Page 26 - 臺大管理論叢第32卷第1期

Extracting Liquidity Risk Factors by Credit Default Swap Quotation and Corporate Bond Yield:
An Experimental Investigation

( 四 ) 資料整合
本研究嘗試結合 CDS premium 與公司債殖利率，以估計公司之違約因子，因此
要結合三種資料庫，分別是CDS premium資料庫 (GFI CDS)、公司債資料庫 (TRACE)
與信用評等資料庫 (FISD)。首先本研究將 CDS premium 資料與公司債資料配對，
由於在配對過程中發現 CDS premium 資料庫並不存在如公司債資料庫所有之標準
的辨識碼 (Identifier) 如 CUSIP ID，因此需要以特殊的字符串模糊匹配 (Fuzzy String

Matching) 方法來配對，配對邏輯是將 GFI CDS 資料庫中的公司名稱與 TRACE 資
料庫做比對。
本研究 CDS premium 資料之樣本涵蓋 2,677 個公司名稱，公司債資料庫之樣本
則涵蓋 7,338 個公司名稱，總計有 1,074 間公司成功比對。之後，再將這些配對後
的資料與 FISD 資料庫之信評資訊分類處理，讓同時擁有 CDS premium 資料與公司
債殖利率資料的公司能依信用評等分類，以便能更有效率進行實證研究。

由於 CDS 交易頻率較低，部分公司的日資料容易發生交易日不連續的問題，
難以和公司債資料配對做出連續的時間序列，本研究為了排除這樣的問題，將資料
頻率由日資料轉換成週資料。轉換的作法是將每週一至週末的資料分成一組，由於
TRACE 公司債資料庫的殖利率只有交易資料而沒有報價資料，所以本研究先以公
司債當日實際交易紀錄的最後一筆資料作根據，再用 CDS 報價資料中的買賣價平
均來配對，如此形成日資料的概念。轉換成週資料時，再用每週最後一個交易日（大
致上是星期五，若遇休市則再往前取樣）將各公司該週最後一筆報價資料計算出來
置入該組，從 2001 年 7 月至 2015 年 10 月共整理出 774 組週資料。
本研究限制 CDS premium 樣本資料為美元計價，5 年合約期間，並以 MMR 或

MR 為結算條件。而公司債方面則使用三次樣條插值 (Cubic Spline) 的方式內插至五
年期殖利率，這是因為每家公司不一定都有五年期公司債殖利率的交易資訊，故無
法與五年期 CDS premium 資料配對。本研究便使用此種方法模擬出各公司在該時點
擁有五年期公司債的殖利率，以提高配對的樣本數量。透過樣本時間內有 CDS 交
易的公司與相對應的公司債殖利率配對，最終得到 472 家公司為合格樣本。
雖然本研究找出 1074 家同時存在 CDS 與公司債資料的公司，但兩種交易工具
所存在的市場資料期間未必能夠吻合。這主要是因公司債發行的期間較不穩定，且

會因到期後若沒有重新發債便會產生資料缺失的情況，導致某公司有一段時間會有
交易紀錄，但某些時段則不存在。另外的原因則是 TRACE 債券資料早期資料相對
不齊全，因為早期低信用評級債券資料較少，所以在資料配對過程中，會發現有些
公司在樣本期間內存在公司債資料期間但卻找不到 CDS 資料來配對，有些則是存
在 CDS 資料期間但找不到公司債資料來配對，以致最終合格的樣本公司大幅減少
到 472 家。

18