本研究的目的，希望透過分析Morgan（1997） Credit Metrics 衡量投資組合信用風險值的過程，參酌國內實際的狀況，找出衡量銀行授信資產組合信用風險值的方法和模式，使銀行能具備初步的風險值觀念來計算信用風險。此外，本研究另以CDS(credit default swaps，信用違約交換)為例，將CDS加入授信資產組合的風險衡量流程中，說明如何利用信用衍生性金融商品來管理信用風險，達到風險控制的目標，期望能有效地幫助銀行做出符合信用風險管理及資本效益最佳的決策。
本研究主要的結論如下：
一、 若假設授信資產組合價值分配為常態，銀行可能會低估了所面臨的信用風險值。
二、 銀行應該以壓力測試的概念選取最大的授信資產組合計算信用風險值，做最保守的狀況估計。
三、 加入信用衍生性商品CDS後可降低個別授信資產之信用風險值。
四、 以新巴塞爾資本協定資本計提率8%計算之預期損失明顯低於Credit Metric 模型之信用風險值，可能原因除Credit Metric 模型另外考量了授信資產被降等的風險外，授信資產組合內各資產的相關性亦是影響的可能因素。

The object of this study applies Credit Metrics model (Morgan, 1997) to find the method and model of Credit VaR of bank’s loan assets portfolio by referring Taiwan’s bank actual situation asset portfolios. This result not only provides a basic concept of Credit VaR. Moreover, this study uses CDS as an example. Including CDS into the risk management process of loan assets portfolio. Indicating how derivatives can manage credit risk in order to reach the goal of risk control and how derivatives can help banks making the best decision under risk management and capital efficiency consideration.
The conclusion of this study Summarized as follows:
1. If the loan asset value is normal distribution, banks may underestimate the Credit VaR , which they are going to face.
2. Bank should choose the largest loan asset portfolio Credit VaR under stress test concept to be the most conservative estimation.
3. Including CDS can reduce each loan asset of Credit VaR.
4. The expecting loss calculated by new Basel accord is obviously lower than Credit VaR calculated by Credit Metric model. There might have two reasons of this result: (1) The downgrade risk of loan assets is considered in Credit Metrics model (2) The correlation between assets.

目 錄
表目錄 v
圖目錄 vii
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機及目的 2
第三節 論文架構及流程 3
第二章 文獻探討 5
第一節 新巴塞爾資本協定中的信用風險IRB法相關規範 5
第二節 信用風險值之概述 11
第三節 Credit MetricsTM模型 14
第四節 信用衍生性商品介紹 27
第三章 研究方法 30
第一節 研究資料背景及信用風險值之衡量要素說明 30
第二節 蒙地卡羅模擬法之應用 40
第三節 國內某銀行之例子 42
第四節 將信用衍生性商品(CDS)加入國內某銀行信用風險之衡量流程 52
第四章 Credit MetricsTM實證演練 57
第一節 實證資料說明 57
第二節 信用風險值及邊際風險之實證演練及分析 59
一、信用風險值 60
二、個別及邊際風險估計 62
三、其他信用風險管理上的應用 66
第三節 信用衍生性商品CDS之實證演練及分析 70
第四節 Credit MetricsTM與新巴塞爾資本協定風險性資產與應計提資本計算之比較 77
第五章 結論與建議 79
第一節 結論 79
第二節 研究限制及建議 81
附 錄 82
一、集群分析法 82
二、轉置矩陣 91
三、授信資產信用風險值衡量流程 96
參考文獻 97
一、中文部份 97
二、英文部份 98

表目錄
【表2-1-1】 巴塞爾I的風險權數 6
【表2-1-2】 FIRB法與AIRB法風險成份運用表較表 8
【表2-1-3】 新巴塞爾資本協定共同研究小組分工概況 9
【表2-3-1】 一年期信用轉置矩陣 16
【表2-3-2】 信用評等別一年遠期零息殖利率(forward zero curves, %) 16
【表2-3-3】 不同順位別之償還率（recovery rates, 佔面值之百分比） 17
【表2-3-4】 導因於信用品質變化之BBB級債券價值波動的計算 18
【表2-3-5】 投資組合樣本基本資料 20
【表2-3-7】 未來各等級的債券價值 21
【表2-3-8】 不同等級的移轉距陣 22
【表2-3-9】 根據等級移轉機率建立之資產價值機率分配 22
【表2-3-10】資產價值門檻 23
【表2-3-11】相關係數矩陣 24
【表2-3-12】模擬後標準化資產報酬對應的信用等級 24
【表2-3-13】不同情節下投資組合的價值 25
【表2-3-14】價格變動後的平均數及標準差 26
【表2-3-15】邊際風險標準差 26
【表3-1-1】 一年之平均轉置矩陣 31
【表3-1-2】 各等級償還率 33
【表3-1-3】 一年期無擔保授信各等級平均貸放利率 34
【表3-1-4】 J.P. Morgan各等級折現率表 35
【表3-1-5】 依各等級違約機率對應出各等級折現率表 35
【表3-1-6】 相關係數矩陣 37
【表3-1-7】 各信評等級之授信資產價值門檻 38
【表3-1-8】 各信評等級之資產報酬率 39
【表3-1-9】 各信評等級資產報酬率之平均數及標準差 39
【表3-3-1】 一年期平均轉換矩陣 43
【表3-3-2】 各等級一年之折現率 43
【表3-3-3】 授信資產一年後各信用狀態發生之機率及遠期價值 44
【表3-3-4】 三個授信組合的例子 45
【表3-3-5】 各信評等級一年後可能之遠期價值 46
【表3-3-6】 價值授信資產組合分佈表 47
【表3-3-7】 A授信資產一年後遠期價值 49
【表3-3-8】B授信資產一年後遠期價值 50
【表3-3-9】C授信資產一年後遠期價值 51
【表3-3-10】價格變動後的平均數及標準差 52
【表3-3-11】邊際風險標準差 52
【表3-4-1】 公平CDS費用表 53
【表3-4-2】 第10等一年後可能之遠期價值 54
【表3-4-2】加入CDS後該筆第10等一年期授信一年後可能之遠期價值 56
【表4-1-1】集群樣本分配比例 57
【表4-1-2】集群樣本分配比例—依信評等級 58
【表4-1-3】集群樣本分配比例—依信評等級 58
【表4-1-4】依集群分析所得之樣本比例隨機抽取之樣本資料 58
【表4-2-1】模擬下期授信資產組合之信用風險值(單位：億元) 62
【表4-2-2】各授信資產之平均數及標準差 (單位：仟元) 63
【表4-2-3】各授信資產之平均數及標準差 (單位：仟元) 64
【表4-2-4】授信餘額最大之前二十家授信戶樣本資料 67
【表4-2-5】模擬下期授信資產組合之信用風險值(單位：億元) 69
【表4-3-1】公平CDS費用表(基點) 70
【表4-3-2】016資產一年後可能之遠期價值 71
【表4-3-4】加入CDS後016資產一年後可能之遠期價值 72
【表4-2-5】模擬下期授信資產組合之信用風險值(單位：億元) 75
【表4-3-5】各授信資產之平均數及標準差 (單位：仟元) 75
【表4-3-6】各授信資產之平均數及標準差 (單位：仟元) 76
【表4-4-1】非預期損失 78
【附表2-1-1】 85-86年轉置矩陣 91
【附表2-1-2】 86-87年轉置矩陣 92
【附表2-1-3】 87-88年轉置矩陣 92
【附表2-1-4】 88-89年轉置矩陣 93
【附表2-1-5】 89-90年轉置矩陣 93
【附表2-1-6】 90-91年轉置矩陣 94
【附表2-1-7】 91-92年轉置矩陣 94
【附表2-1-8】 92-93年轉置矩陣 95







圖目錄
【圖1-2-3】研究流程圖 4
【圖2-1-1】標準法與IRB法資產分布可能之差異 10
【圖2-1-2】標準法與IRB法之比較 11
【圖2-2-1】VaR值的計算 13
【圖2-2-2】CaR值的計算 13
【圖3-2-1】各等級償還率 33
【圖3-3-2】遠期資產價值分佈圖 45
【圖3-4-1】CDS之現金流量圖 53
【圖4-2-1】授信資產組合價值之次數分佈圖 60
【圖4-2-2】模擬1-10,000次後之平均數 61
【圖4-2-3】模擬1-10,000次後之標準差 61
【圖4-2-4】邊際風險及市場價值圖 65
【圖4-2-5】信用等級信用風險集中度 66
【圖4-2-6】產業信用風險集中度 66
【圖4-2-7】最大授信資產組合價值之次數分佈圖 68
【圖4-2-8】模擬1-10,000次後之平均數 68
【圖4-2-9】模擬1-10,000次後之標準差 69
【圖4-3-1】加入CDS後授信資產組合價值之次數分佈圖 73
【圖4-3-2】加入CDS後模擬1-10,000次後之平均數 73
【圖4-3-3】加入CDS後模擬1-10,000次後之標準差 74
【圖4-3-4】加入CDS後之邊際風險及市場價值圖 77
【圖4-3-5】邊際風險及市場價值圖 77
【附圖3-1-1】 授信資產信用風險值衡量流程 96

參考文獻
一、中文部份
台灣金融研訓院編譯委員會(2004)，「風險管理」，金融研訓院
沈中華(2003)，「VaR CaR與EC」介紹，信用資訊與評等月刊
林佳蓉(2000)，「信用風險模型之發展與衡量-以中長期資金運用制度為例」，國立中山大學財務管理研究所碩士論文
洪明欽(2003)，「蒙地卡羅模擬法在信用風險評量之應用-以資產價值模型為例」，信用資訊與評等月刊
紀景耀(1999)，「信用風險下可轉換公司債之評價」國立政治大學金融學系碩士班碩士論文
徐如慧(2003)，「內部信用風險模型-資本配置與績效評量」，科大文化事業(股)公司
耿智群(2004)，「信用風險模型應用於金融資產證券化之研究-以Credit MetricsTM為例」國立中山大學財務管理碩士班碩士論文
黃登源、李仁棻(2004)，「應用多變量分析」，台灣智慧科技與應用統計學會講義系列叢書(6)
陳建良(2004)，「違約機率與銀行信用風險管理之探討」國立中山大學財務管理碩士班碩士論文
陳雅惠（2000），以信用等級變動衡量信用風險－以無擔保公司債為例，東吳大學會計學系碩士班碩士論文
楊博仁(2002)，「信用風險值-台灣企業違約後償還率之探討」東吳大學會計學系碩士班碩士論文
銀行局(2005)，「銀行自有資本與風險性資產計算方法說明規定暫行版本」
銀行局(2004)，「新巴塞爾第二階段研究報告」
蔡豐澤(2000)，「信用衍生性商品之評價：違約與回復率模型之應用」，台灣大學財務金融學系碩士班碩士論文
鄭宇庭、易丹輝、謝邦昌(2006)，「統計資料分析：以STATISICA為例」，曉園出版社
鄧家駒(2004)，「多變量分析」，華泰出版社
謝邦昌(2001)，「資料採礦入門與應用-從統計技術看資料採礦」，資商訊息顧問有限公司
戴佩芳(2005)，「CreditMetricsTM信用風險模型實證分析與應用介面設計-以台灣某商業銀行為例」國立清華大學科技管理研究所未出版碩士論文
蕭珍隆(2002)，「銀行授信信用風險溢酬之衡量」國立中山大學財務管理碩士班碩士論文





二、英文部份
Altman E. I. and A. Saunders（1998）, 「Credit Risk Measurement:Developments Over The Last 20 Years」, Journal of Banking andFinance 21, 1721-1742
Anthony Saunders and Linda Allen（2002）,「 Credit Risk
Measurement: New Approaches to Value at Risk and Other
Paradigms 」, John Wiley & Sons, Inc.
John C.Hull(2000),「Options,Futures,& Other Derivatives 5 」Prentice-Hall
Jarrow, Lando and Turnbull（1977）,「A Markov Model for the
Term Structure of Credit Risk Spread」, The Review of
Financial Studies, Vol. 10, No.2, 481-523.
Morgan J.P.(1997),「Credit MetricsTM-Technical Document」