臺灣博碩士論文加值系統

近年來卡片支付市場蓬勃發展，逐步取代現金與支票，卡片支付除了提供持卡人便利性以外，還有安全、延後支付、費用追踨及培養信用等附加價值，大幅提高持卡人使用意願與需求，企業為防止消費者流失，提供多樣化的支付工具，以提昇競爭力，銀行身為企業的金流服務提供者，應具備企業卡片支付收單的服務，才能滿足企業客戶需求，否則將面臨企業客戶流失，往來業務轉移喪失獲利來源的苦果。
本研究係以MARS(Multivariate Adaptive Regression Splines)、分類迴歸樹(CART)、倒傳遞類神經網路(BNP)與邏輯斯迴歸(Logistic Regression)等四種方法，分析銀行企業綜合資料，來預測企業客戶申請特約商店之行為及篩選重要變數，並比較四種方法優劣。
實證結果顯示MARS在各方面表現最為穩定，其篩選之重要變數及模型解釋與實務經驗相符，有助於金融機構自既有企業客戶，預測卡片支付業務潛在需求，進而推廣其他銀行業務，掌握利潤來源。

In recent years, the card payment market is booming, and gradually replace cash and checks, card payment in addition provide cardholder convenience, safety, delayed payment, expense tracking and credit score and other value-added, highly increase in cardholder willingness to use and demands. In order to prevent consumer loss, the corporate offers a variety of payment instruments to enhance the competitiveness. Bank as a corporate cash flow service provider should have card payment acquiring the services to meet the demands, otherwise will face the loss of corporate clients and revenue sources.
MARS, CART,BNP and Logistic Regression were 4 methods to use in this study of analysis corporate data to predict behavior of apply merchants, screening of important variables, and compare four methods of the pros and cons.
The empirical results show that MARS is the most stable in its various manifestations, its filters the important variables and model interpretation to match practical experience, to help financial institutions forecasting its corporate clients potential demand of card payment business, and then promote other banking business, master of profits sources.

第壹章 緒論 1
第一節 研究背景 1
第二節 研究動機 5
第三節 研究目的 5
第四節 研究流程 7
第五節 研究範圍及限制 9
第貳章 文獻探討 10
第一節 傳統與非傳統收單市場介紹 10
第二節 卡片支付交易主要成員介紹與交互關係 11
第三節 預測方法介紹 16
第參章 研究方法 20
第一節 資料預測方法 20
第二節 研究對象 28
第三節 研究工具 29
第肆章 實證研究 30
第一節 描述性統計 31
第二節 預測方法分析結果 32
第三節 預測方法之比較 42
第伍章 結論與建議 45
參考文獻 49

中文部份
吳東曄（2008）。應用類神經網路於預測台股指數之研究。國立屏東教育大學應用數學系碩士論文，屏東縣。
沙昱宏（2008）。應用決策樹分類法與邏輯斯迴歸建構企業財務危機預警模式。國立彰化師範大學會計學系碩士論文，彰化縣。
張文豪（2007）。銀行擔保貸款信用評等模式之研究。國立高雄第一科技大學財務管理所碩士論文，高雄市。
許素娜（2011）。零售業潛在顧客篩選模式之建構。國立臺北科技大學商業自動化與管理研究所碩士論文，台北市。
陳企漢（2008）。建構國防預算預測模式之研究-以倒傳遞類神經網路為例。佛光大學經濟學系碩士論文，宜蘭縣。
陳姍霓（2004）。整合類神經網路、多元適應性雲形迴歸與分類迴歸樹於信用平等模式之建構-以房屋貸款為例。輔仁大學管理學研究所碩士論文，新北市。
葉建良（2006）。利用CART分類與迴歸樹建立消費者信用貸款違約風險評估模型之研究-以國內A銀行為例。輔仁大學應用統計學研究所碩士論文，新北市。
賴季廷（2011）。類神經網路與技術分析於股票交易決策比較之研究。雲林科技大學工業工程與管理研究所碩士班碩士論文，雲林縣。
謝妃美（2005）。銀行信用評等模式之建構－以某商銀之現金卡客戶為例。輔仁大學金融研究所碩士論文，新北市。
簡名芝（2010）。運用CART建構競合策略決策支援模式－以LED產業為例。中原大學企業管理研究所碩士論文，桃園縣。
簡啟鴻（2006）。銀行個人消費信用貸款授信風險評估模式與放款訂價策略之分析 -以國內某一銀行為例。國立東華大學高階經營管理碩士在職專班碩士論文，花蓮縣。

英文部份
(GAO), U. S. G. A. O. (2009). CREDIT CARDS: Rising Interchange Fees Have Increased Costs for Merchants, but Options for Reducing Fees Pose Challenges.
Bourreau, M., & Verdier, M. (2010). Private cards and the bypass of payment systems by merchants. Journal of Banking & Finance, 34(8), 1798-1807.
Carbó-Valverde, S., & Liñares-Zegarra, J. M. (2011). How effective are rewards programs in promoting payment card usage? Empirical evidence. Journal of Banking & Finance, 35(12), 3275-3291.
Chakravorti, S., & To, T. (2007). A theory of credit cards. International Journal of Industrial Organization, 25(3), 583-595.
Ching, A. T., & Hayashi, F. (2010). Payment card rewards programs and consumer payment choice. Journal of Banking & Finance, 34(8), 1773-1787.
Chou, S.-M., Lee, T.-S., Shao, Y. E., & Chen, I. F. (2004). Mining the breast cancer pattern using artificial neural networks and multivariate adaptive regression splines. Expert Systems with Applications, 27(1), 133-142.
Craven, P., & Wahba, G. (1979). Smoothing noisy data with spline functions: Estimating the correct degree of smoothing by the method of generalized cross-validation. Numer. Math., 31, 377-403.
Frankel, A. S. (1988). Monopoly and competition in the supply and exchange of money. Antitrust Law Journal, 66, 313-361.
Friedman, J. H. (1991). Multivariate Adaptive Regression Splines. The Annuals of Statistics, 19(1), 1-141.
Garcia Nieto, P. J., Sánchez Lasheras, F., de Cos Juez, F. J., & Alonso Fernández, J. R. (2011). Study of cyanotoxins presence from experimental cyanobacteria concentrations using a new data mining methodology based on multivariate adaptive regression splines in Trasona reservoir (Northern Spain). Journal of Hazardous Materials(0).
Huang, H. Y., Shao, Y. J., Hou, C. D., & Hsieh, M. D. (2011). Identifying the Contributors of the Multivariate Variability Control Chart Using Hierarchical Support Vector Machines. ICIC Express Letters, 5(9(B)), 3543-3547.
Julian, W. (2003). Pricing in debit and credit card schemes. Economics Letters, 80(3), 305-309.
Lee, T.-S., Chiu, C.-C., Chou, Y.-C., & Lu, C.-J. (2006). Mining the customer credit using classification and regression tree and multivariate adaptive regression splines. Computational Statistics & Data Analysis, 50(4), 1113-1130.
Marianne, V. (2010). Interchange fees and incentives to invest in payment card systems. International Journal of Industrial Organization, 28(5), 539-554.
Ongena, S., Tümer-Alkan, G., & Vermeer, B. (2011). Corporate choice of banks: Decision factors, decision maker, and decision process — First evidence. Journal of Corporate Finance, 17(2), 326-351.
Osei-Bryson, K.-M., & Ko, M. (2004). Exploring the relationship between information technology investments and firm performance using regression splines analysis. Information & Management, 42(1), 1-13.
Shahsavani, D., Tarantola, S., & Ratto, M. (2010). Evaluation of MARS modeling technique for sensitivity analysis of model output. Procedia - Social and Behavioral Sciences, 2(6), 7737-7738.
Shao, Y. J., Huang, H. Y., & Chen, Y. J. (2010). Determining the sources of variance shifts in a multivariate process using flexible discriminant analysis. ICIC Express Letters, 4(5(A)), 1573-1578.
VISA. (2009). Visa Inc. Overview.
Zhu, W. (2008). Market structure and credit card pricing: what drives the interchange? : Federal Reserve Bank of Kansas City.