本研究之目的在於針對KMV模型對於違約點之設定，並檢定此違約點是否適合於台灣上市、櫃公司的違約預測。而最適違約點的預測在文獻上非常少，因此，本研究提出以基因演算法（Genetic Algorithms；簡稱GA.）為基礎的KMV模型求解最適違約點。在實證上，我們比較了GA-KMV及KMV模型，結果顯示，前者無論在樣本內或樣本外、全產業、電子業或非電子業，其績效均優於KMV模型。我們進一步使用ROC曲線比較，結果還是GA-KMV優於KMV模型，這結果說明了GA-KMV有較高的適合度，此違約點適合應用台灣地區的上市、櫃公司，有助於我們預測違約機率和銀行授信風險管理的建構。

The purpose of this article is to investigate the optimal default point of Moody’s KMV model. We will test whether the default point is suitable for Taiwan’s list and OTC Companies or not and propose a new method based on genetic algorithms to be able to solve the optimal default point of KMV model. In empirical study, we have compared the GA-KMV with the KMV model. Results demonstrated that the percentage of correct either in-sample or out-sample, full industries, electronic industries or non-electronic industries, the GA-KMV model seems to be better than   the KMV model. In order to find these results, we further to use the ROC curve to test these two models. Similar results show that the GA-KMV model can outperforms the KMV model which means that the GA-KMV model is a best-fit. In consequence, we obtained the optimal default point of Taiwan’s list and OTC companies. This will help us predict the optimal default point and improve the performance of risk management of banks.

目　　　　錄
第壹章　緒　論	1
第一節　研究背景與動機	1
第二節　研究目的	4
第三節　研究架構	5
第四節　研究流程	6
第貳章　理論基礎與相關文獻探討	7
第一節　信用風險與違約事件的定義	7
第二節　信用風險模型的發展	9
第三節　KMV公司的Credit Monitor Model與相關文獻	16
第叁章　研究方法	24
第一節　Black & Sholes選擇權定價理論	24
第二節　Merton's Model	27
第三節　KMV之EDFTM信用風險模型	35
第四節　基因演算法	38
第五節　模型績效比較之方法	47
第肆章　實證結果與分析	51
第一節　研究對象、研究期間與資料處理	51
第二節　變數來源及操作性定義	53
第三節　GA參數設定與實證流程圖	56
第四節　GA-KMV之實證結果	59
第五節　KMV與GA-KMV之績效比較	63
第伍章　結論與建議	68
第一節　研究結論	68
第二節　後續研究之建議	69
參　考　文　獻	70
一、國內文獻	70
二、國外文獻	71

表　　　目　　　錄
表3 - 1   AUC值說明表	50
表4 - 1   違約公司之產業統計表	53
表4 - 2   違約公司之產業分類統計表	53
表4 - 3   全產業之樣本內資料之最佳違約點係數	60
表4 - 4   電子產業之樣本內資料之最佳違約點係數	61
表4 - 5   非電子產業之樣本內資料之最佳違約點係數	62
表4 - 6   全產業下，KMV與GA-KMV之預測正確率	63
表4 - 7   電子產業下，KMV與GA-KMV之預測正確率	64
表4 - 8   非電子產業下，KMV與GA-KMV之預測正確率	64
表4 - 9　 全產業下，KMV與GA-KMV之AUC比率	65
表4 - 10　電子產業下，KMV與GA-KMV之AUC比率	66
表4 - 11  非電子產業下，KMV與GA-KMV之AUC比率	67

圖　　　目　　　錄
圖1 – 1   研究流程圖	6
圖3 – 1   選擇權模型示意圖	28
圖3 – 2   預期違約機率與違約間距示意圖	29
圖3 – 3   單點交配示意圖	43
圖3 – 4   雙點交配示意圖	43
圖3 – 5   突變示意圖	44
圖3 – 6   CAP曲線圖	47
圖3 – 7   ROC曲線圖	49
圖4 – 1   GA-KMV之實證流程圖	58
圖4 – 2   全產業之最佳收斂代（門檻為0.3）	60
圖4 – 3   全產業之最佳收斂代（門檻為0.5）	60
圖4 – 4   全產業之最佳收斂代（門檻為0.8）	60
圖4 – 5   電子產業之最佳收斂代（門檻為0.3）	61
圖4 – 6   電子產業之最佳收斂代（門檻為0.5）	61
圖4 – 7   電子產業之最佳收斂代（門檻為0.8）	61
圖4 – 8   非電子產業之最佳收斂代（門檻為0.3）	62
圖4 – 9   非電子產業之最佳收斂代（門檻為0.5）	62
圖4 – 10   非電子產業之最佳收斂代（門檻為0.8）	62
圖4 – 11  全產業之ROC曲線圖（門檻值為0.3）	65
圖4 – 12  全產業之ROC曲線圖（門檻值為0.5）	65
圖4 – 13  全產業之ROC曲線圖（門檻值為0.8）	65
圖4 – 14  電子產業之ROC曲線圖（門檻值為0.3）	66
圖4 – 15  電子產業之ROC曲線圖（門檻值為0.5）	66
圖4 – 16  電子產業之ROC曲線圖（門檻值為0.8）	66
圖4 – 17  非電子產業之ROC曲線圖（門檻值為0.3）	67
圖4 – 18  非電子產業之ROC曲線圖（門檻值為0.5）	67
圖4 – 19  非電子產業之ROC曲線圖（門檻值為0.8）	67

一、中文部分
1.	王瑞銘（2008），「利用分量迴歸法探討KMV信用風險模型：違約點定義之檢討」，國立中山大學財務管理學系碩士在職專班碩士論文。
2.	李欣怡（2005），「以修正KMV模式為基礎探討台灣上市上櫃企業違約風險」，國立東華大學國際經濟研究所碩士論文。
3.	林世杰（2005），「比較會計基礎與或有權利之違約風險評價模型」，私立朝陽科技大學財務金融所碩士論文。
4.	林景春、陳達新、林允永、邱智偉（2000），「銀行授信風險評估：KMV實質選擇理論的應用」，產業金融季刊。
5.	許峻賓（2004），「KMV模型於預警系統之實證研究」，私立真理大學財經所碩士論文。
6.	許燕玲（2006），「KMV法適合估計台灣上市櫃企業的信用風險嗎？」，私立中原大學國際貿易研究所碩士論文。
7.	許鴻英（2004），「以選擇權模型衡量台灣上市公司信用風險之有效性」，國立台灣大學財務金融學研究所碩士論文。
8.	陳松男（2002），金融工程學，初版，華泰文化事業股份有限公司。
9.	陳思翰（2004），「商業銀行如何利用Logit及KMV模型檢視授信政策」，國立中央大學財務金融研究所碩士論文。
10.	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，第六卷，第二期，頁155-179。
11.	陳錦村（2003），風險管理概要：個案與實務，初版，新陸書局股份有限公司。
12.	黃亮維（2005 ），「預測台灣上市上櫃公司財務危機-信用評分法與選擇權評價法之比較」，私立淡江大學財務金融研究所碩士論文。
13.	楊棟樑（2004），「應用組合預測於信用風險之衡量」，國立政治大學企業管理研究所碩士論文。
14.	楊適銓（2008），「利用門檻迴歸探討KMV信用風險模型之違約點定義問題」，國立中山大學財務管理研究所碩士論文。
15.	趙令斌（1999），「以選擇權模式衡量信用風險」，私立東吳大學會計研究所碩士論文。
16.	謝元慶（2004），「市場價值反映與公司財務分析對信用評等之比較---以KMV與模糊理論為探討模型」，國立高雄第一科技大學風險管理與保險系碩士論文。
17.	羅靖霖、林彥豪（2007），「臺灣上市櫃市場信用風險之市場模型修正」，貨幣觀測與信用評等，第六十六期七月份，頁94-104。
18.	饒多年（2002），「從選擇權觀點探討我國上櫃公司違約距離與違約風險」，國立交通大學經營管理研究所碩士論文。

二、英文部分
1.	Arvanitis, A., J. Gregory, and J. P. Laurent（1999）, “Building Models for Credit Spreads.” Journal of Derivatives, Vol. 6, pp.27-43.
2.	Black, F. and J. C. Cox（1976）, “Valuing corporate securities：some effects of bond indenture provisions.” Journal of finance, Vol. 31, pp.35-367.
3.	Black, F. and M. Scholes（1973）, “The Pricing of Options and Corporate Liabilities.” Journal of Political Economy, Vol. 81, pp.637-659.
4.	Brennan, M. J. and E. S. Schwartz（1977）, “Convertible Bonds：Valuation and Optimal Strategies for Call and Conversion.” Journal of Finance, Vol. 32, No.5, pp.1699-1715.
5.	Brennan, M. J. and E. S. Schwartz（1978）, “A continuous time approach to the pricing of bonds.” Journal of Banking and Finance, Vol. 3, pp.133-155.
6.	Brennan, M. J. and E. S. Schwartz（1980）, “Analyzing Convertible Bonds.” Journal of Financial and Quantitative Analysis, Vol. 15, No.4, pp.907-929
7.	Das, S. R. and P. Tufano（1996）, “Pricing Credit-Sensitive Debt When Interest Rates, Credit Ratings, and Credit Spreads are Stochastic.” Journal of Financial Engineering, Vol. 5, pp.161- 198.
8.	Duffie, D. and K. Singleton（1997）, “An Econometric Model of the Term Structure of Interest Rate Swap Yields.” Journal of Finance, Vol. 52, pp.1287–1321.
9.	Geske, R.（1977）, “The Valuation of Corporate Liabilities as Compound Options.” Journal of Financial and Quantitative Analysis, Vol. 12, pp.541-552.
10.	Guption, G. M., C. C. Finger and M. Bhatia （1997）, “CreditMetrics - Technical Document.” New York, J. P. Morgan .
11.	Holland, J. H. (1975), “Adaptation in Natural and Artificial Systems.” University of Michigan Press, Ann Arbor.
12.	Hosmer, D. W. and S. Lemeshow（2000）, Applied Logistic Regression, 2th　ed. John Wiley & Sons, Inc.
13.	Ingersoll, J. E.（1977）, “A contingent-claims valuation of convertible securities.” Journal of Financial Economics, Vol. 4, pp.289-321.
14.	Jarrow, R. A., D. Lando and S. M. Turnbull（1997）, “A Markov Model for the Term Structure of Credit Risk Spread.” The Review of Financial Studies, Vol. 10, pp.481-523.
15.	Jarrow, R. and S. Turnbull（1995）, “Pricing Derivatives on Financial Securities Subject to Credit Risk.” Journal of Financial, Vol. 50, pp.53-86.
16.	Jeffrey R. Bohn（1999）, “Characterizing Credit Spreads.“ University of California, Haas School of Business.
17.	Kealhofer, S. and M. Kurbat（2001）, “The Default Prediction Power of the Merton Approach, Relative to Debt Ratings and Accounting Variables.” KMV Company.
18.	Kealhofer, S.（2003）, “Quantifying Credit Risk I Default Prediction.” Financial Analysts Journal, Vol.59, Issue 1, pp.33-44.
19.	Kodera, E.（2001）, “A Markov Chain Model with Stochastic Default Rate for Valuation of Credit Spreads.” Journal of Derivatives, Vol. 8, pp.8-18.
20.	Lando, D.（1998）, “On Cox Processes and Credit Risky Securities.” Review of Derivatives Research, Vol. 2, pp.99-120.
21.	Leland, H. and K. B. Toft（1996）, “Optimal Capital Structure, Endogenous Bankruptcy and the Term Structure of Credit Spreads.” Journal of Finance, Vol. 51, pp.987-1019.
22.	Leland, H.（1994）, “Corporate debt value, bond covenants, and optimal capital structure.” Journal of Finance, Vol. 49, pp.1213-1252.
23.	Longstaff, F. A. and E. S. Schwartz（1995）, “A simple approach to valuing risky fixed and floating rate debt.” Journal of Finance, Vol. 50, pp.789-819.
24.	Lu, Su-Lien and Chau-Jung Kuo（2005）, “How to gauge the credit risk of guarantee issues in a Taiwanese bills finance company: an empirical investigation using a market-based approach” Applied Financial Economics, Vol. 15, pp.1153-1164.
25.	Madan, D. B. and H. Unal （2000）, “A Two-Factor Hazard Rate Model for Pricing Risky Debt and the Term Structure of Credit Spreads.” Journal of Financial and Quantitative Analysis, Vol. 35, pp. 43-65.
26.	Naoya Takezawa and Nobuya Takezawa（2005）, “A Note on Credit Risk of Vertical Keiretsu Firms：Preliminary Evidence from the Japanese Automobile Industry.” Asia-Pacific Financial Markets.
27.	Patel. K. and P. Vlamis（2006）, “An empirical estimation of default risk of the UK real estate companies.” Journal of Real Estate Finance and Economics, Vol.32, pp.21-40.
28.	Sobehart, J., R. Stein, V. M. Stein and L. Li（2000）, “Moody’s Public Risk Firm Risk Model：A Hybrid Approach to Modeling Short Term Default Risk.” Moody’s Investor Service.
29.	Srinivas, M. and Lalit M. P.（1994）, “Genetic Algorithms - A Survey” IEEE Computer, Vol.27, No.6, pp.17-26.
30.	Tudela, M. and G. Young（2003）, “A Merton Model Approach to Assessing the Default Risk of UK Public Companies.” Bank of England Working Paper Series.
31.	Van Deventer, Donald R. and Xiao-ming Wang（2003）, “Measuring Predictive Capability of Credit Models Under the Basel Capital Accords：Conseco and Results from the United States, pp.1963-1998.” Kamakura Working Papers.
32.	Zhou, Chun-sheng（1997）, “A Jump-Diffusion Approach to Modeling Credit Risk and Valuing Defaultable Securities.” Working Paper, Washington, DC：Federal Reserve Board.