臺灣博碩士論文加值系統

近年來由於全球化以及國內政經形勢的不穩定，使得各金融機構皆承受相當大的放款風險。有鑑於此，巴塞爾監理委員會在2001年提出新的巴塞爾資本協定，明文規定銀行應有內部風險管理機制，以有效管控自身的風險及降低呆帳。過去有許多研究使用倒傳遞類神經網路(Back-Propagation Neural Network, BPN)和核心法(Kernel method)構建風險評估模式，但是由於這些方法皆難以得到分類之方程式，使的業界在實際應用上遭遇很大的困難。過去曾有文獻利用風險評估模式與存活期預估模式構建信用評等模式，但模式中並只考慮存活期，未考慮到債務期限長短，導致無法準確衡量違約後之風險程度。本研究利用支向機（Support Vector Machine、SVM）、判別分析（Discriminant analysis）和自組性演算法（Group Method of Data Handling、GMDH）等可以得到分類方程式的方法構建風險評估模式，再整合存活期預測模式與一個可以同時考慮存活期與債務期限之指標，另提出一套中小企業信用評等模式，使金融機構能有效評估借款企業之風險程度和信用等級，快速的作出適當之放款決策。本研究利用國內某金融機構所提供近五年向其借款之中小企業歷史資料，以驗證本研究所發展之信用評等模式確實能有效地幫助金融機構作出正確之放款決策。

Many financial institutions have faced serious loan risk due to globalization and instability of political and economic situations in Taiwan. For this reason, the internal risk management for financial institutions becomes an important issue in recent years.Many research about risk assessment model use methods like Back-Propagation Neural Network and Kernel method. But these methods can not provide mathematic function.The proposed procedure uses Support Vector Machine, Multivariate Discriminant analysis and Group Method of Data Handling, respectively, to construct the risk assessment model.Than, this study propose a procedure to assess credit rating, utilizing the risk assessment model and prediction model of survival. A case study is provided by a financial institution in Taiwan to demonstrate the effectiveness of the proposed
procedure.

目 錄
第一章 緒論 …………………………………………………………………………1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究方法 2
1.4 研究架構 2
第二章 文獻探討 ……………………………………………………………………3
2.1內部評等法 3
2.1.1巴塞爾銀行監理委員會…………………………………………….. 3
2.1.2新版巴塞爾協定與內部評等法…………………………………….. 3
2.2信用評等 5
2.2.1信用評等的定義…………………………………………………….. 5
2.2.2信用評等的原則…………………………………………………….. 6
2.3風險評估模式相關研究 7
2.4存活分析(Survival Analysis) 8
2.4.1存活分析簡介..……………………………………………………… 8
2.4.2存活分析相關文獻…………………………………………………...9
2.5 支向機（SVM） 10
2.5.1 支向機簡介……………………………………………………. …..10
2.5.2 線性支向機……………………………………………………. …..11
2.5.3非線性支向機……………………………………………………….12 2.6 判別分析……………………………………………………………… …..13
2.7自組性演算法（GMDH） 15
第三章 研究方法 …………………………………………………………………..19
3.1 風險評估模式 19
3.2 存活期預測模式 21
3.3 中小企業信用評等模式 22
第四章 實例驗證 …………………………………………………………………..24
4.1 本研究方法說明 24
4.2 實例驗證結論 32
第五章 結論與建議 ……………………………………………………………..33
5.1 結論 33
5.2 建議 33
參考文獻 ………………………………………………………………………..35

[1] 沈俊誠，「整合金融機構風險評估與信用評等模式之研究」，交通大學工業工程研究所碩士論文，2004。
[2] 李紀珠，「金融機構失敗預測模式－加速失敗模式之應用」，經濟論文叢刊，第21卷，第4期，p355-379，1993。
[3] 林竹君，「商業銀行如何衡量違約企業之償還率」，國立中央大學財務金融研究所碩士論文，2004。
[4] 林孟宏，「中小企業抵押貸款決策流程之」，交通大學工業工程研究所碩士論文，2005。
[5] 林惠玲，「廠商之退出率與存活時間之計量模式－台灣電子及電子機械器材製造業之驗證」，經濟論文叢刊，第21卷，第4期，p411-440，1993。
[6] 翁霓等人譯 「商業銀行的管理政策」，幼獅文化事業公司與台北銀行，初版，1987。
[7] 黃小玉 ，「銀行放款信用評估模式之研究-最佳模式之選擇」，淡江大學管理科學研究所碩士論文，1988。
[8] 黃國源，「類神經網路與圖形識別」，維科圖書有限公司出版，第二
版，2003年。
[9] 陳侑宣，「商業銀行如何使用信用風險值檢視授信政策」，國立中央大學財務金融研究所碩士論文，2004。
[10] 陳英豪，「應用自組性演算法企業信用評等模式」，交通大學工業工程研究所碩士論文，2005。
[11] 游翔百，「複合式信用評等模式」，交通大學工業工程研究所碩士論文，2004。
[12] 戴文彬，「違約企業償還率的實證研究」，國立中央大學財務金融研究所碩士論文，2004。
[13] Altman, E. I, and Saunders, A., “Credit risk measurement: Development over the last 20 years”, Journal of Banking & Finance, Vol. 21, Iss. 11- 12, pp. 1721, 1997.
[14] Altman, E.I, and Kishore, V., “Almost Everything You Wanted To Know
About Recoveries On Default Bonds,” Financial Analysts Journal,
Nov/Dec, pp.57-64.1996.
[15] Beaver, William H., “Financial ratios as predictors of failure”, Journal of Accounting Research, pp.71-111, 1966.
[16] Emel, A. B., Oral M., Reisman, A. and Yolalan, R., “A credit scoring approach for the commercial banking sector”, Socio-Economic Planning Sciences, Vol. 37, pp. 103–123, 2003.
[17] Gupton, Greg M. and Stein, Roger M. “LossCalc v2: Dynamic Prediction of LGD,” Moody’s Investors Service, New York, 2005.
[18] Ivakhnenko, A. G. and Madala, H. R., Inductive Learning Algorithms for Complex Systems Modeling, CRC press, Inc., 1994.
[19] Jensen H.L., Robert R. Trippi, Efraim Turban “Neural Network in finance and investing：using artificial intelligence to improve real-work performance’’, eChicago III.：Probus Pub., 1993.
[20] Lee, T. S., Chiu, C. C., Lu, C. J., and Chen, I. F., “Credit scoring using the hybrid neural discriminant technique”, Expert Systems with Applications, Vol. 23, pp. 245–254, 2002.
[21] Ohlson, A. James , “Financial ratios and the probabilistic prediction of bankruptcy’’, Journal of Accounting Research, Vol. 18, No. 1, 1980.
[22] Thomas, L. C., Banasik, J. and Crook, J. N., “Not if but When Will Borrowers Default,” Journal of Operation Research in Society, Vol. 50, pp. 1185-1190, 1999.
[23] Vandell, K., Barnes, W. D., Harfzell, D. Kraft and Wendt, W., “Commercial Mortgage Defaults: Proportional Hazards Estimation Using Individual Loan Histories,” Journal of the American Real Estate and Urban Economics Association, Vol. 21 , pp. 451-480., 1993.