緒論

第一章 緒論

國際信用評機構如穆迪(Moody’s)、標準普爾(S&P)、惠譽(Fitch)等，提供 對公司發行債券，國家主體、銀行履行財務承諾等相對能力做信用評等的評比。

面對不同評等之公司，投資人可依其對風險的承受能力選擇不同的投資標的，

因此公司的信用評等為投資人重要的參考指標。我們知道，一般探討公司信用 評等的相關文獻中，通常使用固定信用評等總數來探討公司破產、違約機率的 估計或轉置矩陣的估計。固定信用評等總數的方式來對各家公司的財務狀況，

償債能力等進行評估。穆迪(Moody’s)、標準普爾(S&P)、惠譽(Fitch)，三家信 用公司也皆使用此方法做評估，並且在固定時間內不會更改信用評等總數，差 別只在對評等定義所用之符號和評等方式的不同。穆迪(Moody’s)在 1997 年所 提出的報告中，轉置矩陣的估計與應用，也皆以固定評等總數做為依據。然而，

固定信用評等總數的方法是否完全恰當且可以精確地對於公司在不同景氣下給 予正確的評估訊息?答案其實不然，尤其在現今金融不穩定的狀態下，變動的幅 度大且發生的速度快，對於舊有的方式似乎無法提供正確的資訊，尤其是景氣 變差的情形。例如 2007 年發生全球性金融海嘯，知名控股公司雷曼兄弟也在此 風暴中倒閉的例子中，雷曼兄弟一直保持 AAA 之信評等級，卻還是不敵金融海 嘯帶來的衝擊。從此現象的發生，讓我們考慮到在景氣變化下，是否將信用評 等總數隨之改變，能正確地提供資訊，而此想法可以經由以下的假設來探討是 否合理。假設在一段時間中，信用評等總數為 3 個，由高至低分別為 A、B 及 C，

這邊沒有假設違約等級。這邊僅討論信用評等為 A 等級的變化，假設有 10 家公 司信評等級為 A 等級，在景氣變差的情形下這 10 家公司表現差異可能較大，假 設其中四家公司表現較其他六家公司差，但用信用評等總數不改變的方法下，

這四家公司可能依然被判定為 A 等級，因為還不到降評的界線。然而，在此景 氣變差的情形中，如果將信用評等總數增加為 4 個，由高至低分別 A+、A-、B、

2

C，則這四家公司之信評等級可能因表現較差則被判定為 A-等級，而其餘六家 則為 A+等級，如此調整信評總數可造成公司信用評等產生差異，在景氣變差情 況下能為投資人提供更精確之訊息即這些公司未來可能遭降評等。本文即在探 討在不同經濟情況下，信用評等總數是否會隨之變化及公司信用評等因評等總 數改變造成的差異及影響。

Livingston et. al.(2008)文獻中探討，在面對不同信評機構對各公司評等之差異，

會給予一些無法在財務報表上所提供之資訊，文中並探討在給予等級有差異時，

其未來公司評等遭到變動的情形會比沒有等級差異來的大。如此，在面對不同 經濟狀況調整信用評等總數，即會造成公司信用評等有差異，進而提供未來公 司評等是否遭到變動的資訊。本文將以隱藏馬可夫模型為工具，探討在經濟狀 況變化時，是否能即時調整信用評等總數且找出因評等總數改變時所造成公司 評等變化的資訊。隱藏馬可夫模型最早為 Baum(1966)提出，其目的在探討一可 觀察數列中隱藏的訊息，最早被運用在語音辨識系統上，辨識人聲跟電腦聲音 的差別，而後更運用在 DNA 排序的分析等。本文將其利用在財務中，在一段時 間內，收集公司公開提供可觀察之財務報表的訊息，做為判別公司各項表現的 依據，並設定會計比率作為各家公司比較之計量。假設此數據為一隱藏馬可夫 數列，利用隱藏馬可夫模型之方法，探討此隱藏馬可夫數列中，並未能可直接 觀察之隱藏狀態列，這即為一般財務報表上未提供的資訊-公司的信用評等。在 此假設此隱藏馬可夫數列之隱藏狀態列總數即信用評等總數不固定，可隨時間、

資料的變化改變隱藏狀態列總數，如此便可探討隨時間變化、經濟週期和重大 的景氣改變時，信用評等總數的變化。

我們所知，模型的假設及模型參數的估計上，必須配合選模問題或此模型是 否恰當，能否反映資料的情形，所以必須制定一套衡量此隱藏馬可夫模型的標 準及方法，在 Robert et.al.(2000)的文章中，即定義一判別模型是否恰當之方法，

此步驟、方法在本文第二章文獻探討第二節有詳細介紹。而本文將提出一套較

3

為簡易並可配合此隱藏馬可夫模型的模型配適方法。此方法在假設樣本分配與 母體分配相同下，檢定母體分配與樣本之間的差異。本文將過去一段時間做為 歷史資料，將公財務報表上所定義為比較各公司表現所使用之會計比率以統計 方法寫成一母體分配，將未來一段時間資料的評等分配做為樣本分配，檢定分 配與母體間的差異，做為信用評等總數變動是否會改變的依據，當樣本分配中 所使用之信用評等總數與母體之間有差異時，將可利用此檢定發現模型配適不 合，如此則可發現信用評等總數發生改變的時間，進而一步做探討。在本文實 證中亦發現，在 2003 年第三季至 2004 年第一季(附錄表 4.3.6 第 11 期至第 13 期)及 2008 第二季至 2009 年第三季(附錄表 4.3.6 第三十二期至第三十七期)有 明顯檢定不合的區間，而模擬中，設定評級總數轉變的區間期檢定不合的比率 皆有 70%的水準。

而在面對模型配適不合的資料期間中，本文可考慮評等總數的增加或減少來 做為新的模型配適。評等總數的增加或減少即為隱藏馬可夫模型中狀態的分裂 步驟(split move)或合併步驟(combine move)，Robert et. al.(2000)提供了一個在 隱藏馬可夫模型中狀態個數增加或減少的方法，在本文實證中，可發現有兩個 區間有評級總數減少的情形發生。發現期轉置矩陣的估計效果不錯。而在模擬 中因資料設定問題和歷史資料時間長度問題，在判斷評級總數減少時的效果較 好，轉置矩陣的估計上也較為精確。

另外在探討公司信用評等因評等總數改變所造成的影響中，本文在實證中第 三十六期調降信評之公司有一家、瑞利，其信用評等在未來一年內遭調降等級，

此為一重要發現，並與

Livingston et. al.(2008)所提出之結論相符。因此，在面對

本論文的架構敘述如下：第一章簡述本論文的研究動機、目的及流程；第二 章藉由回顧相關文獻，介紹並討論迴歸模型、會計比率及信評總數增加及減少

4

的方法、討論分群適合度做選模型；第三章為本文使用之方法，分別介紹利用 隱藏馬可夫模型區分公司信用評等及利用配適度檢定探討母體和樣本間評等總 數的變化，也包含如何估計轉置矩陣、各評等之平均數及標準差；第四章由台 灣80家上市公司進行實證研究並以模擬實際資料與在設定景氣變化下信評總數 的改變，並分析與討論其結果；第五章為本研究做一個結論，並述說未來研究 的內容。

5