臺灣博碩士論文加值系統

論 文 摘 要
由於國內金融市場競爭相當激烈，在存放款利差縮小下使銀行的獲利能力跟著下降，各銀行莫不積極拓展新種金融業務以增加營收創造獲利，現金卡就是目前主要的重點業務之一。為了搶佔現金卡市場，各家銀行莫不推出各式廣告，甚至簡化審核過程以吸引潛在客戶，反而使銀行面對的信用風險提高。
目前的現金卡審核過程多是由負責徵、授信行員憑藉專業知識與經驗作主觀判斷，但隨著現金卡業務的快速成長，以專人逐件審核的方式早已緩不濟急，如何建立一套科學化評分系統，一方面提高案件處理效率，一方面降低現金卡的呆帳率，已成為銀行在消費金融決勝的重大關鍵。過去的現金卡相關文獻並不多，若有則僅注重在各變數的顯著性之研究，而未針對各變數給予權數。本研究的目的即在正視此一問題，建立一套有效的信用評分模型。
具體而言，本研究利用國內某銀行的現金卡匿名客戶資料所建立之信用評分模型(credit scoing model)，可實際應用在現金卡申請人的信用評估上，不但可提升現金卡的處理效率，且能有效降低銀行所面臨的現金卡信用風險。
本研究之評分模型變數選取以個案銀行現金卡申請書及額度評核表為來源，透過SPSS套裝軟體及累積正常百分比-累積違約百分比取絕對值為分析，找出各變數的權數，以代替個案銀行較主觀之信用評核方式。

目錄
表目錄
圖目錄 頁數
第一章 緒論………………………………………………………………01
第一節 研究背景與動機…………………………………………………01
第二節 研究目的…………………………………………………………04
第三節 研究流程…………………………………………………………05
第四節 論文架構…………………………………………………………06

第二章 相關理論與文獻探討…………………………………………07
第一節 現金卡相關研究之文獻探討……………………………………07
第二節 現金卡簡介………………………………………………………12
第三節 個案銀行現金卡申請、評核業務簡介…………………………15

第三章 研究方法…………………………………………………………23
第一節 資料來源…………………………………………………………23
第二節 變數選取…………………………………………………………24
第三節 研究方法…………………………………………………………28



頁數
第四章 實證初步分析…………………………………………………31
第一節 敘述統計………………………………………………………31
第二節 資料交叉分析…………………………………………………34
第三節 相關分析………………………………………………………50

第五章 信用申請評分模式之建構……………………………………51
第一節 實驗樣本之預測與最適分割點之決定………………………53
第二節 評分模型之準確性……………………………………………56
第三節 信用申請評分表之編製………………………………………60

第六章 結論與建議……………………………………………………65
第一節 研究結論………………………………………………………65
第二節 研究限制………………………………………………………67
第三節 研究建議………………………………………………………68

參考文獻…………………………………………………………………69
附錄………………………………………………………………………71

一、中文部分
1. 何清貴(2001)消費者小額信用貸款之信用風險研究，中山大學人力資源管理研究所碩士論文。
2. 李貞靜(2002)國內銀行現金卡競爭策略的探討，中山大學高階經營碩士學程專班(EMBA)碩士論文。
3. 李美笑(2002)信用卡持卡人信用風險之研究，逢甲大學保險學研究所碩士論文。
4.江淑娟(2003)信用評等因素與信用卡違約風險之關係，逢甲大學保險學研究所碩士論文。
5. 林旭青(2004)現金卡發行風險評估模型之研究，淡江大學國際貿易學系碩士在職專班碩士論文。
6. 林重光(2004)影響現金卡信用風險因素之實證研究，雲林科技大學財務金融碩士班碩士論文。
7. 陳炳霖(2004)現金卡授信風險之評估，逢甲大學經營管理研究所碩士論文。
9. 劉泰谷(2004)信用卡信用評分模型之建構與分析，世新大學管理學院財務金融學系碩士論文。





二、英文部分
1. Espahibodi, 1991, Identification of Problem Bank and Binary
Choice Models, Journal of Banking and Finance 15, 53-71.
2. Gahola,C.L,1990, A credit managers guide to the analysis of empirical credit scoring systems,Credit Research Foundation,5, 132-152.
3. Hosmer,D.W.,Lemeshow,S.,Applied Logistic Regression, 1989, New York：John Wiler & Sons, Inc.
4. Klayman, J. 1988, Cue discovery in probabilistic environment ：
Uncertainty and experimentation, Learning memory and cognition, 14(2), 317-330.
5. Steenackers,A. & Goovaerts, M.J., 1989, A credit scoring mode
for personal loans, Insurance Mathematics Economics, 6, 31-34.
6. Chen, G. G., 2001, “The economic value of reject inference in credit
scoring.” workingpaper.
7. Crook, J. and J. Banasik, 2002, “Does reject inference really improve the performance of application scoring models?” working paper.
8. Feelders, A. J., 1999, “Credit scoring and reject inference with mixture model.”International Journal of Intelligent System in Accounting, Finance and Management, 8, pp271-279.