信用評等、公司違約率與財務危機預測之探討

A Study of Credit Rating, Corporate Default Rate and Financial Distress Prediction

10.29963/TOJEB.200806.0002

李沃牆(Wo-Chiang Lee)；朱竣平(Jyun-Ping Jhu)

信用評等 ； 倒傳遞類神經網路模型 ； 決策樹 ； 財務危機模型 ； KMV模型 ； Credit rating ； BPM model ； Decision tree model ； Financial distress model KMV model

真理財經學報

18期（2008 / 06 / 01）

33 - 70

繁體中文

本研究運用KMV模型和倒傳遞類神經網路模型進行信用評等，並與台灣經濟新報評等比較分類之正確性。爲了比較不同模型的判別能力，除一般財務變數外亦加入TCRI評分等級及違約間距等非財務變數。結果顯示，在信用評等的能力上，台灣經濟新報與倒傳遞類神經網路相近，KMV模型較差。另外，在公司財務危機的預測方面，我們亦透過CAP及ROC曲線檢驗模型效力，結果以C4.5決策樹模型最佳，類神經網路模型次之。

The study apply KMV model and Backpropagation Neural Networks (BPN) in credit rating. Furthermore, we compare the correct rate with Taiwan Corporation Credit Rating Index (TCRI) of The Taiwan Economic Journal Corporation (TEJ). For the comparison of classification, we also add TCRI index and Distance from Default (DD) as non-financial variables except financial variables. Empirical results show that the TCRI is near to ANN in the ability of credit rating, KMV model is worse. What is more, in the effectiveness of financial distress prediction, we further utilize CAP and ROC curves to test the performances of forecasting models. Results reveal that C4.5 decision tree model is the best and then is Backpropagation Neural Networks.

1. 沈中華、林公韻(2006)。違約機率預測與極端值-Robust Logistic Regression。台灣財務金融季刊
   連結：
2. 陳業寧、王衍智、許鴻英(2004)。台灣企業財務危機之預測：信用評分法與選擇權評價法孰優？。風險管理學報，6(2)，155-179。
   連結：
3. 貨幣觀測與信用評等網站
4. Altman, E. I..Financial Ratios, Discriminate Analysis and the Prediction of Corporate Bankruptcy.Journal of Finance,23(4),578-609.
5. Altman, E.,Sabato, G.(2005).Effects of The New Basel Capital Accord on Bank Capital Requirement For SMEs.Journal of Financial Services Research,28,15-42.
6. Black, F.,M. Scholes(1973).The Pricing of Options and Corporate Liabilities.Journal of Political Economy,81(3),637-654.
7. Brockman, P.,H. Turtle(2003).A Barrier Option Framework for Corporate Security Valuation.Journal of Financial Economics,67,511-529.
8. Dutta, S.,S. Shekhar,Trippi, R. R.,Turban, E. (eds.)(1988).Bond Rating: A Non-conservative Application of Neural Networks.Neural Networks in Finance Investing: Using and Artificial Intelligence to Improve Real-Word Performance.
9. Jeffrey R. B(1999).Empirical Assessment of a Simple Contingent-Claims Model for the Valuation of Risky Debt.KMV Report.
10. Maria Vassalou,Y. H. Xing(2004).Default Risk in Equity Returns.Journal of Finance,59(2),831-868.
11. Merton, R. C.(1974).On the Pricing of Corporate Debt: The Risk Structure of Interest Rates.Journal of Finance,29(2),449-470.
12. Pompe, P.,J. Bilderbeek(2005).The Prediction of Bankruptcy of Smalland Medium-Sized Industrial Firms.Journal of Business Venturing,20,847-868.
13. Quinlan, J. R.(1993).C4.5: Programs for Machine Learning.Morgan Kauffman Press.
14. Quinlan, J. R.,Michalski, R.,Carbonell, J.,Mitchell, T. (editors)(1983).Machine Learning: An Artificial Intelligence Approach.Tioga Press.
15. West, R. C.(1985).A Factor Analytic Approach to Bank Condition.Journal of Banking and Finance,15(1),253-226.
16. Whalen, G. W.,J .B. Thomson(1998).Using Financial Data to Identify Changes in Bank Condition.Economics Review, Federal Reserve Bank of Cleveland.
17. Zhang, G. M.,Y. Hu,B. E. Patuwo,D. C. Indro(1999).Artificial Neural Networks in Bankruptcy Prediction: General Framework and Cross-Validation Analysis.European Journal of Operational Research,116,16-32.
18. 丁玉成(2000)。台灣大學商學研究所。
19. 李恩傑(2002)。國立交通大學工業工程與管理學系。
20. 李逢哲(2005)。中原大學企業管理學系。
21. 施東信(2006)。國防管理學院資源管理研究所。
22. 柯瓊鳳、楊舒雯(2005)。台灣地區信用評等模型有效性之驗證。貨幣觀測與信用評等，54，44-55。
23. 孫銘誼、王思芳(2004)。信用風險模型驗證之初探－相關方法與文獻回顧。金融風險管理季刊，1(1)，111-125。
24. 張勝春(2001)。朝陽科技大學財務金融系。
25. 許峻賓(2004)。真理大學財經所。
26. 郭一聰(2005)。中原大學資訊管理所未出版碩士論文。
27. 葉怡成(2003)。類神經網路模式應用與實作。台北:儒林圖書有限公司。
28. 蔡孟哲(2006)。國防管理學院資源管理研究所。
29. 謝元慶(2004)。國立高雄第一科技大學風險管理與保險系。
30. 羅靖霖、陳俊佑(2005)。評等制度的效力驗力驗證（上）。貨幣觀測與信用評等，55，100-111。

1. 高惠松(2012)。融合公司治理的信用評等模型：Cubist迴歸樹模型之應用。當代會計，13(2)，117-159。
2. 吳柔瑾(2022)。羅吉斯迴歸在分期付款違約之應用。Journal of Data Analysis，17(2)，1-30。