投資人所追求的最大利益，無非是在股價報酬極大化，2008 年金融海嘯過後，風險的角色漸漸受到投資人的重視，因此，風險管理與估算也越來越複雜與詳盡。而本研究主要研究的風險為：非系統性風險與信用風險。在金融海嘯之後，各國對於信用風險的重視程度日益漸增，且目前歐債問題延燒全球，使得信用評等公司發布之訊息無不受到各國政府及投資人的重視。除了信用風險所扮演的角色日益受到關注之外，公司的特有風險，也就是非系統性風險，在解釋標的物股價報酬上的角色越來越重要。因為，近來的實證研究上發現股票風險的高低也會受到特別風險所影響，也就是說個股風險會受到非系統性風險的影響，並不像資本資產訂價理論所闡述:只有單一市場風險(系統性風險)才會影響報酬。
因此，本研究根據 Kuo and Lu (2005)，運用市場模型與馬可夫狀態轉模型，估算企業的非系統性風險並結合 Moody’s KMV 信用風險模型，估算企業信用風險，實證對象為證交所台灣 50 指數成分股掛牌企業為研究資料，樣本期間為 2002年 1 月 1 日至 2010 年 12 月 31 日，研究分析非系統性風險與信用風險之間是否有相關聯。並進一步分析各個產業之非系統性風險與信用風險是否存在差異，或相同產業內的不同公司所面臨之非系統性風險與信用風險是否有不同，以期待能給予投資人除了報酬之外，另一個選擇股票標的的指標。
本研究實證結果發現：非系統性風險與信用風險呈現正向關係。且不同產業在相同期間內，不論是非系統性風險或是信用風險都呈現顯著的差異，在信用風險上，以塑膠產業及通信網路產業所估算出的信用風險較其他產業小；而電子產業及金融產業所估算出之信用風險較大。研究也發現：即使在相同產業中，各公司也會因為本身財務體質或是風險控管能力的不同而有所差異。以金融業為例：在海嘯期間以國泰金及第一金表現較為優異，也就是說，由模型所估計出的信用風險較小。

In order to get maximum profit, investors start to high attention on risk management after financial crisis in 2008. Therefore, risk management and predict become more and more complex. This paper mainly focuses on two risks, including non-systematic risk and credit risk. After financial crisis, countries pay more attention on credit risk, and now because of Europe debt crisis, investors and governments are
also concerned with the messages about credit rating which are published by Credit Rating Agency. Besides credit risk, the firm’s specific risk (i.e. non-systematic risk) is also more important than before. Recent empirical studies find that the stock is not on
affected by systematic risk, but also affected by non-systematic risk.
According to Kuo and Lu (2005), this thesis uses two models: Moody’s KMV credit model and Markov regime switching model to estimate credit risk and non-systematic risk. The period is from January 2002 to November 2010. Testing samples are data from constituent stocks of the Taiwan 50. The purpose of this paper is researching the relationship between credit risk and non-systematic risk.
The empirical results show that there is the positive relationship between non-systematic risk and credit risk. And among different industries, non-systematic risk or credit risk also shows the significant differences. For plastic industry and
communications network industry, there is lower credit risk. However, for electronics industry and financial industry, there is higher credit risk. The study also found that even in the same industry, each company will face different risk level.

目錄
論文審定書……………………………………………..ⅰ
誌謝……………………………………………………..ⅱ
中文摘要…...……………………….….. ……………..ⅲ
英文摘要………………………………………..……...ⅳ
第一章 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 研究架構與流程…………………………....5
第二章 文獻探討…………………………..........…..7
第一節 非系統性風險…………………………....…7
第二節 違約定義與信用風險……………………....9
第三節 信用風險模型……………………………...12
第四節 馬可夫狀態轉換模型……………………...19
第三章 研究方法與模型應用…………………...…23
第一節 研究步驟與方法………………………...…23
第二節 模型應用………………………...............…24
第四章 實證結果與分析…………………………...32
第一節 樣本資料與期間…………………………...32
第二節 財務變數說明………………………...........35
第三節 樣本企業之信用風險……………………...36
第四節 樣本企業之非系統性風險…….…………..44
第五節 樣本企業非系統性風險與信用風險之分析 .68
第五章 結論與建議……………………...........……70
第一節 研究結論 .……………………....................70
第二節 研究建議………...…………………………71


參考文獻………….........................................................72
附錄…………………………….....................................77

1. 中小企業信用保證基金 95 年度委託研究計畫，「中小企業信保基金主要保證業務-違約機率與信用風險之評估」研究保告，2006。
2. 吳紫菱 (2008)，「企業償債能力與信用風險關係之研究 - KMV 模型的再探討」，國立中山大學財務管理研究所碩士論文。
3. 李怡玫 (2009)，「內生化信用風險模型：回復率、違約機率與景氣情況」，國立中山大學財務管理研究所碩士論文。
4. 李佳穎 (2009)，「回復率、違約機率與信用評等間關係之研究 - 以上市企業有發行公司債者為研究對象」，國立中山大學財務管理研究所碩士論文。
5. 莊元豪 (2008)，「KMV 信用風險模型運用於台灣上市上櫃企業之適切性-模型違約點再修正」，國立中山大學財務管理研究所碩士論文。
6. 孫培倫 (2008)，「台灣市場公司規模與信用風險關係之研究 - KMV 模型的再探討」，國立中山大學財務管理研究所碩士論文。
7. 郭照榮(2008)，「關於 KMV 信用風險評估模型的三個重要議題之研究」，行政院國家科學委員會專題研究計畫成果報告(NSC-96-2416-H-110-023)。
8. 郭照榮 (2006a)，「如何聯立估計銀行放款違約機率與回復率？」，行政院國家科學委員會專題研究計畫成果報告(NSC-94-2416-H-110-033)。
9. 郭照榮 (2006b)，「中小企業信保基金主要保證業務違約機率與信用風險之評估」，中小企業信用保證基金實證研究計畫成果報告。
10.郭照榮 (2010)，「企業整合信用風險之研究 - 結構式與縮減式信用評估模型之聯結」，行政院國家科學委員會專題研究計畫成果報告(2/2) ， (NSC-97-2416-H-110-013-MY2)。
11. 郭照榮 (2011)，「信用保證放款承保風險之評估：以時間變異聯合估計模型及二項數方法預估其代償金額」，行政院國家科學委員會專題研究計畫成果
報告，(NSC-99-2410-H-110-028)。
12. 楊忠憲(2004) ，「銀行信用風險之銀行-馬可夫轉換模型之應用與實證」，國立中山大學財務管理研究所碩士論文。
13. 許燕玲（2006），「KMV 法適合估計台灣上市櫃公司的信用風險嗎？」，私立原大學國際貿易研究所碩士論文。
14. 姬慧婕(2008) ，「員工分紅配股費用化規定下企業配股策略之研究-馬可夫狀態轉換模型之應用」，國立中山大學財務管理研究所碩士論文。
15. 林妙宜 (2002)，「公司信用風險之衡量」，國立政治大學金融研究所碩士 論文。
16. 黃千峯 (2008)，「流動能力對台灣上市上櫃公司違約機率之影響 - 門檻迴歸模型之應用」，國立中山大學財務管理研究所碩士論文。
17. 陳國鐘 (2002) ，「台灣勞動市場之動態分析-馬可夫轉換向量均衡修正模型（MS-VECM）」，中國文化大學經濟學研究所碩士論文。
18. 陳家雄 (2005) ，「匯率波動與外資買賣：馬可夫轉換模型之運用」，輔仁大學金融研究所碩士論文。
19. 林振雲 (2007) ，「半導體產業循環之分析-馬可夫狀態轉換模型的運用」，世新大學財務金融研究所碩士論文。
20. 黃裕烈（1996），「Markov Switching Model：台灣實質 GNP 的應用」，台大經濟系碩士論文。
21. 林向愷、黃裕烈、管中閔（1998），「景氣循環轉折點認定與經濟成長率預測」，經濟論文叢刊，26，431-457。
22. 陳仕偉、沈中華（2003），「台灣景氣循環持續依存特性之探討」，經濟研究所台灣經濟預測與政策期刊（TSSCI），34(1)，63-92。
23. 吳季陶 (2005)，「狀態變遷與動態資產配置」，世新大學碩士論文。

1.Black, F., & Myron, S. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-654.
2.Campbell, J. Y., Lettau, M., Malkiel, B. G., & Yexiao, X. (2001). Have Individual Stocks Become More Volatile? An Empirical Exploration of Idiosyncratic Risk.Journal of Finance, 56(1), 1-43.
3. McQueen, G. and Thorley, S.（1991）. Are Stock Returns Predictable? A Test Using Markov Chains. The Journal of Finance, 46:1, 239-263.
4. Longstaff., and Schwartz .(1995) . A simple approach to valuing risky fixed and floating rate debt. Journal of Finance 50: 789-819.
5.Chau-Jung, K., & Su-Lien, L. (2005). Taiwan's financial holding companies: an empirical investigation based on Markov regime-switching model. Applied Economics, 37(5), 593-605.
6. Hamilton, J. D. (1989). A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle. Econometrica, 57(2), 357-384.
7.Goyal, A., & Santa-Clara, P. (2003). Idiosyncratic Risk Matters! Journal of Finance, 58(3), 975-1007.
8.Levy, H. (1978). Equilibrium in an Imperfect Market: A Constraint on the Number of Securities in the Portfolio.American Economic Review, 68(4), 643-658.
9. Guidolin, M. and A. Timmermann.（2006）. An econometric model of nonlinear dynamics in the joint distribution of stock and bond returns. Journal of Applied Econometrics, 21, 1-22.
10. Schaller, H. and Norden S. (1997).Regime Switching in Stock Market Returns. Applied Financial Economics, Vol.7, 177-191.
11.Merton, R. (1987). A Simple Model of Capital Market Equilibrium with Incomplete Information. Journal of Finance, 42, 483-510.
12. Hayne E. Leland . (1994) . Corporate Debt Value, Bond Covenants, and Optimal Capital Structure. Journal of Finance, Vol.49 No.4. pp. 1213-1252.
13. Hamilton, J.D. and R. Susmel . (1994) . Autoregressive conditional heteroscedasticity and changes in regime. Journal of Econometrics, Vol.64, 307-333.
14. Dutta , S., & Shekhar , S. (1988). Bond rating: A non-conservative application of neural network. Proceedings of the IEEE International Conference on Neural Networks , I I, 443-445
15.Yexiao, X., & Malkiel, B. G. (2003). Investigating the Behavior of Idiosyncratic Volatility.Journal of Business, 76(4), 613-644. 16. Goetzmann and Kumar ( 2005). Why do individuals hold underdiversified portfolios?, Working Paper, Yale School of Management.
17. Spiegel, Matthew, and Xiaotong Wang. (2005). Cross-sectional Variation in stock returns: Liquidity and idiosyncratic risk.Unpublished working paper, Yale
University. 18. D.Nelson. (1991).Conditional Heteroscedasticity in Asset Returns: A New Approach,”Econometrica, Vol.59,pp.347-370.
19. Ang, A., R.J. Hodrick, Y. Xing and X. Zhang. (2006). The Cross-Section of Volatility and Expected Returns.Journal of Finance, Vol. LXI , pp. 259-299.
20. Bali, T. G., and N. Cakici.( 2008). Idiosyncratic Volatility and the Cross-Section of Expected Returns. Journal of Financial and Quantitative Analysis 43:29-58
21. Angelidis, Timotheos and Nikolaos Tessaromatis. (2009) .Idiosyncratic Risk Matters! A Regime Switching Approach . International Review of Economics and
Finance, Vol. 18, 132-141
22. Turner, C.M., R., Startz, and C.R., Nelson.(1989 ). A Markov model of heteroskedasticity, risk, and learning in the stock market. Journal of Financial
Economics 25, 3-22.
23. Diebold, F.X. and G.D. Rudebusch. (1996). Measuring business cycles: A modern perspective. Review of Economics and Statistics, 78, 67-77.
24. Kim, C.J and C.R. Nelson. (1998). Business cycle turning points, a new coincident index, and tests of duration dependence based on a dynamic factor model with regime switching. Review of Economics and Statistics, 80, 188-201.
25. Morten O. Ravn and Martin Sola.(1995).Stylized facts and regime changes: Are prices procyclical? Journal of monetary economics, 36, pp.497-526.
26. Raymond and Rich. (1997).Forecasting output using oil prices: A cascaded artificial neural network approach.Journal of Economics and Business Volume 58, Issue 2, March-April 2006, pp.168-180.