信用卡風險管理自動化流程中，以審核系統與預警系統較複雜，但國內信用卡市場競爭非常劇烈，審核的作業異常寬鬆，幾乎早請即通過，每個月的信用額度通常以年薪之百分之十為限，因此信用卡信用風險管理仍以預警系統為主。
以範例學習法為主的預警系統，雖然也可達到預警效果，但畢竟在判斷是否為正常客戶時，命中率還不算很高，因此本文嘗試利用類神經網路預警系統來作預警，期能提高命中率以到預警之目的。
信用卡信用風險評估類神經網路預警系統，是依繳款人六個月之繳款評等記錄與其它變數，作成六個單一預警模式，透過交叉驗證法，調整其隱藏層個數與學習速率，再經過適當的訓練學習與門限值的設定，六個網路預警模式之命中率皆可達95%以上，預警效果非常好；為提升命率，本研究更將單一預警模式整合成為類神經網路預警系統。
為了比較其它方法的命中率，區別分析法也一併納入本研究中，研究結果顯示，信用卡信用風險評估類神經網路預警系統優於區別分析法與例學習法，另一研究結果顯示，基因演算法與類神經網路混合學習法有最高拉準確度，命中率更可達98%以上，可提供發卡銀行作為預警決策之參考。
|