Page 254 - 信用衍生性金融商品

3. 類神 經 網路 分析法

違約 機 率之 研究除傳 統統計方法外， 近來尚 有以人工 智慧 （ Artificial
Intelligence ）為 基礎 的 類神 經 網路 法（ Neural Network Approach ），其模型是模

擬 人 類 大 腦 思 考 的方 式建構 出 來 的 系 統，它是 藉由學習訓練範 例的過 程 ， 來找 出
輸入 變數與 輸 出變數 間 之關係， 並建構 出 預測 模型。
2
Dutta & Shekhar （ 1988 ） 首 將 類神 經 網路 分析法 應 用於債券的信用分 級 ，
研究 模 擬 不 同 數目的 自 變數及 網路架構 下，對等 級 分 辨 能 力 的影響， 預測準確 率
為 76% 至 82% 之 間 ， 自 此 類神 經 網路 便成為 研究 信用分 級 的主要方法之一。

）問題
Multicollineariity
，
共線
性（
力
、也無
之能 本法優點為模型無需常 自 變數是 否 具 態 分 配 的 假設 ， 且 具有處理 ）的顧 非線 慮 性（ 並 Nonlinear 可 接 受 質化 變
數；缺點為模型 運作 時是 黑箱作業 （ Black Box Process ），無法得 知 其 運作 方
式 、 沒 有統計理論與 基礎 。
（二）信用評等法

本法係利用外部評等 機構 過去信用評等的資料，統計各評等 別 與 期限別 之違
約 機 率， 作 為評估 償 債能 力 及定價之參 考 。

較高信用評等與較低的違約率有關，因此 這項 資 訊 可 作 為 推 算 期初某 一評等
類級 公司違約 機 率的估計 值 。例如，表 7-1 、表 7-2 為 Moody’s 及 S&P 記錄

級
對各評等等
1
經過
年間
1920-2002
3 年 至 20 年期間 ，發生違約的 累積機 率
（ Cumulative Default Rates ）統計 值 ；此 種 統計表是 十 分 重 要的資 訊 ， 廣 為市
場 採 用。
觀察 表 7-1 ， Moody’s 之 A 級 評等的公司在次一 年會 有大約 平均 0.08% 違約
機 率，評等 Baa 級 的借款人在次一 年會 有 平均 0.34% 的違約 機 率，而評等在 Caa
級 以下的公司違約 機 率則為 14.74% 。而表 7-2 顯 示 S&P 的 A 級 評等約有 0.05%
違約 機 率； BBB 級 評等其在次一 年平均 有 0.36% 的違約率，比率與 Mooyd’s 相

去不 遠 ； 惟 CCC 級 以下次一 年 違約 機 率為 30.95% ，大 幅 高於 Moody’s ， 十 分 值
得 深究 。

240