國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
1. 緒論
銀行產業於過去數十年大幅演進,回顧其最早期的功用,原只是讓人們從事基本儲蓄及借貸的場 所, 然隨著商業活動的蓬勃發展、 國際間貿易往來頻繁, 銀行所提供的服務及金融商品, 亦順應 這些需求不斷增加, 例如各式證券化的資產 (securitized assets)。 但這些以各種資產為標的物 的衍生性商品, 卻因其本身特殊的性質, 並不會被完全當成負債顯示在一般公司的財務報表, 使 現今的銀行產業, 本身帳面外的財務槓桿, 往往都超過政府所預期的標準, 這也導致銀行所承受 的風險其實是比想像中高, 極可能使其在面臨一些經濟上的衝擊後面臨倒閉危機。
再者, 由於銀行功能與環境的改變, 銀行部門所涵蓋的產業逐漸增加, 許多商業活動幾乎都 要透過銀行來處理財務上的問題,倘若銀行產業面臨危機,則容易對整個經濟體系造成重大的影 響。Acharya and Richardson (2009)提到許多學者認為銀行的高財務槓桿是造成2008年金融海 嘯的重要因素。 因此,有效控制銀行部門的風險遂成為一國經濟政策的重要部分;若是能在銀行 發生危機前準確的預估並修正, 將可以大幅減少危機的發生, 或是降低危機發生時倒閉的可能 性。
於過去的文獻中,不論是在銀行產業或是非銀行的產業,均有許多論文分析違約風險,並探討 和預測公司倒閉之相關議題。Altman (1968)指出快倒閉的公司在即將倒閉前, 其某些財會比率 會與其他健康完善的公司有明顯的不同, 如測量獲利率、 流動性及償付能力等比率, 故Altman 利用多變量區別分析 (Multiple Discriminant Analysis, MDA) 模型, 同時間考量許多財會比 率之組合,歸納出最適合預測倒閉的五個因子, 推導出著名的Z-scores模型;由於其使用技術並 不困難且使用的比率資料取得容易, 很快在業界被廣泛運用。 此外,Sinkey (1975)亦對銀行產業
‧
然而,KMV 公司的Crosbie and Bohn (2003)運用Vasicek and Kealhofer 所建構之 KMV 模型 (see Vasicek, 1984, Kealhofer, 2003a, and Kealhofer, 2003b), 恰彌補了財會比率分析 的不足。 有別於以往直接使用會計報表的資料,KMV 模型根據Black and Scholes (1973)選擇 權的評價公式, 延續Merton (1974)概念, 將公司的負債與股東權益想像為選擇權的買賣權, 並 考慮未來資產的不確定性, 發展出許多新的違約風險因子, 如違約距離 (distance to default, DTD) 和違約機率 (probability of default)。 由於選擇權價值來自於人們對未來標的物價格之 預期,故以此概念計算之風險因子將具前瞻性(forward looking),用此來計算公司未來面臨財務 危機的可能性將較具說服力。