Page 451 - 現代銀行監理與風險管理(增修訂二版)
P. 451

第  19  章 場外監控    —— 金融預警制度        433




               二、斯可模型


                        年,美國      聯邦存    款  保 險  公司發   展  一 套  斯  可   (SCOR)   或統計  堪  模斯
                    1995
               場外   評 等    (statistical CAMELS off-site rating, SCOR)   模型  ,以  代替  原有的  卡
               爾   (CAEL)   場外  評 等  系  統。  斯 可  模型  係  根  據銀行  每  季  填 報  呈給  主管機關的

               監 理  報告,利     用  統計上的有序       羅吉   特 模型    (ordered logit model)  ,以估計目
               前 堪  模斯綜合評      等 滿意   銀行    (  評 等為  1 或  2)   可能  降 級的機率,其    理由  為目前

                  地  檢查未   達  滿意評   等   (  評  等為  3 、  4  、  5)   的銀行  業已接  受  較  嚴  格  的監控。
               實
               因此,只有目前         滿意評    等   (  評 等為  1  或 2)   的銀行  需 要估計可能的     降 級。該    模

               型 比較前一年監        理  報告中的財務資料與目前的               堪 模斯評    等,  迴 歸估計    乃 以目
               前的監    理 報告資料進行,以估計             未 來的   評 等,其前     提  假設  為前期報告資料與

               目前   檢查評    等間的關     係 於  未 來將持   續 有效。
                    斯 可  模型使用     逐  步估計以     消 去統計上不顯        著 的  變  數。  斯  可  模型  的  解  釋
               變 數包括    逾  期 30  ~  89  天 放款、  逾  期 90  天  以上放款、  已  不計息  催 收放款、其他

               沒 入不動產放款、         備抵   放款與租     賃 損 失  、 壞帳   沖銷  總額、    提  列放款與租     賃  損
               失 、稅前及非       常提  撥  前收益、     波  動性負債、流動資產、放款與               長  期  證 券、及

               權 益資本等      12  個  解 釋 變  數  (  詳 表 19-2)  。流  量變  數  (  如 壞帳  沖銷  額、  提  列放款
               與租   賃 損  失  、及稅前    純  益等  )   採四  季總額,而    存量變    數  係 根 據  每 季報告上     每
               季 底  的金額。如上述         變 數與  檢查評    等間的關     係  變 動,此將經      由 估計   係 數 變  動

               反映   於 模型   中。此   模型   中  許 多變  數事  實  上類似於     聯邦  準  備 銀行之    希爾評   等  模
               型 中的   變 數。可是,與        希爾評    等  模型  不同的是,前期        堪  模斯評   等並   未 列入   斯

               可 模型   的 變  數中。   斯  可 評  等估計   時 程 是  4 到  6 個  月 , 曾  經 嘗試  12  到 18  個 月 較  長
               的 時  程 , 但  產出   (  結果  )   的 精  確 性在  6 個  月 期 後  開始  下  降 。

                    斯 可產出     (SCOR output)   是一表    格  形 式,列出     1  至 5 每  一可能  評 等的機
               率,並    由  此估  得  銀行下期的      綜合評   等。例如,       A  銀行目前    評  等為  1  或 2  ,則其

               降 級機率     (probability of downgrade)   將等於下    次 被 評  等為  3 、  4 、及  5 之個別
               機率的加總。        根  據表  19-3  ,  假設  A  銀行  實  地 檢查  的 楷  模斯綜合評     等為  2  ,場
               外監控之     斯  可  模型  所計算該行      降  級機率或     接 受  一 綜合評   等為   3  、  4 、或  5 的機
   446   447   448   449   450   451   452   453   454   455   456