是否哪裡出現問 題。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

參考文獻

丁建華^{(2006), “}金融機構授信風險的評估　^Kmv 模型之應用^”, 創新研發學刊, 2(2), 24–32

穆衍東．韓千山．林玫伶 ^{(2006), “}公司財務危機預測能力之提升^: 使用修正^kmv 模型^”, 風險 管理學報, 11(2), 171–95

Acharya, V.V. and Richardson, M. (2009), Restoring financial stability: how to repair a failed system, Wiley.

Altman, E.I. (1968), “Financial ratios, discriminant analysis and the prediction of corpo-rate bankruptcy”, The Journal of finance, 23(4), 589–609.

(1983), Corporate financial distress, Wiley and sons New York et al.

Beaver, W.H. (1966), “Financial ratios as predictors of failure”, Journal of Accounting Research, 71–111.

Bharath, S.T. and Shumway, T. (2008), “Forecasting default with the merton distance to default model”, Review of Financial Studies, 21(3), 1339.

Black, F. and Scholes, M. (1973), “The pricing of options and corporate liabilities”, The journal of political economy, 81(3), 637–654.

Blume, M.E., Keim, D.B., and Patel, S.A. (1991), “Returns and volatility of low-grade bonds 1977-1989”, The Journal of Finance, 46(1), 49–74.

‧

Chava, S. and Jarrow, R.A. (2004), “Bankruptcy prediction with industry effects”, Review of Finance, 8(4), 537.

Crosbie, P. and Bohn, J.R. (2003), “Modeling default risk”, Moody’s KMV documentation.

Duffie, D., Saita, L., and Wang, K. (2007), “Multi-period corporate default prediction with stochastic covariates”, Journal of Financial Economics, 83(3), 635–665.

Fons, J. (1991), “An approach to forecasting default rates”, Moody’s Special Report.

Gray, D., Garc´ıa, C., Luna, L., and Restrepo, J.E. (2009), “Incorporating financial sector risk into monetary policy models: Application to chile”, Journal Econom´ıa Chilena (The Chilean Economy), 12(2), 11–33.

Gray, D. and Walsh, J.P. (2008), Factor model for stress-testing with a contingent claims model of the Chilean banking system, International Monetary Fund.

Hausman, J.A. (1978), “Specification tests in econometrics”, Econometrica: Journal of the Econometric Society, 1251–1271.

Horrigan, J.O. (1968), “A short history of financial ratio analysis”, The Accounting Re-view, 43(2), 284–294.

Jonsson, J.G. and Fridson, M.S. (1996), “Forecasting default rates on high-yield bonds”, The Journal of Fixed Income, 6(1), 69–77.

Kealhofer, S. (2003a), “Quantifying credit risk i: Default prediction”, Financial Analysts Journal, 30–44.

(2003b), “Quantifying credit risk ii: Debt valuation”, Financial Analysts Journal, 78–92.

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

5d. 32

McDonald, C.G. and Gucht, L.M.V. (1999), “High-yield bond default and call risks”, Review of Economics and Statistics, 81(3), 409–419.

Merton, R.C. (1974), “On the pricing of corporate debt: The risk structure of interest rates”, The Journal of Finance, 29(2), 449–470.

Shumway, T. (2001), “Forecasting bankruptcy more accurately: A simple hazard model*”, The Journal of Business, 74(1), 101–124.

Sinkey, J.F. (1975), “A multivariate statistical analysis of the characteristics of problem banks”, The Journal of Finance, 30(1), 21–36.

Vasicek, O.A. (1984), “Credit valuation”, KMV Corporation, March.

Wooldridge, J.M. (2008), Introductory econometrics: A modern approach, South-Western Pub.

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

附錄

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

A. 中華信用評等公司的評等相關資料與被解釋變數之設定

中華信用評等等級符號之字首 「^tw」 代表台灣^, 並表示所採行之評等標準係專用於台灣金融市 場^, 因此無法直接與標準普爾的國際評等標準做比較^; 而其針對信用債務所發行的信用評等^, 主 要是其中華信評從相較於台灣金融市場其他債務人履行其財務義務之還本付息能力的角度^, 對 債務人履行與特定債務⁽如特定借款、 債券、 租賃、 商業本票、 定存單、 或其它財務工具⁾相關之 財務承諾之能力的前瞻性看法。 以下為中華信評債務發行信用評等的考量因素 ⁽但重要性各不

相同^):(1) 違約可能性^-根據債務發行條件^, 評估債務人及即時支付利息並償還本金的能力與意

願。⁽²⁾ 債務的特性與條款內容^,例如擔保品、 抵押、 或附屬關係的描述。⁽³⁾ 在發生破產、 重整、

或依破產法及其它可能影響債權人權利之法律進行的協商情況時^, 可為該債務提供的保障與相 對的求償地位。

中華信用評等公司的長期債務發行信用評等^,主要是適用於原始發行到期時間在一年及以上 之債務^, 下表為其評等及所代表之意義^:

twAAA, 受評為 「^twAAA」 之債務發行^,表示相較於其他本國債務人^,該債務之發行人對該 債務發行有極強(extremely strong) 的財務承諾履行能力。

twAA, 受評為 「^twAA」 的債務發行與受評為最高評等等級的債務發行間^, 僅在程度上有些

微的不同。 受評為 「^twAA」 之債務發行^,表示相較於其他本國債務人^,該債務之發行人對該債務 發行有相當強 (very Strong) 的財務承諾履行能力。

twA, 受評為 「^twA」 的債務發行^, 係指其較評等等級較高之債務發行^, 易受環境及經濟條件

‧

對該債務發行的財務承諾履行能力稍嫌脆弱(somewhat weak)。

twB, 受評為 「^twB」 的債務發行^, 係指相較於其他本國債務發行^, 其保障性薄弱^(weak)。 該

的能力極度脆弱(highly vulnerable), 有高度違約之可能性。

twC, 受評為 「^twC」 之債務發行^, 係指該債務之發行人已提出破產申請或已採取類似之行 動^, 但仍繼續履行該債務發行之支付義務的情況。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

A. 中華信用評等公司的評等相關資料與被解釋變數之設定 ³⁶

D, 受評為 「^D」 的債務發行代表該債務發行之支付已出現違約^,或該債務發行之債務人已提 出破產申請。 「^D」 評等表示該債務發行之本金或利息已經無法如期支付^, 包括在寬限期未滿之 前^, 除非中華信評評估後認為該債務發行之本金或利息將可在寬限期內得到支付。

其中^,在 「^twAA」 等級到 「^twCCC」 等級的各等級內^, 皆可以增加一個加號⁽⁺⁾ 或減號^(-) 方式^,來代表在同等級內信用之強弱程度。 而信用評等的未來展望意義則為中華信評對債務人長 期信用評等於中期至長期內的可能變動方向進行評估的結果。 任何經濟及^/或基本經營條件的改 變^,均為決定 「評等展望」 時的考量因素。 不過 「評等展望」 並非採取調整評等行動或置入 「信用 觀察」 名單的先決條件。 其中^,「正向」 代表評等可能會被調升^,「負向」 代表評等可能會被調降^,「穩 定」 代表評等不太可能會有調整^,「發展中」 代表評等有可能被調升亦有可能被調降^,「 ^N.M.」 代 表無意義。

接著^, 此處將介紹如何將信用評等未來展望設定為本文所使用的被解釋變數^, 舉第一銀行為 例 ⁽見圖 ^A.1), 我們可以看到第一銀行於^2001/02/14和^2001/08/30時^, 評等展望均被調整為 負向^, 故本文的做法會先取距離這兩個時點最近的季資料時點^, 即^2001/03和^2001/09兩個月^, 將這兩個時點內 ⁽包含兩時點⁾ 的被解釋變數^y均設定為^1,若是評等展望為穩定^,則將被解釋變 數^y設定為⁰。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

A. 中華信用評等公司的評等相關資料與被解釋變數之設定 ³⁷

Fig.A.1:第一銀行中華信用評等公司資料

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

B. ALTMAN Z-SCORES 模型比率變數折線圖

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

B. Altman Z-scores 模型比率變數折線圖 ³⁹

Fig. B.1: 樣本銀行^WC/TA比率折線圖

−.10.1.2.3−.10.1.2.3−.10.1.2.3

2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1

1 2 3 4

5 6 7 8

9 10 11 12

wc/ta

date

Graphs by ID

註 ^: 表中^ID編號^:1為第一銀行、²為中國信託銀行、³為元大銀行、⁴為台北富邦銀行、⁵為台灣工 業銀行、⁶為大眾銀行、⁷為渣打銀行、⁸為玉山銀行、⁹為聯邦銀行、¹⁰為萬泰銀行、¹¹為高雄銀 行、¹²為中華開發銀行。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

B. Altman Z-scores 模型比率變數折線圖 ⁴⁰

Fig. B.2: 樣本銀行^RE/TA 比率折線圖

−.4−.20.2−.4−.20.2−.4−.20.2

2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1

1 2 3 4

5 6 7 8

9 10 11 12

re/ta

date

Graphs by ID

註 ^: 表中^ID編號^:1為第一銀行、²為中國信託銀行、³為元大銀行、⁴為台北富邦銀行、⁵為台灣工 業銀行、⁶為大眾銀行、⁷為渣打銀行、⁸為玉山銀行、⁹為聯邦銀行、¹⁰為萬泰銀行、¹¹為高雄銀 行、¹²為中華開發銀行。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

B. Altman Z-scores 模型比率變數折線圖 ⁴¹

Fig. B.3: 樣本銀行^EBIT/TA 比率折線圖

−.1−.050.05.1−.1−.050.05.1−.1−.050.05.1

2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1

1 2 3 4

5 6 7 8

9 10 11 12

ebit/ta

date

Graphs by ID

註 ^: 表中^ID編號^:1為第一銀行、²為中國信託銀行、³為元大銀行、⁴為台北富邦銀行、⁵為台灣工 業銀行、⁶為大眾銀行、⁷為渣打銀行、⁸為玉山銀行、⁹為聯邦銀行、¹⁰為萬泰銀行、¹¹為高雄銀 行、¹²為中華開發銀行。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

B. Altman Z-scores 模型比率變數折線圖 ⁴²

Fig. B.4: 樣本銀行^BVE/TL 比率折線圖

0.511.50.511.50.511.5

2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1 2000q12002q12004q12006q12008q1

1 2 3 4

5 6 7 8

9 10 11 12

bve/tl

date

Graphs by ID

註 ^: 表中^ID編號^:1為第一銀行、²為中國信託銀行、³為元大銀行、⁴為台北富邦銀行、⁵為台灣工 業銀行、⁶為大眾銀行、⁷為渣打銀行、⁸為玉山銀行、⁹為聯邦銀行、¹⁰為萬泰銀行、¹¹為高雄銀 行、¹²為中華開發銀行。

在文檔中 台灣銀行產業違約風險之探討:財會比率變數與違約距離之比較 - 政大學術集成 (頁 35-51)