臺灣博碩士論文加值系統

房屋抵押貸款客戶違約預測模式之比較研究
摘要
長久以來銀行業以擔保品為決定融資額度的主要因素，對於授信5P的個人因素往往因業績壓力而較少考量，這與國外不但強調擔保品更重視個人信用評價有著相當大的差距。近幾年來銀行放款貸後追蹤發現，許多借款戶其擔保品雖然大幅貶落但卻依然正常履約，因此銀行必須改變以往以擔保品評價為主軸之徵信方式，在審核貸款之初即按借款人、保證人之個人資料，評估借款人之信用風險，積極預測借款人之償還能力及償還意願以求能事先發現其危機之跡象。
本研究以國內某銀行一南部分行的房屋貸款客戶為研究對象，運用Logistic迴歸與區別分析兩種統計方法，尋求最佳預測變數組合以建立房屋貸款客戶是否違約之預測模式，並與過去研究之預測變數組合所建立的預測模式進行比較。除此之外，為瞭解本研究所建立之預測模式是否優於利用樣本銀行之「個人信用評等表」所形成之預測模式，本研究亦對兩者之預測準確度進行比較。最後本研究特別蒐集經已認列損失或拍賣抵押房屋之違約房貸客戶資料，除做為預測準確度的檢驗之外，也同時檢驗預測模式可降低錯誤分類損失之能力。
實證結果發現，本研究之預測模式無論是在Logistic迴歸或區別分析方面，其預測效果(準確率)均較其他研究之預測模式為佳。甚至在模式的配適度方面，本研究的預測模式亦顯著優於其他模式。而在樣本銀行「個人信用評等表」之預測模式方面，其預測準確率雖低於本研究所建立的預測模式，但平均上仍優於過去某些研究所建立的模式，足見銀行「個人信用評等表」仍有其基本價值及存在的必要性。最後本研究經簡化後之預測模式在降低錯誤分類損失金額的能力方面，其對違約客戶的預測準確率高達100%，亦即銀行徵、授信人員若採用此簡化模式事先判斷這些客戶會違約，而做成拒絕貸放款的決策或提早要求還款，即可避免呆帳損失之發生。
整體而言，本研究簡化後模式的違約預測準確率與可降低分類錯誤損失金額，均是最佳的結果，未來可作為銀行房屋抵押放款之參考，以協助銀行有效降低其潛在違約損失。

A Comparative Study of Predictive Models for Mortgage Loan Default
Student: Tsung-Je Liou Advisors: Chia-Hsing Huang


Department of Financial Operations
National Kaohsiung First University of Science and Technology
Abstract
The debtors’ default on mortgage loan is an important issue for local banks. It does not only deteriorate the capital structure of banks but also damage their profit margin especially during financial crisis or economic depression. Therefore, a default prediction model for banks to improve the mortgage loan decisions and/or to reduce their potential losses is highly needed. This study tries to establish a better prediction model of the debtors’ default for bank’s mortgage loan decision by searching a better combination of predicting variables.
Using two statistical techniques (Binary Logistic regression and discriminant analysis), this study analyzes the accuracy rate of prediction and the goodness of fit for two models built in this study and five other models (four from past research and one from the “individual credit evaluation form” of sample bank and then compares their performance with these indicators. In addition, the abilities for all models to minimize misclassification costs are also compared. The result shows that the combination of predicting variables formulated by this study is the dominant model either in the performance indicators or in the ability to minimize the misclassification costs.

目 錄
頁次
中文提要………………………………………………………………………..i
英文提要………………………………………………………………………..ii
誌謝……………………………………………………………………………..iii
目錄……………………………………………………………………………..iv
表目錄…………………………………………………………………………..v
圖目錄…………………………………………………………………………..vii
第一章 緒論
第一節研究動機……………………………………………………..…….2
第二節 研究目的…………………………………………………………..….5
第三節 研究方法與流程………………………………………………..…….6
第四節 研究範圍與限制………………………………………………..…….6
第五節 論文大綱…………………………………………………………..….8
第二章 文獻探討
第一節房屋抵押貸款的定義與特性……………………………………….10
第二節逾期放款、催收款及呆帳的定義………………………………….15
第三節近幾年來房屋抵押貸款客戶發生違約的原因…………………….17
第四節個人信用評等制度………………………………………………….21
第五節過去相關預測模式研究之探討……………………………..…….26
第三章 研究方法
第一節預測模式統計分析方法的選擇…………………………………….29
第二節研究變數的選定…………………………………………………….32
第四章 實證結果與分析
第一節研究對象與樣本資料選擇………………………………………….37
第二節 本研究預測模式之建構與分析………………………………..…….38
第三節 與過去研究預測模式預測準確度之比較……………………....….43
第四節 與樣本銀行「個人信用評等表」預測準確度之比較………....….49
第五節 各預測模式降低錯誤分類成本能力之分析與比較……………..….52
第五章 結論與建議
第一節 結論……………………………………………………….……..60
第二節 建議……………………………………………………….……..62
參考文獻…………………………………………………………………......65.

參考文獻一、中文部份1、金融人員研究訓練中心編撰委員會，2000，銀行授信實務概要，台北市。2、黃建森、張捷昌，1995，金融管理，台北市。3、江百信、張金鶚，1995，”我國購屋貸款放款條件之研究”，住宅學報，3期，頁1-20，1月。4、杜慶麟、張瑞芬，1998，”銀行授信決策應用神經網路之研究─抵押貸款之實證研究”，模糊系統學刊， 1期，頁31-44。5、李桐豪、呂美慧，2000，”在金融機構房貸客戶授信評量模式─以Logistic迴歸分析”，台灣金融財務季刊，1卷、1期，頁1─20，9月。6、施能仁 、方南芳，1997，”以類神經網路建立台灣儲蓄戶助社財務危機預警模式”，台灣經濟，247期，頁34-80，7月。7、陳錦村等，1996，”銀行授信客戶違約風險之預測”，管理科學學報，13卷、2期，頁173-195，7月。8、黃清源，1998，”如何加強推展良質放款減低逾放比率(上)”，華銀月刊， 570期，頁7-15，7月。9、黃清源，1998，”如何加強推展良質放款減低逾放比率(下)”，華銀月刊， 571期，頁13-25，8月。10、賴秋吉，1998，”淺談金融機構逾期放款發生之因與因應之道”，基層金融，37期，頁115-120，9月。11、顏武雄，1997，”如何改進授信缺失抑低不良放款(上)”，今日合庫，275期，頁4-21，11月。12、顏武雄，1997，”如何改進授信缺失抑低不良放款(下)”，今日合庫，276期，頁51-71，12月。13、王泰裕，2001，模糊類神經網路在消費性貸款之應用，成功大學工業管理學系，碩士論文。14、簡安泰，1977，消費者信用評分制度之研究，政治大學企業管理研究所，碩士論文。15、中央銀行，2001，”消費者貸款及建築貸款餘額表”，金融統計表，網址http://www.cbc.gov.tw，4月。16、內政部營建署，2000，”國內銀行承作購屋貸款季報表”，住宅資訊，網址：http://www.cpami.gov.tw，12月。二、英文部份1、Espahibodi, P., 1991, “Identification of Problem Bank and Binary Choice Model,” Journal of Banking Finance, vol. 15, pp. 53-71.2、Nanda, S. and P. Pendharkar, 2001,”Linear Models for Minimizing Misclassification Costs in Bankruptcy Prediction,” International Journal of Intelligent Systems in Accounting, Finance & Management. , vol. 10, p.155-168.3、Steenackers, A. and M. J. Goovaerts, 1989, “A Credit Scoring Model Loans,” Insurance Mathematics Economics, pp. 31-34.4、Tam, K. Y., and Y. Kiang, 1992, “Managerial Applications of Neural Networks: The Case of Bank Failure Predictions,” Management Science, vol. 38, 7, pp. 926-947.