國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
1
第一章 緒論 第一節 研究背景
近年來的實證研究(Levine 2005)指出銀行系統穩健運作對於國家的經濟發 展有重要的影響力。由於銀行系統對於國家經濟發展扮演如此重要的角色，當 一國銀行系統發生危機時，將對一國經濟活動產生巨大震撼(Hoggarth et al.
2002)。
在過去的10年，由於美國聯準會的低利政策造成美國房市的蓬勃發展，進 而刺激了創新金融商品如房貸抵押證券的大量發行。然而，在房市泡沫化之後，
大量持有這些創新衍生性商品的銀行蒙受巨大損失，過度使用槓桿的銀行更是 搖搖欲墜。如此大的驟變迫使美國當局以及其他國家政府抑制銀行以及金融機 構的成長，間接造成全球信貸市場凍結和全球景氣衰退。
因此，國際清算銀行(BIS)為了加強管理當局對銀行的管理缺失以及減緩 銀行在金融危機時期所受到的衝擊，制定了巴賽爾協定III(Basel III)，目的是希 望能提高銀行的自有資本來減緩危機時期對銀行的影響。
台灣於2013年開始實施巴賽爾協定III，美國更早於2011年就開始實施，金 融相關產業也致力於相關研究與因應。由於從新巴爾賽資本協定開始允許銀行 擁有自由裁量權計算資本適足率(及鼓勵銀行改良內部風險管理與評量能力)，
促使其利用更具風險敏感度及更為精確計算方法提列資本，因此銀行若欲大幅 將低信用風險的計提資本以便使資金上的運用更加靈活，繼而強化銀行本身競 爭能力，銀行勢必要能有效的評估自身的違約機率，因此違約機率成為近年來 受關注的重大課題。
違約機率的估計，或是銀行財務危機預警系統，長久以來都是政策制定者，
銀行監管機構，存款戶或是投資者所關注的議題;更甚者，在金融海嘯報發後，
如何穩定金融制度更成為近年來高峰會最重要的探討議題1。因此，發展出有
1 2008 年 11 月 14 日在華盛頓首府所舉辦的 G20 高峰會;2008 年 11 月 29 日在卡達所舉辦的 聯合國財務發展會議; 2009 年 4 月 2 日倫敦 G20 高峰會
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
2
效的早期預警系統不但能讓銀行提早做好，更能避免過去的金融危機再次重演。
第二節 研究動機與目的
研究企業的財務危機預測的文獻最早可追朔至Beaver (1966)利用財務比 率變數進行單變量的區別分析，其後陸續學者加以改良而導入了多變量的區別 分析，後期學者改用probit/logit模型來預測違約。Shumway(2001)研究指出這些 學者大多使用單期觀測值來建立違約模型，並未將隨時間變動的變數納入考量，
是屬於靜態模型(Static Model)。因此，Shumway 提出離散型風險模型(Discrete-time Hazard Model)，並以多期邏輯斯迴歸模型(Multi-period Logistic Regression Model)概念解釋，其實證分析結果顯示多數情況下離散行風險模型在財務危機 預測能力的表現優於靜態模型。
儘管後續有多位學者延伸應用離散型風險模型於企業危機預測上(Chava and Jarrow (2004), Bharath and Shumway (2008), Campbell, Hilscher,and Szilagyi (2008), Nam, Kim, Park and Lee (2008), Bonfim 2009)，但卻只有極少數應用於 預測銀行產業違約機率。因此研究者有興趣了解離散型風險模型是否在金融產 業也有較佳的違約預測能力。
過去學者研究銀行財務危機解釋因子大多使用帳面上的會計比率(Meyer and Pifer (1970), Martin (1977), Gajewski 1989, Whalen (1991), Demirguc-Kunt (1991), Thomson (1992), Cole and Gunther (1995, 1998))，由於會計比率變數為 歷史成本，可能無法即時反映市場資訊，因此部分研究者開始加入與市場連動 的解釋變數於模型中，如加入過去的股價報酬(Pettway and Sinkey (1980); Curry et al. (2007))、股價的波動度(Bharath and Shumway (2008), Campbell et al. (2008)) 以及債券利差(Jagtiani and Lemieux (2001))，使模型能充分反映市場資訊並提 高模型預測能力。
然而以市值為基礎的模型只適用於有上市的銀行，在美國金融領域產業尤 其是商業銀行與一般的企業大不同，多數的商業銀行皆為私人銀行，以 2008 年來說，只有 400 多家銀行有上市，卻有 8000 家銀行未上市。因此，研究者 改變方式，避免直接將每家銀行股價代入模型之中，取而代之的是將代表銀行
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
3
產業的的銀行投資組合報酬率加入模型中2。
近期的研究顯示加入總體經濟變數能提高企業違約的預測能力(Carling, et al, 2007; Bonfim, 2009)，Pesaran et al. (2006)的研究也顯示一個企業的為違約率 跟一企業景氣循環相關性呈現正相關。建構在這些近期的實證研究下，研究者 想透過考量總體變數因子，來增加違約模型的敏感度。
本研究延伸 Shumway 提出的離散型風險模型(Discrete-time Hazard Model)，
將 Shumway 所提出的 log 基期風險式改為 Quadratic 基期風險式，並且考量總 體經濟變數與市場變數的離散型風險模型來預測銀行的違約機率。研究者期盼 以 Quadratic 為基期的離散型風險模型能更精確預測銀行違約，更希望本研究 有助於金融機構因應 Basel III，並且使金融監管機構能預知金融危機的發生，
以便提早做出因應措施。
第三節 研究流程
本論文共有六個章節，第一章為緒論，說明研究背景、研究動機與目的;第 二章為文獻回顧，將過去研究信用風險的文獻分為早期、後期與近代分別闡述;
第三章為研究方法，描述本研究將採用的統計模型;第四章為資料描述，說明資 料來源、財務危機定義、統計模型使用的變數與模型好壞評比;第五章為實證結 果，描述資料統計量、模型訓練結果與樣本外的模型預測;最後一章為結論與建 議。流程如圖 1 所示
2銀行投資組合報酬為所有美國上市銀行以市值加權的季報酬率
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
4
研究背景、動機與目的
文獻回顧
多變量區別分析模型 邏輯斯迴歸模型 離散型風險模型介紹
資料蒐集與調整
敘述性統計
模型訓練
單期邏輯斯迴歸 離散型風險模型 多變量區別分析
Log 基期風險式 Quadratic 基期風 險式
預測結果、結論與建議
圖 1:論文研究流程
‧ 國
立 政 治 大 學
‧
N a
tio na
l C h engchi U ni ve rs it y
5