臺灣博碩士論文加值系統

由於國內現金卡使用日漸普及，而各發卡銀行為提高現金卡市場佔有率，通常採取較寬鬆的審核方式與簡化授信流程來核發現金卡，來鼓勵客戶持有多張現金卡，並衝刺業績以達預定發卡量。然此舉已嚴重影響發卡銀行之授信品質，導致催收款增加，呆帳損失風險亦因而逐年提高。因此，如何在提高發卡量的同時，並能做好預先防範逾期呆帳損失風險發生，仍是發卡銀行極待克服的課題，而現金卡信用風險審核系統與風險評估模型的建立，則有助於發卡銀行解決此問題。
本研究主要目的在建立一個適用於現金卡發卡銀行之風險評估模型，係以國內某一現金卡發卡銀行的大台北地區(包括台北市、縣)38家分行為資料抽樣蒐集對象，樣本資料期間為2002年七月至2003年七月，資料內容為已核卡持卡人之個人申請現金卡資料，總共930個樣本，樣本中628個為正常戶，302個為逾期戶。本研究根據這些已核卡案件的申請書及銀行間所延用之信用評分表選出表列變數，以及目前未被銀行徵授信人員列為書面信用風險審核要素，但可能影響未來授信成敗、繳款正常與否的表外變數，運用SPSS統計套裝軟體，進行Logistic Regression迴歸分析，探討持卡人可能發生逾期違約的重要顯著因素，並建構信用風險評估模型，利用迴歸式可預測得知每個申辦者可能產生逾期之機率值。
本研究發現表列變數中，申辦條件狀況不佳者，信用評級變數就愈低，信用風險愈易發生；性別變數為男性時，信用風險發生比率是高於女性的；學歷變數為大學以上時，形成高學歷反而容易造成逾期違約的窘境；職業變數分別為軍警公教正式人員(非聘僱)、民營企業員工、自營商、學生、家庭主婦、以卡辦卡戶(限G＆M卡)時信用風險較高；年收入變數較低時，因逆向選擇因素對於成為逾期戶有顯著的影響；住宅狀況變數為本人或配偶所有時，發卡銀行往往僅以是否有擔保品來衡量，而忽略掉其他潛在的信用風險盲點，而此項變數具有信用風險反而不同於一般的看法；信用記錄變數為現有使用支票或信用卡一、（三）年以上，且無不良記錄時，恐因發卡銀行及徵授信人員單憑申請人信用記錄良好而逕予核卡發卡，而忽略到其他可以利用的一些徵信技巧；信用債務餘額變數為50萬元以下時，對於成為逾期戶有顯著的影響，此變數非為本研究預期及不同於一般之看法，客戶有可能因為持卡眾多或一時疏忽而造成，亦即信用債務餘額愈低發生逾期違約情況反而最常見。另外發現表外變數中，持現金卡張數為無持卡或持有1張這二項變數時，容易因個人疏忽、初次使用不當、不明瞭計息方式或繳款期限而造成逾期違約情況最容易發生；近期有被其他行庫銀行查詢時，對於成為逾期戶有顯著的影響，代表客戶可能同時或之前已與其他行庫銀行接觸過（即重覆申請或被拒絕申請），核卡前應考量是否有信用過度膨脹擴充之虞，以及是否為其他行庫銀行所拒絕承作對象，並應瞭解原因。故除了藉由制式的書面信用評分表中判斷表列變數之外，亦需考慮本研究表外變數的增列，在瞭解各變數的重要性之後，可用來作為案件准駁之重要參考依據。
本研究成果為經由樣本 t 檢定與Logistic Regression迴歸的量化分析，導出最終的LR模型，此模型不僅適合於目前一般發卡銀行之應用性，可快速而客觀的處理現金卡申請資料，更能提供發卡銀行徵授信人員在主觀判斷之餘，另外做為客觀判斷的參考值，以提昇現金卡信用風險審核之效果及減少逾期違約之發生。

In light of increasing popularity of cash cards adoption, banks are seen issuing cash cards and encourage prospect customers to hold multiple cards through relaxed approval and credit reference procedures, simply to attain market shares and making the goal on new issues. However, the above behavior has significantly undermined the creditworthiness of issuing banks, leading to increased outstanding debts, and thus higher risk of bad debts each year. Therefore, how to concurrently manage risk exposure to outstanding bad debts while augmenting new card issues remains a missing piece from the puzzle for banks. An audit system and risk evaluation model, therefore, may simply help the banks to solve this puzzle.
This research mainly aims at building a risk evaluation model that may be utilized by the cash card issuing banks. This research draws from 930 application documents filed by individuals in the Great Taipei Area (including the municipal and county regions of Taipei) holding approved cash cards issued by any of the 38 branches of a selected bank. The sample data is drawn between the period of July 2002 and July 2003. Out of the 930 samples drawn, 628 cardholders represent the norm, 302 cardholders have outstanding payments. With approved applications and credit rating chart popularly referenced by banks, tabulated variables are selected. As well, non-tabulated variables currently not referenced by credit checking officers as important documentations for credit risk reviews, but may impact on future credit success & payment promptness, are identified and included for Logistic Regression Analysis using SPSS statistics software system, to study significant explicit factors that may cause payment overdue or default by cash cardholders. Meanwhile, risk evaluation model is constructed, to attain probability of overdue payments by every card applicant.
The study discovers that amongst tabulated variables, applicants with less desirable application conditions result in lower credit rating variables and thus higher risk of credit default risk. For gender variable, male incurs a higher credit risk probability than female. As for the variable of academic background, applicants with higher education actually, by a rather embarrassing contrast, are more likely to incur overdue or default. Amongst professions including full time staff employed by the military, police, public and education agencies (not contracted), private corporate employees, self-employed persons, students, housewives, higher risks result when applications are filed to replace an existing card (G＆M card limited). Lower income becomes a rather significant contributor to overdue due to reverse selection mechanism. As for the variable of housing condition, card issuing banks are generally only concerned with whether an asset is available on collateral for card applicants, but overlook potential blind spots (for instance whether housing is own by applicant or spouse), which may present credit risk. The validity of this variable is contrary to the prevalent opinion. As for credit history, which look at applicants’ use of checks and 1 year (3 year) credit cards records, issuing banks and credit review officers may simply approve of new card issues based on the absence of bad records, but possibly overlook some tricks to manipulate result of credit references. A factor not expected by the study and contrary to general knowledge, credit liabilities lower than 500,000 dollars, is actually an important contributing variable to overdue, that is, the lower a balance of credit liability, the more likely an applicant may overdue or default on cards. This may result from excess number of cards owned by a single cardholder or an oversight. In addition, amongst non-tabulated variables, applicants with zero or only one other cash card are most commonly found for overdue and default due to personal oversight, improper use initially, or the lack of understanding of interest calculations and payment deadlines. Applicants that have been recently referenced by other banks also tend to result in overdue and default, since the previous references may suggest applications filed with other banks (that is, applicants may be repeatedly applying or may have been previously declined.) When reviewing for approval, credit officers should consider the potential of excessively extended credits by an applicant, and whether other banks for various reasons may have declined such applicant. Therefore, besides making judgments based on systematic reference of tabulated variables, credit reviewers should consider enlisting additional non-tabulated variables to be used as basis of approval of decline after fully understanding the importance of these variables.
The result of this study is a LR model arrived at by conducting t-test and Logistic Regression quantitative analysis. This model is not only applicable to card issuing banks in general to process application data quickly and objectively, moreover, provides an alternate reference value to banks’ credit officers as a supplement to their subjective judgments. It is hoped that better result may be yielded for credit risk review on new applications, and consequently, reduced occurrences of overdue and defaults.

目 錄
中文摘要 ----------------------------------------------------Ⅰ
英文摘要 ----------------------------------------------------Ⅲ
誌 謝 辭 ----------------------------------------------------Ⅵ
目 錄 ----------------------------------------------------Ⅶ
表 目 錄 ----------------------------------------------------Ⅸ
圖 目 錄 ---------------------------------------------------ⅩⅠ
第一章 緒論 ------------------------------------------------- 1
第一節 研究動機 ----------------------------------------------2
第二節 研究目的 ----------------------------------------------3
第三節 研究方法 ----------------------------------------------4
第四節 研究架構 ----------------------------------------------5
第二章 文獻回顧 ----------------------------------------------6
第三章 理論研究 ---------------------------------------------14
第一節 法源依據－巴塞爾資本協定 -----------------------------14
第二節 理論依據 ---------------------------------------------16
（一） 資訊不對稱理論 ---------------------------------------16
（二） 逆向選擇理論 -----------------------------------------17
（三） 道德危險理論 -----------------------------------------17
（四） 信用風險評估理論 -------------------------------------18
第三節 迴歸模型統計分析 -------------------------------------21
（一） 區別分析模型 -----------------------------------------21
（二） 迴歸分析模型 -----------------------------------------22
（三） 機率Probit分析模型------------------------------------24
第四章 研究設計與應用方法 -----------------------------------26
第一節 資料來源 ---------------------------------------------26
第二節 研究限制 ---------------------------------------------26
第三節 變數選取 ---------------------------------------------28
第四節 應用方法 ---------------------------------------------30
（一） 羅吉斯迴歸（LR）模型的基本觀念 -----------------------30
（二） 羅吉斯迴歸（LR）模型如何建立 -------------------------31
第五章 實證分析 ---------------------------------------------33
第一節 資料來源與內容 ---------------------------------------35
第二節 資料分析 ---------------------------------------------36
第三節 樣本t檢定（母體平均數差異的檢定） --------------------65
第四節 羅吉斯迴歸（LR）模型的建立 ---------------------------71
第五節 以Probit分析模型來檢視最終LR模型的統計強度 -----------97
第六章 結論與建議 -------------------------------------------99
第一節 研究結論 ---------------------------------------------99
第二節 研究建議 --------------------------------------------103
第七章 參考文獻 --------------------------------------------105
（一） 中文書目 --------------------------------------------105
（二） 英文書目 --------------------------------------------106
（三） 網路資料 --------------------------------------------107
附錄 -------------------------------------------------------109
附錄一 國內現金卡市場概況 ----------------------------------109
附錄二 比較平均數法之獨立樣本T檢定 -------------------------112
表 目 錄
表2-1運用統計方法建立信用風險評估模型之相關文獻彙整表 -------13
表3-1信用風險模型比較表 -------------------------------------16
表3-2信用評分制度評分表 -------------------------------------19
表3-3信用風險評估理論彙整表 ---------------------------------20
表3-4區別分析、機率Probit分析＆羅吉斯Logistic迴歸模型之優、缺點 彙整表 ------------------------------------------------------25
表4-1現金卡逾期違約之高風險族群對象別 -----------------------27
表4-2變數選取表 ---------------------------------------------29
表5-0各變數之敘述統計值 -------------------------------------37
表5-1逾期戶與信用評級之間的交叉分析表 -----------------------39
表5-2逾期戶與性別之間的交叉分析表 ---------------------------41
表5-3逾期戶與年齡之間的交叉分析表 ---------------------------43
表5-4逾期戶與學歷之間的交叉分析表 ---------------------------45
表5-5逾期戶與職業之間的交叉分析表 ---------------------------47
表5-6逾期戶與年收入之間的交叉分析表 -------------------------50
表5-7逾期戶與婚姻狀況之間的交叉分析表 -----------------------52
表5-8逾期戶與住宅狀況之間的交叉分析表 -----------------------54
表5-9逾期戶與信用記錄之間的交叉分析表 -----------------------56
表5-10逾期戶與信用債務餘額之間的交叉分析表 ------------------58
表5-11逾期戶與持卡張數之間的交叉分析表 ----------------------60
表5-12逾期戶與近期是否有他行庫銀行查詢之間的交叉分析表 ------62
表5-13交叉分析中影響逾期之變數 ------------------------------64
表5-14t檢定衡量各變數的顯著性 -------------------------------67
表5-15交叉分析中影響逾期變數與t檢定顯著性變數之比較表 -------69
表5-16LR模型Ⅰ（表列變數）之分類表 --------------------------71
表5-17LR模型Ⅰ（表列變數）之參數估計表 ----------------------72
表5-18LR模型Ⅱ（加入表外變數）之分類表 ----------------------73
表5-19LR模型Ⅱ（加入表外變數）之參數估計表 ------------------74
表5-20t檢定與LR模型Ⅰ、Ⅱ顯著性變數比較表 -------------------75
表5-21LR模型Ⅲ之分類表 --------------------------------------77
表5-22LR模型Ⅲ之參數估計表 ----------------------------------77
表5-23LR模型Ⅳ之分類表 --------------------------------------79
表5-24LR模型Ⅳ之參數估計表 ----------------------------------79
表5-25LR模型Ⅴ之分類表 --------------------------------------81
表5-26LR模型Ⅴ之參數估計表 ----------------------------------82
表5-27五種LR模型具有顯著性變數彙整表 ------------------------83
表5-28最終LR模型之分類表 ------------------------------------86
表5-29最終 LR模型之參數估計表 -------------------------------86
表5-30本研究發現與重大貢獻之處 ------------------------------92
表5-31以E-views中Probit分析法驗證 ---------------------------98
附錄一表1 國內前五大現金卡發卡銀行發卡量與動用餘額 ---------110
附錄一表2 國內各家銀行目前所發行的現金卡名稱統計 -----------111
附錄二 比較平均數法之獨立樣本T檢定 -------------------------112
圖 目 錄
圖1-1研究論文架構圖 ------------------------------------------5
圖3-1迴歸分析步驟流程圖 -------------------------------------23
圖4-1Logistic Distribution曲線圖 ----------------------------31
圖5-0實證流程圖 ---------------------------------------------34
圖5-1逾期戶與信用評級之間的交叉分析集群長條圖 ---------------39
圖5-2逾期戶與性別之間的交叉分析集群長條圖 -------------------41
圖5-3逾期戶與年齡之間的交叉分析集群長條圖 -------------------43
圖5-4逾期戶與學歷之間的交叉分析集群長條圖 -------------------45
圖5-5逾期戶與職業之間的交叉分析集群長條圖 -------------------48
圖5-6逾期戶與年收入之間的交叉分析集群長條圖 -----------------50
圖5-7逾期戶與婚姻狀況之間的交叉分析集群長條圖 ---------------52
圖5-8逾期戶與住宅狀況之間的交叉分析集群長條圖 ---------------54
圖5-9逾期戶與信用記錄之間的交叉分析集群長條圖 ---------------56
圖5-10逾期戶與信用債務餘額之間的交叉分析集群長條圖 ----------58
圖5-11逾期戶與持卡張數之間的交叉分析集群長條圖 --------------60
圖5-12逾期戶與近期是否有他行庫銀行查詢之間的交叉分析集群長條圖---------------------------------------------------------------62

參考書目
（一）、中文書目
1、王信勝（2001），「整合分析層級程序與類神經網路之信用評分模型」，私立輔仁大學資訊管理學系碩士論文。
2、王保進（1999），「視窗版SPSS與行為科學研究」，心理出版社股份有限公司，第二版。
3、方博亮與林祖嘉（1999），「管理經濟學」，智勝文化事業公司，初版。
4、江世傑（2001），「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學系碩士論文。
5、何貴清（2002），「消費者小額信用貸款之信用風險研究－以一商業銀行為例」，國立中山大學人力資源管理研究所碩士論文。
6、李美笑（2002），「信用卡持卡人信用風險之研究」，私立逢甲大學保險學系研究所碩士論文。
7、呂美慧（2000），「銀行授信評等模式－Logistic Regression之應用」，國立政治大學金融學系碩士論文。
8、沈大白與張大成（2003），「信用風險模型評估－以台灣市場為例」，聯合徵信中心委託計劃報告書。
9、邱皓政（2003），「社會與行為科學的量化研究與統計分析－SPSS中文視窗版資料分析範例解析」，五南圖書出版股份有限公司，初版。
10、宋明哲（2001），「現代風險管理」，五南圖書出版股份有限公司，第五版。
11、吳惠林（2001），「經濟觀念－讓經濟學回歸真實世界」，中華經濟研究院，第88期，頁14-15。
12、林惠玲與陳正倉（2002），「應用統計學」，雙葉書廊有限公司，第二版。
13、周文賢（2002），「多變量統計分析－SAS/STAT 使用方法」，智勝文化事業有限公司，初版。
14、郭文湘（2002），「降低不良債權之授信管理策略」，國立高雄第一科技大學金融營運研究所碩士論文。
15、郭美芝與賴莉玉（2003），「信用卡信用風險審核系統之研究－以國內某一發卡機構為例」，私立真理大學財務金融系未發表論文。
16、郭敏華（2000），「債信評等」，智勝文化事業有限公司，初版。
17、陳木在與陳錦村（2001），「商業銀行風險管理」，新陸書局，第一版。
18、陳宗豪（2000），「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。
19、陳凱爾（2002）譯，Anita M.Meehan ＆ C.Bruce Warner原著，「EXCEL 在統計學上的應用」，五南圖書出版股份有限公司，第一版。
20、陳景堂（2002），「統計分析：SPSS for Windows入門與應用」，儒林圖書有限公司，第四版。
21、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所碩士論文。
22、莊雅君（2003），「台灣現金卡業務概況」，台育證券研究報告，2003年5月，頁1-2。
23、張雅琇（2003），「國內現金卡市場探討－從日本經驗談起」，寶來證券研究報告，2003年3月，頁6-7。
24、黃斯衍（2002），「消費金融即時現金卡簡介」，台北國際商銀雙月刊，2002年5-6月，頁4-7。
25、蔡建樹（2002），「初級計量經濟學」，台灣西書出版社，第二版。
26、劉柏宏（2001），「衍生商品新視野」，寶來金融創新季刊，第17期，頁1。
27、顏錫銘與闕河士（1996），「金融市場管理」，華泰文化事業公司，初版。
28、龔昶元（1998），「Logistic Regression 模式應用於信用卡信用風險審核之研究」，台北銀行月刊，28卷9期，頁35-49。
（二）、英文書目
1、Akerlof, G. A.,（1970）, “The Market for Lemons,” The Quarterly Journal of Economics, Vol.84, pp.488-500.
2、Christopher, L. C.,（2001）, “The Risk Management Process：Business Strategy and Tactics,” New York., John Wiley ＆ Sons, Inc.
3、Dan, B.,（2001）, “The Book of Risk,” New York., John Wiley ＆ Sons, Inc.
4、Didier, C., and Felipe, M.,（2001）, “Optimal Control of Credit Risk,” Kluwer Academic Publisher.
5、Frederic, S. M., and Stanley, G. E.,（1998）, “Financial Markets and Institutions,” second edition., Addison-Wesley Co., Ltd.
6、Joel, B.,（2002）, “Risk Management in Banking,” New York., John Wiley ＆ Sons, Inc.
7、Kaplan, R. S., and Urwitz, G.,（1979）, “Statistical Models of Bond Ratings：A Methodological Inquiry,” Journal of Business, Vol.52. No.2, pp.231.
8、Peter, S. R.,（1983）, “Loans in Trouble in a Troubled Economy,” Canadian Banker ＆ ICB Review 90 No.3, pp.55.
9、Hill, R. C., Griffiths, W. E., and Judge, G. G.,（2001）, “Undergraduate Econometrics,” Second Edition, New York., John Wiley ＆ Sons, Inc.
10、Stone, M. H., and Wright, B. D., （1979）, “Best Test Design,” Chicago：MESA Press.
（三）、網路資料
1、世華商業銀行股份有限公司（2003），世華金融圖書館，中文期刊：銀行刊物專區與商業管理專區http://www.uwccb.org.tw/publisher/journals.htm#5
2、金融聯合徵信中心（2003），金融機構專區http://www.jcic.org.tw/
3、 財團法人聯合信用卡處理中心（2003），NCCC新聞專區http://www.nccc.com.tw/plan/main.htm
4、 財政部金融局全球資訊網（2003），資訊專區與金融專區http://www.boma.gov.tw/
5、 新浪雜誌（2003），財經政治專區與商業理財專區http://magazines.sina.com.tw/
6、 經濟季刊（2003），This file is part of IDEAS, which uses RePEc data：The Market for ''Lemons'': Quality Uncertainty and the Market Mechanism http://ideas.repec.org/a/tpr/qjecon/v84y1970i3p488-500.html
7、 cnYES鉅亨網最新研究報告（2003），最新研究報告專區，寶來證券研究報告，張雅琇：國內現金卡市場探討－從日本經驗談起，2003年3月 http://www.cnyes.com.tw/res/listrsh.asp?first=N&pagetype=index4&subtype=NEW&kind=&subkind=&prov=6002&mark=&indu=&author=&ttl=&id=&sdt=02/07/2003&edt=05/06/2003
8、 Open政府出版資料回應網（2003），整合查詢資料庫http://open.nat.gov.tw/hypage.cgi?HYPAGE=hotdb/hotdb.htm
9、國立交通大學教學網（2003），湯斯坤：SAS統計分析http://webclass.ncu.edu.tw/~tang0/