探討支持向量機器在發行人信用評等分類模式之應用

信用評等制度在金融市場已行之有年，其在企業籌資、投資人資訊取得、銀行授信參考，以及規範一般機構投資標的上，均扮演著相當重要的角色。信用評等的主要目的乃在評量債券、票券發行機構或存款機構信用品質的良窳，以利投資人做出合理的決策。過去信用評等的研究大多針對一般產業的公司債建立分類模式，較少針對發行機構本身的信用評等進行研究。早期的研究方法大多採用統計方法，近期乃有以人工智慧為基礎之各種演算法，例如類神經網路及case-based reasoning等。本研究嘗試應用一項新近發展且已獲得相當高分類正確率的人工智慧方法support vector machines (SVM)來建構發行人信用評等分類模式。為驗證SVM的可用性，我們將以標準普爾公司（Standard and Poor's，以下簡稱S&P）所發佈的一般產業發行人信用評等資料樣本為例，選擇S&P評時所考慮之相關重要財務變數及國家風險因素作為模式的輸入變數，並以類神經網路方法為基準與SVM方法進行比較，實證結果顯示SVM模式優於類神經網路模式。