臺灣博碩士論文加值系統

信用評等(credit rating)及風險評估(risk assessment)是金融機構用以評量借款企業償債能力的兩項重要工具。有鑑於全球性的經濟不景氣及國內政策不穩定，且「新巴塞爾資本協定」( New Basel Capital Accord )已明文規定自2006年底金融機構可使用自行創立之內部評等方法來衡量借款企業信用風險，因此銀行或各金融機構構建一個適用於其特殊放款特性之有效信用評等及風險評估模型是非常重要的課題。然而至今中外文獻所提出之信用評等與風險評估模型大多是以上市、上櫃公司為研究對象，故對在我國扮演經濟主體之中小企業而言，可能並不適用。因此本研究應用資料包絡判別分析法(Data Envelopment Analysis - Discriminant Analysis, DEA-DA)與邏輯斯迴歸建構一個中小企業之信用評等與放款風險之整合模型。本研究之模型建構流程是針對所蒐集之中小企業之財務變數、非財務變數以及總體經濟因素等應用資料包絡判別分析法建立信用評等分數並訂定各信用等級之標準；再應用邏輯斯迴歸建立違約率(probability of default, PD)預測模型。本研究成果可寫成軟體程式，銀行業者只需輸入中小企業之財務、非財務及總體經濟因素資訊，即可得到其信用等級及違約率，因此可快速準確做出適當之放款決策。本研究之貢獻為提供金融機構一個準確且應用簡易之信用評等與風險評估之整合模型，以有效降低逾放款比率。本研究最後以台灣某金融機構所提供之中小企業借款客戶的實際歷史資料，證實了本研究所建構之中小企業信用評等流程確實有效。

Many banks and financial institutions have suffered serious loan risk due to the globalization and the instability of political and economic situations. To meet the requirements from the New Basel Capital Accord (Basel II) and to minimize the credit risks due to incorrect loan decisions, it is very important for banks and financial institutions to develop a reliable procedure to evaluate the credit risks resulting from defaults. Two important methods - credit rating and risk assessment are commonly utilized to evaluate solvency of enterprises. Many studies on credit rating model are based on the financial data drawn from the publicly traded companies. However, it is not appropriate to apply the credit rating model for publicly traded companies directly to those banks or financial institutions whose customers are mainly small and medium-sized enterprises. Therefore, this study employs Data Envelopment Analysis - Discriminant Analysis (DEA-DA) and logistic regression to construct a integrating credit rating and risk assessment model for small and medium-sized enterprises. The proposed procedure consists of three stages: 1.selecting appropriate financial variables and collecting the data; 2. utilizing DEA-DA to evaluate the credit rating score for each loan business and establish a standard for rating the credit of the loan business; 3.constructing a prediction model of default probability using logistic regression. Finally, a real case from a Taiwanese loan company is utilized to demonstrate the effectiveness of the proposed procedure

目錄
摘要 I
英文摘要 II
誌謝 III
目錄 V
表目錄 VII
圖目錄 VIII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究方法 4
1.4 研究假設 4
1.5 研究架構 5
第二章 文獻探討 6
2.1 信用評等與風險評估 6
2.1.1信用評等與風險評估之定義 6
2.1.2新巴塞爾協定與內部評等法 7
2.1.3信用評等與風險評估之比較 8
2.1.4 信用評等與風險評估之相關文獻 9
2.1.5信用評等模型之檢定與評估 10
2.2 資料包絡法 11
2.2.1 CCR模型 12
2.2.2 SBM模型 14
2.2.3資料包絡判別分析 16
2.2.4 DEA之特性與限制 17
2.2.5應用DEA於企業評等之相關文獻 17
2.3 邏輯斯迴歸 18
2.3.1 邏輯斯迴歸之簡介 18
2.3.2 邏輯斯迴歸模型之建立 18
2.3.3參數檢定 19
第三章 研究方法 21
3.1研究架構 22
3.2資料蒐集與整理 22
3.3建立信用評等分數並決定信用分等標準(信用評等模組) 23
3.4建構整合風險評估模型(風險評估模組) 23
第四章 實例驗證 25
4.1資料蒐集與整理 25
4.2建立信用評等分數指標並決定分等標準(信用評等模組) 25
4.3建構借款企業風險評估模組及預測違約機率 30
4.4實例驗證之結論 33
第五章 結論 35
5.1 結論 35
5.2 建議 36
參考文獻 38

[1] 丁玉成，「臺灣區銀行信用評等之模型研究：以 BankWatch 評等為基礎的實證研究」，臺灣大學商學研究所資訊管理組博士論文，2000。
[2] 王濟川、郭志剛 「Logistic迴歸模型-方法與應用」，五南出版社，第二版，2004。
[3] 王冠倩，「金融機構放款效率之評估-資料包絡分析法之應用」，國立高雄第一科技大學金融營運系碩士論文，2004。
[4] 沈俊誠, 「整合金融機構風險評估與信用評等模型之研究」，交通大學工業工程研究所碩士論文，2004。
[5] 林筱婷，「中小企業信用評等判別程序之構建-以台灣某金融機構為例」，國立交通大學工業工程研究所碩士論文，2007。
[6] 吳莉安，「中小企業違約信用風險評估流程」,國立交通大學工業工程研究所碩士論文，2006。
[7] 高強，黃序男，Sueyoshi，「管理績效評估-資料包絡法」，華泰文化事業公司。
[8] 信用風險IRB小組 (2004), 「新巴塞爾資本協定—信用風險內部評等法簡介」, 華南商業銀行專題論述,24, 10-14。
[9] 莊欣霖，「應用羅吉斯迴歸構建銀行放款信用評等模型」，交通大學工業工程與管理研究所碩士論文，2002。
[10] 陳英豪，「應用自組性演算法建構企業信用評等模型」,國立交通大學工業工程研究所碩士論文，2005。
[11] 孫敏瑗，「加入信用評等下的銀行績效評估」，東吳大學經濟學系碩士論文，2005。
[12] 崔運驊，「應用償還率與風險評估模型建構金融機構放款評等流程」，國立交通大學工業工程研究所碩士論文，2007。
[13] 游翔百，「建構複合式信用評等模型」，交通大學工業工程研究所碩士論文，2004。
[14] 張凱鳴，「銀行放款決策之判別模型－整合風險評估與信用評等」，長庚大學企業管理研究所碩士論文，2006。
[15] 經濟部中小企業處，「2007中小企業白皮書」，網址：http://www.moeasmea.gov.tw
[16] Doyle J., and Green, R., “Efficiency and Cross-Efficiency in DEA: Derivations, Meanings and Uses”, The Journal of the Operational Research Society, Vol. 45, No. 5, pp. 567-578, 1994.
[17] Emel, A. B., Oral, M., Reisman, A., and Reha, Y., “A Credit Scoring Approach for the Commercial Banking Sector,” Socio-Economic Planning Sciences, Vol.37, No.2, pp.103-123, 2003.
[18] Guyon, I., and Elisseeff, A., “An Introduction to Variable and Feature Selection,” Journal of Machine Learning Research 3, pp. 1157-1182, 2003.
[19] Kaoru, T., “A slack-based measure of efficiency in data envelopment analysis,” European Journal of Operational Research, Vol.130, No.3, pp.498-509, 2001.
[20] Kim, J., Ramaswamy, K. and Sundaresan, S., “Does Default Risk in Coupons Affect the Valuation of Corporate Bonds － A Contingent Claims Model,” Financial Management, 22, pp. 117-131, 1993.
[21] Ong. M. K. (Ed.)., Credit ratings :methodologies, rationale and default risk. p.391-411. London :Risk Waters Group, 2002.
[22] Paradi, J., Asmild, M. and Simak, P., “Using DEA and Worst Practice DEA in Credit Risk Evaluation,” Journal of Productivity Analysis, Vol.21 No.2, pp. 153-165, 2004.
[23] Retzlaff-Roberts, D. L., ”Relating Discriminate Analysis and DEA to One Another,” Computers and Operations Research, Vol. 23, pp.311-322, 1996.
[24] Sueyoshi T., “Mixed integer programming approach of extended DEA-discriminant analysis,” European Journal of Operational Research, 152, 45-55, 2004.
[25] Sueyoshi T., “DEA-discriminant analysis: Methodological comparison among eight discriminant analysis approach,” European Journal of Operational Research, 169, 247-272, 2006.