(34.239.176.198) 您好!臺灣時間:2021/04/23 19:33
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:::

我願授權國圖
: 
twitterline
研究生:蘇育興
研究生(外文):SU, YU-HSING
論文名稱:汽車貸款授信評量之實證研究
論文名稱(外文):An Empirical Study of Credit Rating Model to Evaluate Auto Loans
指導教授:梁玲菁梁玲菁引用關係
指導教授(外文):LIANG, LING-CHING SOPHIE
學位類別:碩士
校院名稱:國立臺北大學
系所名稱:合作經濟學系
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:121
中文關鍵詞:汽車貸款信用評等
外文關鍵詞:auto loanscredit rating
相關次數:
  • 被引用被引用:20
  • 點閱點閱:295
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:7
隨著消費者信用擴張、理財觀念的增長、汽車銷售商的促銷專案,使得分期付款成為汽車促銷的手法之一。汽車貸款在消費者信用貸款商品中,具中度的風險性及報酬率,銀行在競爭的環境下,借貸利差逐漸縮小,亦漸漸涉足汽車貸款市場。
有鑑於此,本研究擬以影響銀行授信政策的主要因素-授信客戶之違約風險,就台灣地區北部某家民營銀行汽車貸款區域中心,在2000-2001年間所核貸之汽車貸款客戶為抽樣樣本,抽取312件正常件,86件違約件,藉由Logistic迴歸模式的建立,預測銀行汽車貸款客戶的違約風險,找出影響授信成敗的顯著變數及衡量各顯著變數間的重要性,俾有利於銀行徵信、授信作業之進行。
本研究之實證結果歸納如下:
1、影響汽車貸款違約風險之顯著變數為還款方式、現址居住期間、借/ 保證人關係、貸放成數、信用往來、職業狀況等。當借款人以開立個人支票方式作為其還款方式、現址居住的時間越久,則逾期的機率就越低;借/保證人關係為友人或其他非家庭成員的親戚、貸款成數越高、信用往來曾有不良紀錄者,其發生違約的機率就越高;在政府及大型機關服務比在中小企業服務有較穩定的工作與收入,故較不易發生違約的狀況。
2、各顯著變數的重要性大小依序為:還款方式、信用往來、貸放成數、現址居住期間、職業狀況、借/保證人關係,藉此可做為該金融機構日後在設計信用評分表時,對變數加以適度的權值。
3、經研究結果顯示,最終之信評模式整體預測正確率為95.0﹪,其中預測違約案件的正確性為89.5%,預測正常案件的正確性為96.5%。此結果亦可印證本文授信評量模式的適用性及效用性。
綜合上述,汽車貸款的授信除仰賴良好的評分表外,建立客觀、公正、合理的授信評量模式尤為重要,本研究發現利用Logistic迴歸模式,輔以信用評分表之表內變數及表外變數,可提升模式的鑑別能力,增加模式的可利用性。
With the increase of consumer’s credit extension and personalized financial management, installment has become a strategy of car promotion. Among consumer loan products, the features of auto loans are middle risk and return. While the banking environment becomes more competitive and the gap of interest is decreasing, more banking managers participate the auto loan market. In order to minimize risks so as to cut down dues and earn more profit, it becomes more important for banks to develop and apply loan credit rating model.
The purpose of this paper is building prediction model to evaluate the risk of auto loans. We collected 312 normal samples and 86 bad-loan samples (principal and interest overdue for one month or longer) from the northern branch office of a newly established bank in Taiwan from 2000 to 2001, applying Logistic regression analysis in order to establish a final and efficient auto loan credit rating model. Among that, credit rating model is used to classify borrowers into regular group and default group and used for bank as a multi-level discrimination to investigate borrower’s credit more flexibly. The empirical study led to the following findings:
(1)There are six significant factors in this model: repayment method, living years, relationship between borrower and guarantor, loan to value ratio, credit history, occupation. We could use six significant factors to forecast credit risk in auto loans.
(2)The of importance of six significant factors are ordering as following: repayment method, credit history, loan to value ratio, living years, occupation, relationship between borrower and guarantor. This order could help practical evaluation in the baking management.
(3)Appling Logistic regression to analyze database, the predictive correct rate reach 95.5%. There is a little different result between bad-loan and normal-loan accuracy of prediction: 89.5% for bad-loan cases and 96.5% for normal-loan cases.
In summary, in order to improve the credit quality and enhance the bank''s competitive advantage, it is important to develop a specific, simple, and fair loan credit rating model. The result of this paper shows that adding some factors out of the credit form can greatly improve the ability of predicting and accuracy of Logistic regression model. According to above, it shows the model constructed by this procedure is useful to all of banks and finance companies.
目 錄
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 4
第三節 研究範圍 4
第四節 研究流程 5
第五節 研究架構 6
第二章 文獻探討 7
第一節 授信之意義與原則 7
第二節 信用風險之評估 12
第三節 汽車貸款之意義與特色 29
第四節 本章小結 35
第三章 台灣汽車貸款市場發展之概況 36
第一節 台灣汽車貸款之發展 36
第二節 台灣汽車貸款之現況 42
第三節 汽車貸款業務之運作方式 48
第四節 本章小結 52
第四章 研究設計與研究方法 53
第一節 研究對象與操作變項定義 53
第二節 研究方法 60
第三節 實證研究流程 65
第四節 本章小結 67
第五章 實證結果與分析 68
第一節 敘述性統計分析 68
第二節 資料特性檢定 80
第三節 LR模式結果 85
第四節 本章小結 104
第六章 結論與建議 105
第一節 研究結果 105
第二節 建議 107
第三節 研究限制與後續研究課題 108
參考文獻 110
中文部分 110
英文部分 113
附 錄 116
圖 次
圖1-1 銀行對民營企業及消費者貸款之成長率 2
圖1-2 研究流程 5
圖2-1 銀行授信作業流程 11
圖2-2 信用暴險額與信用損失之衡量 13
圖2-3 借戶特性與違約機率關係圖 17
圖2-4 消費性貸款產品圖 30
圖2-5 消費者貸款商品之風險與利潤比較 33
圖3-1 國產汽車市場佔有率分析 45
圖3-2 汽車分期付款金融服務產業之架構 48
圖4-1 LOGIT函數圖 61
圖4-2 實證研究流程 66
表 次
表2-1 信用風險評估方式比較 22
表2-2 各統計模型優缺點分析表 23
表2-3 信用風險評估模式之相關研究文獻 24
表2-4 消費者信用風險決定因素實證結果分析表 27
表2-5 消費金融商品比較表 32
表3-1 我國消費者貸款之貸款餘額統計表 39
表3-2 汽車貸款的發展歷程 41
表3-3 自用小客車車輛購車總價 42
表3-4 自用小客車駕駛人基本資料 43
表3-5 自用小客車車輛購買付款方式 44
表3-6 歷年新車掛牌數與經濟成長率 44
表3-7 一般銀行消費者貸款業務項目-購置汽車貸款表 47
表3-8 分期付款公司與車廠之關係表 50
表4-1 變數定義與預期符號表 59
表4-2 簡單LR迴歸模式與線性迴歸模式之比較 64
表5-1 還款方式與違約與否之敘述分析表 69
表5-2 申請人性別與違約與否之敘述分析表 70
表5-3 現址居住期間與違約與否之敘述分析表 70
表5-4 婚姻與違約與否之敘述分析表 71
表5-5 不動產持有人與違約與否之敘述分析表 71
表5-6 保人年齡與違約與否之敘述分析表 72
表5-7 保人婚姻與違約與否之敘述分析表 72
表5-8 保人現職年資與違約與否之敘述分析表 73
表5-9 借/保證人關係與違約與否之敘述分析表 73
表5-10 保證人數與違約與否之敘述分析表 74
表5-11 貸放成數與違約與否之敘述分析表 74
表5-12 貸款期數與違約與否之敘述分析表 75
表5-13 信用往來與違約與否之敘述分析表 76
表5-14 職業狀況與違約與否之敘述分析表 77
表5-15 現職年資與違約與否之敘述分析表 77
表5-16 負債佔所得比例與違約與否之敘述分析表 78
表5-17 申請人年齡與違約與否之敘述分析表 78
表5-18 最近被查詢次數與違約與否之敘述分析表 79
表5-19 承貸利率與違約與否之敘述分析表 79
表5-20 信評變數常態性檢定 81
表5-21 差異性檢定:卡方與MANN-WHITNEY U檢定 82
表5-22 相關係數檢定結果之彙總表 83
表5-23 LR模式Ⅰ之參數估計 86
表5-24 LR模式Ⅰ之預測歸類表 86
表5-25 LR模式Ⅱ之參數估計 88
表5-26 LR模式Ⅱ之預測歸類表 88
表5-27 LR模式之顯著變數整理表 89
表5-28 卡方檢定和LR模型Ⅰ、Ⅱ顯著變數比較表 90
表5-29 LR模式Ⅲ之參數估計 92
表5-30 LR模式Ⅲ之預測歸類表 92
表5-31 LR模式Ⅳ之參數估計 93
表5-32 LR模式Ⅳ之預測歸類表 94
表5-33 LR模式Ⅲ變數之重要性比較 95
表5-34 2002年台灣主要產業男女月薪比較表 99
表5-35 自小客車強制汽車責任保險費率表 100
表5-36 顯著變數整理表 101
中文部分
1.交通部統計處(2001),《台灣地區自用小客車使用狀況調查報告》,台北,三民。
2.江世傑(2000),《模糊類神經網路在消費性貸款之應用》,國立成功大學工業管理研究所碩士論文。
3.呂金品(2001),《運用決策樹分類方法估計小額放款倒帳率:兼論放款策略》,國立中山大學財務管理研究所碩士論文。
4.呂桔誠、黃振聰、廖源星編譯(2002),《現代銀行管理》,台北:華泰,譯自Sinkey Jr.,Joeph F。
5.李桐豪、呂美惠(2000),〈金融機構房貸客戶授信評量模式之分析-Logistic回歸之應用〉,《台灣金融財務季刊》,1:1,頁1-20。
6.李海麟(2002),《銀行消費者房屋貸款授信評量之實證分析》,國立中正大學國際經濟研究所碩士論文。
7.汪仲譯(1999),《亞洲銀行新世紀-迎接競爭與併吞的時代》,原著Dominic Casserley & Greg Gibb,Banking in Asia:the end of entitlement,台北:時報。
8.汪海青、黃景泰、謝維國、楊培宏、王南豪編著(2000),《消費者貸款實務》,台北,金融研究訓練中心。
9.林佳靜(2001),《台灣地區銀行業經營績效評估與比較》,私立實踐大學企業管理研究所博士論文。
10.林奇芬(1992),〈雞蛋加水=? 東逸企業以多角化創新商機〉,《統領月刊》87,頁70-73。
11.林寶安(2002),〈台灣消費金融的演變及社會經濟意義〉,《台灣社會學刊》,27,頁107-162。
12.初複新(1981),《銀行放款實務》,台北:華泰。
13.邱泰為(1996),《企業信用評等評估模式之研究》,國立成功大學工業管理研究所碩士論文。
14.邱麗卿(2001),《消費者負債預警模式之建立》,國立彰化師範大學商業教育研究所碩士論文。
15.金融人員研究訓練中心編撰委員會(2001),《銀行授信實務概要》,台北:金融人員研究訓練中心。
16.施孟隆、游清芳、李佳珍(1999),〈Logit Model 應用於信用卡信用風險審核系統之研究─以國內某銀行信用卡中心為例〉,《金融財務月刊》,4,頁85-104。
17.洪燦輝(1980),《徵信典範》,台北:中華徵信所。
18.胡決陽(1982),〈如何釐定銀行的授信政策〉,《台北市銀月刊》,13;7,頁1-9。
19.張文生(2000),《銀行建構信用卡信用風險即時預警系統之研究》,私立中原大學企業管理研究所碩士論文。
20.許純君譯(1999),《預測的原則與應用》,原著DeLurgio,Forecasting Principledand Application,台北:台灣西書,。
21.許愛惠(1993),《信用卡信用風險審核範例學習系統之研究》,國立政治大學資訊管理學研究所碩士論文。
22.許嘉棟、梁明義、楊雅惠、劉壽祥、陳坤銘(1985),《台灣金融體制之研究》,台北,中華經濟研究院。
23.郭瓊宜(1994)《類神經網路在財務危機預警模式之應用》,私立淡江大學管理科學研究所碩士論文。
24.陳木在、陳錦村(2001),《商業銀行風險管理》,台北:新陸。
25.陳宗豪(1999),《消費者小額信用貸款之信用風險研究-甄選的觀點》,國立中山大學人力資源管理研究所碩士論文。
26.陳鴻文(2002),《個人小額信用貸款授信模式之個案研究》,國立高雄第一科技大學財務管理研究所碩士論文。
27.黃永仁、楊金龍、羅庚辛、黃博怡(1984),〈台灣地下金融問題-民間合會與地下錢莊〉,《基層金融》,8,頁127-164。
28.黃俊英(2001),《多變量分析》,台北,中國經濟企業研究所。
29.黃博怡、梁玲菁、梁發進(2000),〈台灣1990年代後期銀行危機之探討〉,國立中興大學法商學院第四屆經濟發展學術研討會。
30.黃憲立(2002),《汽車分期付款業經營策略之研究-以個案公司為例》,國立台北大學企業管理學系碩士在職專班論文。
31.溫健志(2001),《存活分析方法應用於台灣金融機構信用風險管理之研究》,私立朝陽科技大學財務金融研究所碩士論文。
32.葉秋南(1998),《美國金融業風險管理》,台北:財團法人金融聯合徵信中心。
33.彰化銀行業務處理程序-授信篇(1992),彰化商業銀行。
34.鄭甦民(1999),〈外國銀行之放款覆審制度〉,《彰銀資料》,48,頁1-15。
35.薛琦主編(2001),《消費者貸款實務》,台北,金融研究訓練中心。
36.簡安泰(1977),《消費者信用評分制度之研究》,國立政治大學企業管理學研究所碩士論文。
37.簡安泰(1996),《銀行評估信用準則》,台北:財團法人聯合徵信中心。
38.嚴錫銘、闕河士編譯(1996),《金融市場管理》,原著Frederic S. Mishkin, Financial Markets, Institutions, and Money,台北:華泰。
39.蘇文娟(2000),《台灣上市企業財務危機預測之實證研究》,國立東華大學國際經濟研究所碩士論文。
40.龔昶元(1998),〈Logistic Regression模式應用信用卡風險審核之研究-以國內某銀行信用卡中心為例〉,《台北銀行月刊》,28;9,頁35-49。
41.www.nettrade.com.tw/stock/a/00-04-11a.htm
英文部分
1.Ball, C. A. and A. E. Tschoegl(1982),”The Decision to Establish A Foreing Bank Branch or Subsidiart: An Application of Binary Classification Procedure,” Journal of Financial and Quantitative, Sep, pp.411-424.
2.Brzezinski, J. R. and G. J. Knafl(1999),“Logistic Regression Modeling for Context-Based Classification,” IEEE.
3.Cabrera, A. F.(1994),”Logistic Regression Analysis in Higher Education: An Applied Perspective,” Higher Education: Handbook of Theory and Research, 10, pp.225-256.
4.Cox, D. R. and E. J. Snell (1989), The Analysis of Binary Data, London: Chapman and Hall.
5.Efron, B.(1975),”The Efficiency of Logistic Regression Compared to Normal Discriminant Function Analysis,” Journal of the American Statistical Association, 70, pp.892-898.
6.Espahibodi, P.(1991),”Identification of Problem Bank and Binary Choice Models”, Journal of Banking and Finance, 15, pp.53-71.
7.Harrison, D. M.(2001),”The Importance of Lender Heterogeneity in Mortgage Lending,” Journal of Urban Economic, 49, pp.285-309.
8.Ingram, F. J. and E. L. Frazier(1982),”Alternative Multivariate Test in Limited Dependent Variable Models: An Empirical Assessment,” Journal of Financial and Quantitative Analysis, 17, pp.217-240.
9.Kenneth, L. P. and R. O. Joyce(1998),”Using Credit Screening to Manage Credit Risk,” Business Credit, 100, pp.22-27.
10.Kleinbaum, D. G.(1992), Logistic Regression: A Self-learning Text, New York: Springer.
11.Lawrence, D. B.(1992), Handbook of Consumer Lending, New York: Prentice-Hall.
12.Lo, A. W (1986),”Logit Versus Discriminant Analysis-A Specification Test and Application to Corporate Bankruptcies,” Journal of Econometrics, 31, pp.151-178.
13.Luckett, C. A. and J. D. August(1985),”The Growth of Consumer Debt,” Federal Reserve Bulletin, 71, pp.591-603.
14.May, J. W.(1993),”How to Maintain Asset Quality During Periods of Asset Growth,” The Journal of Commercial Lending, Nov 1993, pp.6-9.
15.Noel, C.(1982),”Credit Scoring System: A Critical Analysis,” Journal of Marketing, 46, pp.82-91.
16.Ohlson, J. A.(1980),”Financial Ratios and The Probabilistic Prediction of Bankruptcy,” Journal of Accounting Research, 18, pp.109-131.
17.Peng, C. Y., So. T. S. H, Stage, F. K.., and St. John, E. P. (2002),”The Use and Interpretation of Logistic Regression in Higher Education Journals: 1988-1999,” Research in high education, 43, pp.259-293.
18.Press, S. J. and S. Wilson (1978),”Choosing Between Logistic Regression and Discriminant Analysis,” Journal of American Statistical Association, 73, pp.699-705.
19.Robinson, R. I.(1964), Money and Capital Markets, New York: McGraw Hill.
20.Rothsten, H. G.(1986),”The Effects of Time Pressure on Judgment in Multiple Cue Probability Learning,” Organizational Behavior and Human Decision Procession, 37, pp.83-92.
21.Saunders, J. (1985),”This Is Credit Scoring”, Journal of the Institute of Credit Management, Sep, pp.23-26.
22.Sinkey, J. and F. Joeph(1992), Commercial Bank Financial Management, New York: Macmillan.
23.Smith, L. D., S. M. Sanchez, and E. Lawrence(1996),”A Comprehensive Model for Managing Credit Risk on Home Mortgage Portfolios,”Decision Sciences, Spring, pp.291-317.
24.Stavins, J.(2000),”Credit Card Borrowing, Delinquency, and Personal Bankruptcy,” New England Economic Review, 2000.8, pp.15-30
25.Steenackers, A. and M. J. Goovaerts(1989),”A Credit Scoring Model for Personal Loans,” Insurance Mathematics Economics, pp.31-34.
26.Tabachnick, B. G. and L. S. Fidell (1989), Using Multivariate Statistics, New York: Harper & Row.
27.Timothy, H. and Sung-Chang Jung(1999),”Forecasting Creditworthiness: Logistic vs. Artificial Neural Net,” The Journal of Business Forecasting, winter 1999-200, pp.28-30.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔