第五章 實證結果
第三節 樣本外的模型預測
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
35
表 8: 2010 第二季預測結果 2010Q2
Quadratic 基期風險 離散型風險模型
Log 基期風險 離散型風險模型
單期 邏輯斯迴歸 分位數 個數 % 累計 個數 % 累計 個數 % 累計
1 30 97% 97% 30 97% 97% 30 97% 97%
2 0 0% 97% 0 0% 97% 0 0% 97%
3 0 0% 97% 0 0% 97% 0 0% 97%
4 1 3% 100% 1 3% 100% 0 0% 97%
5 0 0% 100% 0 0% 100% 0 0% 97%
6-10 0 0% 100% 0 0% 100% 1 3% 100%
Total 31 31 31
由表 8 顯示,Quadratic 基期風險離散型風險模型、Log 基期風險離散型 風險模型與單期邏輯斯迴歸在第 1 到第 3 十分位預測能力相同,都包含了 97%
的財務危機銀行。到了第四分位,Quadratic 基期風險離散型風險模型與 Log 基期風險離散型風險預測財務危機銀行能力為 100%,反觀單期邏輯斯迴歸卻 依然只有 97%。因此,Quadratic 基期風險離散型風險模型與 Log 基期風險離 散型風險模型在 2010 第二季預測能力相當,而單期邏輯斯迴歸相較之下表現 比較差。
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
36
表 9:2010 第三季預測結果8 2010Q3
Quadratic 基期風險 離散型風險模型
Log 基期風險 離散型風險模型
單期 邏輯斯迴歸 分位數 個數 % 累計 個數 % 累計 個數 % 累計
1 25 93% 93% 25 93% 93% 25 93% 93%
2 0 0% 93% 0 0% 93% 0 0% 93%
3 0 0% 93% 0 0% 93% 0 0% 93%
4 0 0% 93% 0 0% 93% 0 0% 93%
5 0 0% 93% 0 0% 93% 0 0% 93%
6 1 4% 96% 0 0% 93% 1 4% 96%
7-10 1 4% 100% 2 7% 100% 1 4% 100%
Total 27 27 27
由表 9 顯示,Quadratic 基期風險離散型風險模型、Log 基期風險離 散型風險模型與單期邏輯斯迴歸在第 1 到第 5 十分位預測能力相同,皆包含了 93%的財務危機銀行。但是到了第 6 十分位,Quadratic 基期風險離散型風險 模型與單期邏輯斯迴歸預測財務危機銀行能力提升至 96%,而 Log 基期風險 離散型風險模型預測財務危機銀行能力卻依然停留在 93%,顯示相較於 Quadratic 基期風險離散型風險模型與單期邏輯斯迴歸模型的預測能力,Log 基期風險離散型風險模型在 2010 第三季預測能力是比較差。
8 由於 Quadratic 基期風險離散型風險模型與 Log 基期風險離散型風險模型相較於單期邏輯斯 迴歸在 2010 年第四季的預測能力較差,因此本研究並未呈現 2010 第四季的預測結果。
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
37
表 10:2010 年整年度預測結果 2010
Quadratic 基期風險 離散型風險模型
Log 基期風險 離散型風險模型
單期 邏輯斯迴歸 分位數 個數 % 累積 個數 % 累積 個數 % 累積
1 112 90% 90% 112 90% 90% 113 91% 91%
2 1 1% 91% 2 2% 92% 1 1% 92%
3 2 2% 93% 2 2% 94% 3 2% 94%
4 2 2% 94% 2 2% 95% 0 0% 94%
5 1 1% 95% 0 0% 95% 0 0% 94%
6-10 6 5% 100% 6 5% 100% 7 6% 100%
Total 124 124 124 觀察表 10,預測結果顯示 Quadratic 基期風險離散型風險模型與 Log 基 期風險離散型風險模型都分別有 90%的財務危機銀行被模型分到第 1 十分位,
相較於單期邏輯斯迴歸有 91%的財務危機銀行被分到第 1 十分位,前兩個模型 是比較差。不過如果我們觀察累計至第 5 十分位,Quadratic 基期風險離散型 風險模型與 Log 基期風險離散型風險模型有 95%財務危機銀行被包含於其中,
而單期邏輯斯迴歸卻只有 94%。
綜觀上述的發現,整體而言,離散型風險模型預測能力優於單期邏輯斯迴 歸模型,其中又以 Quadratic 基期風險式離散型風險模型表現為佳。從研究者 的實證資料顯示,Quadratic 基期風險式離散型風險模型能補足 Log 基期風險 式離散型風險模型的缺失,使 Quadratic 基期風險式離散型風險模型預測能力 至少表現得與單期羅輯斯迴歸模型一樣好。
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
38
2. 錯誤分類表
表 11:2010 年模型預測錯誤分類表 2010
Model Quadratic Log Single Logit DA 真陽性比率(TPR) 0.903 0.903 0.903 0.871 真陰性比率(TNR) 0.983 0.980 0.977 0.965 Total 1.887 1.883 1.880 1.836 陽性預測值(PPV) 0.195 0.166 0.147 0.101
註: 該年度財務危機發生為 0.44%,DA 表多變量區別分析。
在此研究者採用另一種衡量財務預警模型好壞的指標:錯誤分類表。該表 有 3 個重要的比率: 真陽性比率、真陰性比率以及陽性預測值。真陽性比率(The Positive Rate, TPR):表示財務危機銀行被正確歸類到財務危機銀行的比率;真陰 性比率(True Negative Rate, TNR):表示正常銀行被歸類為正常銀行的比率;陽性 預測值(Positive Predict value, PPV):又稱為精確度(Precise),表示模型預測的財 務危機銀行中,實際是財務危機銀行的比率。
由表 11 所示,以真陽性比率來看,Quadratic 基期風險離散型風險模型、
Log 基期風險離散型風險模與單期邏輯斯迴歸模型真陽性比率都相同,皆為 0.903;多變量區別分析模型真陽性比率則較差,為 0.871。以真陰性比率來看,
Quadratic 基期風險離散型風險模型表現最佳,Log 基期風險離散型風險模型 表現其次,單期邏輯斯迴歸與多變量區別分析模型最差。陽性預測值的排序與 真陰性比率相同。
本研究考量模型好壞的依據為真陽性比率和真陰性比率總和為最大,因此 在四個模型中,Quadratic 基期風險離散型風險模型的區別能力優於 Log 基期 風險離散型風險模型,Log 基期風險離散型風險模型區別能力又優於單期邏輯 斯迴歸模型與多變量區別分析模型。
。
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
39