跳到主要內容

臺灣博碩士論文加值系統

(34.204.180.223) 您好!臺灣時間:2021/07/31 17:56
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:丁玉成
研究生(外文):Yu-Cheng Ting
論文名稱:臺灣區銀行信用評等之模式研究-以BankWatch評等為基礎的實證研究
論文名稱(外文):A Case Study and Model Comparison on the Banks'' Credit Rating in Taiwan
指導教授:游張松游張松引用關係
指導教授(外文):Chang-Sung Yu
學位類別:博士
校院名稱:國立臺灣大學
系所名稱:商學研究所
學門:商業及管理學門
學類:一般商業學類
論文種類:學術論文
論文出版年:2000
畢業學年度:88
語文別:中文
論文頁數:220
中文關鍵詞:銀行信用評等類神經網路
外文關鍵詞:bankcredit ratingneural network
相關次數:
  • 被引用被引用:92
  • 點閱點閱:736
  • 評分評分:
  • 下載下載:176
  • 收藏至我的研究室書目清單書目收藏:8
摘 要
本研究從決策與認知的觀點,提出銀行信用評等模式由
銀行信用風險概念、有限理性決策及評等分類構成。以學習
專家智慧的策略,分成三個步驟建立這個模式。
銀行信用風險概念來自S&P、Moody’s 及 BankWatch
的銀行信用評等方法論文件,以紮根理論質的文件分析法,
得到101個概念,並系統化分類後得到CAMEL+架構。
有限理性決策代表因應認知能力有限及決策資訊不足時
,簡化決策的策略,僅考慮少數重要的銀行信用風險概念來
評等。BankWatch 除使用十五個財務變數外,經由對臺灣區
銀行評等報告進行內容分析,發現重要的非財務變數是主要
股東、業務差異及放款集中度三個概念。
評等分類係依據銀行在風險概念上的表現,分到不同的
信用等級。以BankWatch的台灣地區商業銀行及中小企銀為
對象,比較以下八種分類技術的效果:複變數區別分析的線
性或二次區別函數、Logit分析、Ordered Logit 分析,無
母數統計法的k 個最鄰近法、核心法、使用倒傳遞演算法
的類神經網路及有序類神經網路。類神經網路在預測能力、
模式風險及信用等級可靠度上,均較其他分類技術為佳。在
分類投資級及投機級的預測能力上,類神經網路能夠達到百
分之九十六的預測正確率。
由本研究的類神經網路敏感度分析,得到以下結果:
BankWatch評等最佳的銀行特徵重要的為問題資產比率低、
公營行庫、商業銀行、風險資產比率高。而評等最差的銀行
特徵重要的有資產報酬率低、中小企銀、呆帳提列率高、風
險資產比率低。
Abstract
From the aspects of decision-making and cognition science, this study
proposes bank credit rating model consisting of bank credit risk concepts,
bounded rationality and rating process. This model is constructed by
learning from credit rating expert’s knowledge.
Based on literatures of S&P, Moody’s and BankWatch and the
qualitative data analysis method of Grounded Theory, we extracted
101 key concepts for bank’s credit rating. We then analyzed these
concepts into categories, and constructed the CAMEL+ model.
Due to the limitations of cognition and information, experts overcome
bounded rationality by reducing the variables used in credit rating decision
making process. In addition to 15 financial variables used by BankWatch,
this study revealed three essential factors which are major shareholder,
business franchise and loan concentration.
Banks’ credit are rated according to the 18 variables. The sample
of these banks used in the study are rated by BankWatch. The performance
of eight classification techniques are compared. These eight
techniques are Multivariate Discriminant Analysis using linear and
quadratic discriminating functions, Logit Analysis, Ordered Logit Analysis,
K-nearest Neighborhood method, Kernel Estimation, Back-propagation
Neural Network and Ordered Back-propagation Neural Network. Neural
Network outperforms in predictive correct rate, cost risk and reliability.
Especially in discriminating invest level and non-invest level banks, Neural
Network can reach 96% correct rate.
Finally, based on BankWatch’s credit reports, a Sensitive Analysis
of Neural Network finds the important characteristics in these
high-rated banks are low problem asset ratio, government-owned,
commercial bank and high risk-weighted capital ratio. On the other hand,
the important characteristics in these low-rated banks are low return on
assets ratio, medium-and-small size business bank, high bad loan
provision and low risk-weighted capital ratio.
封面

頁次
第一章 導論
第一節 研究背景
第二節 研究動機
第三節 研究目的
第四節 研究流程
第五節 論文架構
第二章 文獻探討
第一節 信用評等的意義與功能
2-1-1 信用評等的定義與構成
2-1-2 信用評等與違約風險的關聯
第二節 重要的信用評等模式研究
2-2-1 複迴歸分析應用於信用評等的評究
2-2-2 複變數區別應用於信用評等分析的研究
2-2-3 Logit分析應用於信用評等的研究
2-2-4 類神經網路應用於信用評等的研究
2-2-5 分類技術預測能力比較的研究
第三節 信用評等模式研究設計的問題
2-3-1 樣本選擇的陷阱
2-3-2 先驗機率、訓練樣本與測試樣本的基率差異
2-3-3 預測變數的探討
2-3-4 因變數的探討
2-3-5 模式效力評估及混淆矩陣
第四節 分類技術的探討
2-4-1 複變數區別分言
2-4-2 Logit分析
2-4-3 無母數區別分析
2-4-4 類神經網路
2-4-5 分類技術的理論比較
第五節 信用評等模式的研究趨勢
2-5-1 研究重心的變化
2-5-2 信用評等與企業破產研究的關聯
第三章 模式建立
第一節 BankWatch 對台灣對的銀行信用評等
3-1-1 BankWatch銀行 信用評等制度
3-1-2 對台灣地區銀行的評等 號
3-1-3 選用BankWatch的評等為實證基礎的原因
第二節 銀行信用評等模式
3-2-1 信用風險概念模組
3-2-2 有限理性模組
3-2-3 評等模組
第三節 建立模式的程序
3-3-1 質的資料來源
3-3-2 質的資料分析策略
3-3-3 建立模式的三個步驟
第四章 研究設計
第一節 銀行信信用風險概念分析
4-1-1 研究目的
4-1-2 分析單元
4-1-3 抽樣策略
4-1-4 資料蒐集
4-1-5 分析取向及編碼過程
4-1-6 銀行信用評等的CAMEL+模式
第二節 質的預測變數選取
4-2-1 研究目的
4-2-2 內容內析的功能及程序
4-2-3 母體
4-2-4 抽樣
4-2-5 選擇分析單位
4-2-6 建構分析之類別
4-2-7 登錄內容
4-2-8 分析結果
4-2-9 信度與效應
4-2-10 質的變數定義
第三節 評等分類實驗設計
4-3-1 預測變數
4-3-2 樣本設計
4-3-3 樣本資料來源及遺漏之處理
4-3-4 分類技術的工具
4-3-5 實證研究假說與流程
第五章 實證研究
第一節 樣本分析
5-1-1 常態分配檢定
5-1-2 相關性檢定
5-1-3 離散程序檢定
5-1-4 財務預測變數的平均數差異檢定
第二節 模式解釋能力及預測能力分析
5-2-1 複變數區別分析之線性區別函數
5-2-2 複變數區別分析之二次區別函數
5-2-3 Logit分析
5-2-4 Ordered Logit分析
5-2-5 K個最鄰近法
5-2-6 核心法
5-2-7 倒傳遞網路
5-2-8 有序倒傳遞網路
5-2-9 八種分類技術分類效果綜合分析
第三節 預測變數的重要性分析
5-3-1 複變數區別分析的線性區別函數變數重要性分析
5-3-2 Ordered Logit 分析變數重要性分析
5-3-3 倒傳遞網路變數重要性分析
5-3-4 有序倒傳遞網路變數重要性分析
5-3-5 複變數區別分析的線性區別函數及倒傳遞網路變數重要性次序相同檢定
5-3-6 Ordered Logit分析及辭序倒傳遞網路變數重要性次序相同檢定
第四節 模式風險分析
第五節 信用等級的可靠度分析
第六節 類神經網路區分投資及投機級銀行的效果研究
第陸章 緒論與建議
第一節 研究貢獻
第二節 發現與運用
第三節 未來研究方向
第四節 研究限制
參考文獻
附錄一 銀行信用風險概念定義表
附附二 編碼表與編碼須知
作者簡歷
參考文獻
中文部份
王石番 (民85),傳播內容分析法-理論與實證,第二版,幼獅文
化事業公司。
呂美和 (民81), 美國銀行監理機構對商業銀行一般業務檢查,
存款保險季刊,民81年.第六卷,第一期,pp.59-78.
余婷宜 (民86), 美國「金融機構統一評等系統修正案」簡介,
存款保險季刊,民86年.第十卷,第三期,pp.90-101.
林學怡 (民78), 美國金融機構統一評等制度,存款保險季刊,
民78年.第三卷,第一期,pp.17-23.
金融聯合徵信中心譯 (民83), 全球信用分析(Global Credit
Analysis),金融聯合徵信中心出版。
陳聯一等 (民85),建立金融預機構預警系統之研究,中央存款
保險公司出版。
彭昭英 (民87),SAS 與統計分析,第九版,儒林圖書公司。
楊孝瀠 (民85),傳播研究方法總論,第六版,三民書局出版。
葉怡成 (民86),應用類神經網路模式,儒林圖書公司。
──── (民87),類神經網路模式應用與實作,第五版,儒林圖
書公司。
鍾聖校 (民88),認知心理學,心理出版社。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top