風險值模型之應用--以不同時期本國銀行業為例

台灣金融業歷經了亞洲金融風暴、全球科技股泡沫化和台灣雙卡風暴等事件，但是對於不同放款項目較高的銀行業面對不同事件之風險值的研究相當匱乏，尤其是在特定事件中風險值討論更為稀少，導致營運風險損失資料不足以運用在監理規範上，產生風險管理的困窘。本研究使用常態分配、T-分配，對數常態分配、等量加權移動平均法、變異數-共變異數、GARCH、歷史模擬法、蒙地卡羅模擬法、拔靴法與核分位數法分析市場環境變化下的差異。至於驗證方法，則使用前向檢定與均方誤差法測試。結果發現，(1)國內民營上市銀行的風險值是會受到民營企業放款和消費者放款所影響。(2)亞洲金融風暴事件與科技股泡沫化事件對國內民營上市銀行的股價有明顯的影響，但雙卡風暴事件對國內民營上市銀行的股價影響較小。(3)在對民營企業放款較高之銀行分析時，在顯著水準為1%時，建議以T-分配較為適用。(4)在對消費者放款較高之銀行分析時，在移動窗口為60天與顯著水準為1%時，建議以等量加權移動平均法較為適用。(5)在全球性的事件(科技股泡沫化)中，須依不同的窗口與顯著水準有不同適用之模擬法。(6)在區域性的事件(亞洲金融風暴、雙卡風暴)中，須依不同放款項目有不同適用的模擬法。(7)外資持股越高，股價波動就會越大，一旦發生不利市場之事件時，股價報酬損失就越大。

關鍵字

風險值；無母數法；雙卡風暴；科技股泡沫化；亞洲金融風暴

並列摘要

In the past time, the banking industry experienced Asian Financial crisis, The burst of technology stock bubbles and Taiwan credit-card debt crisis etc, However the VaR research which the banks with higher risky loans facing different events is deficient. Especially the discussions of VaR in certain events are much more deficient. Above of all, it reduces the data of operation risk-loss cannot monitor the banking business and difficult risk management will happen. The research of this paper analyzes the difference of market environment change using Normal distribution, T-test, Lognormal distribution, Equally weighted moving average(MA), Delta normal, Generalized ARCH(GARCH), Historical simulation, Monte carlo simulation, Bootstrapping and Kmel Quantile Methods. The contribution is that the T-test method is approved more adative in the research of the banks with higher enterprise loans in 1% obviously. The MA method is approved more adative in the research of the banks with higher consumer loans in 1% obviously and 60days window.