SETAR model

SETAR model（Self-Exciting Threshold Autoregressive model）是一種非線性時系列模型，其模型結構在不同閾值區間內呈現不同的參數形式。模型的核心假設是：系統的未來行為取決於過去的觀測值與當前狀態的交互作用，而非單一線性關係。相較於傳統AR模型，SETAR能捕捉「結構性轉變」（structural breaks）與「閾值效應」（threshold effects），這在金融市場、能源價格及匯率風險管理中尤為關鍵。根據統計學理論，SETAR模型在捕捉極端事件（如金融危機、政策轉向）時比線性模型更具解釋力。在企業風險管理框架中，SETAR屬於量化風險分析工具，用於識別風險變數在不同情境下的非對稱反應，協助企業建立動態的風險預警機制。值得注意的是，SETAR模型本身屬於統計學方法論範疇，其應用邏輯與ISO 31000:2018中「風險評估」（Risk Assessment）的系統性要求相呼應，要求企業在不同情境下進行情境分析以提升風險治理能力。

SETAR model在企業風險管理中的應用可分為三個具體步驟：第一步，情境識別與閾值設定。企業需蒐集歷史風險數據（如匯率、利率、商品價格），利用統計檢定（如Buzinger、González、González、López、Timoteo與Timoteo於2007年提出的方法）確定閾值位置。第二步，多情境模型建立。針對不同閾值區間建立對應的參數模型，例如在低波動區間使用收斂性參數，在高波動區間使用擴散性參數。第三步，動態風險限額調整。根據當前風險變數所處的閾值區間，自動切換風險限額（Risk Limits）與對沖策略。例如，當市場波動超過特定閾值時，模型觸發「高波動模式」，企業應立即啟動預防性對沖。此流程符合ISO 31000:2018第6.4.3條「風險評估」中對風險測量的要求，確保風險處理策略與實際風險環境相匹配。

台灣企業導入SETAR model主要面臨三項挑戰。第一項是數據品質與頻率問題：SETAR模型需要高頻、連續的歷史數據才能準確估算閾值，而許多台灣中小企業的風險數據存在斷層。解決方案是建立統一的數據治理框架，確保風險數據的完整性與可追溯性。第二項是技術人才缺口：SETAR屬於進階計量經濟模型，需要具備統計學背景的風險管理人員才能正確解讀結果。企業應投資專業培訓或與學術機構合作。第三項是模型假設的適用性：SETAR假設閾值是固定的，但台灣市場環境（如台幣匯率政策、半導體產業週期）變化迅速。企業應定期進行後驗檢驗（Backtesting），並結合專家判斷動態調整閾值設定。建議導入時程為：第一年建立數據基礎設施，第二年進行模型開發與驗證，第三年全面整合進風險管理系統。

SETAR model直接對應ISO 31000:2018中的「風險評估」與「風險處理」要求，特別是其對情境化風險評估（Scenario-based Risk Assessment）的技術支持。此外，在金融風險管理領域，SETAR模型與巴塞爾協議三（Basel III）中關於市場風險計量與壓力測試的要求高度相關。巴塞爾協議三要求銀行對市場風險進行壓力測試，而SETAR模型能模擬極端情境下的非線性風險暴露，協助銀行符合資本適足率要求。此外，SEC（美國證券交易委員會）的SEC S-X 4.12規定了公眾公司對衍生性金融工具的公允價值揭露要求，SETAR模型可作為估值模型的一種補充工具，協助企業在不同市場狀態下進行情境揭露。