跳到主要內容

臺灣博碩士論文加值系統

(3.236.124.56) 您好!臺灣時間:2021/07/30 05:43
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:林伯修
研究生(外文):PO-HSIU,LIN
論文名稱:應用資料採礦技術於銀行客戶分析之研究-以某銀行為例
論文名稱(外文):Applying Data Mining Technology for Bank Customers Analysis: An example of ABC Bank
指導教授:謝邦昌謝邦昌引用關係
指導教授(外文):Ben-Chang Shia
學位類別:碩士
校院名稱:輔仁大學
系所名稱:應用統計學研究所
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:73
中文關鍵詞:資料採礦預測模型
外文關鍵詞:Data MiningForecasting modeltrading risk
相關次數:
  • 被引用被引用:0
  • 點閱點閱:304
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
近年來國內外金融環境劇烈變化,在日趨自由化與國際化的影響下,國際金融市場整合與商品不斷的創新等等因素,都使得銀行所面臨的環境越趨複雜。而我國隨著金融市場的開放,亦將於2006年12月31日起實施「銀行資本適足性管理辦法」,國內銀行面臨國際競爭也更佳的嚴峻。本研究以SQL SERVER 2005為工具,於SQL SERVER資料庫中分別建立基本資料檔、交易資料檔••••等等資料庫,再以SQL SERVER 2005為分析工具探討客戶結構與交易行為,找出壞帳客戶特性。
本研究的主要結論:
本研究主要針對銀行交易資料建構預測模型,找出預測能力較穩定且較佳的壞帳預測模型,探討那些因素對於形成壞帳具有顯著性的關係。不管在1:1、1:2、1:3抽樣水準下,關聯分析模型的預測能力皆表現的最穩健。不同的抽樣水準比較在1:3抽樣下時的整體預測與好帳、壞帳預測能力都較好。透過分析交易資料,可以找出放款對象行業別(INDUSTRY_CD)、產品別分類(LTYPE)、利率分類(RATE_V)等變項皆可被列為重要因素。然後在不同產品種類、資料來源上產品不一樣時的風險亦不同。資料來源是海外資金拆借與OBU企業放款等產品時,好帳機率非常高,電腦軟體服務業、電子零組件製造業壞帳比例都偏高。
In recent years, it has been drastic changes in the financial environment locally and globally. Because of the financial environment become more open and internationalization, the integration of international financial market and the innovation of financial commodities, the situation that banks are facing is increasingly complicated. After the “the Risk Based Capital Regulation on Bank Asset Allocation” is brought into effect, the international competition which is faced by domestic banks becomes more severe. This research applies SQL SERVER 2005 to build up basic information, transaction information and so on in the database and consequently, to analyze the structure of customers and the trading trends. Therefore, the characteristics of “bad-debt/delinquent” customers can be found.
The findings of this research:
This research is to build up a better and more stable forecasting model based on the data of banking transaction. Moreover, various significant causes of bad-debt are discussed. No matter what sampling approach is adopted, the forecasting ability of Relational Analysis is the best. Through the analysis of transaction data, the following variants such as INDUSTRY_CD, LTYPE and RATE_V are significant causes. Moreover, the risks may vary in accordance with the different types of products and sources of data.
目 錄
頁次
第壹章 緒論…..……..………………………………………. ……….. 01
第一節 研究背景與動機………………………………………….01
第二節 研究目的………………………………………………….02
第三節 研究流程………………………………………………….03
第貳章 文獻探討…..……..………………………………………. …..04
第一節 資料採礦…..……..……………………………………….04
第二節 新版巴塞爾資本協定概述…..……..…………………….06
第三節 新資本協定對我國金融業之影響……………………….11
第四節 作業風險定義及演進…………………………………….13
第五節 資料蒐集及風險指標…………………………………….17
第六節 作業風險評估與衡量方法……………………………….19
第七節 銀行業界對新建議案之評論與意見…………………….22
第八節 研究假設……………………………………………….... 24
第參章 研究方法………………………………………………………25
第一節 研究對象與範圍…………………………………………25
第二節 研究設計…………………………………………………25
第三節 資料來源…………………………………………………25
第四節 研究架構…………………………………………………27
第五節 資料變項說明……………………………………………29
第六節 資料分析方法……………………………………………30
第肆章 模型建立與分析………………………………………………37
第一節 基本特性分析……………………………………………37
第二節 模型分析…………………………………………………42
第三節 模型比較..…………………………………………………58
第伍章 結論與建議……………………………………………………. 69
第一節 研究結論…………………………………………………..69
第二節 建議..………………………………………………………71
參考文獻…………………………………………………………………72
1.邱志洲、謝邦昌,「類神經網路分析」(民國89年),曉園出版社。
2.謝邦昌(民國89年),「資料採礦入門及應用-從統計技術看資料採礦」,初版,資商訊息顧問有限公司。
3.沈大白,敬永康(民國91年),新版巴塞爾資本協定(上)-總論及信用風險權數調整方案,貨幣觀測與信用評等。
4.沈大白,陳韋樺(民國91年),新版巴塞爾資本協定作業風險草案簡介,貨幣觀測與信用評等。
5.陳韋樺(民國91年),金融機構之作業風險衡量與管理,私立中國文化大學商學院會計研究所碩士論文。
6.趙民德、謝邦昌、蘇志雄(民國92年),「非讀不可─統計學評論」,鼎茂圖書出版股份有限公司。
7.韋端、鄭宇庭、鄧家駒、匡宏波、謝邦昌(民國92年),「DATA MINING概述」,中華資料採礦協會。
8.沈大白、張大成(民國92年),「信用風險模型效力驗證-以台灣市場為例」,財團法人金融聯合徵信中心委託計畫報告書。
9.邱創政(民國92年),以消費表現為基礎之顧客群集分析,元智大學碩士論文。
10.徐如慧(民國92年),「內部信用風險模型-資本配置與績效評量」,科大文化事業(股)公司。
11.台灣金融研訓院編譯委員會(民國93年),「風險管理」,金融研訓院。
12.謝邦昌、蘇志雄、鄭宇庭、葉劭緯,「資料採礦與商業智慧─SQL Server 2005」(民國94年),鼎茂圖書出版股份有限公司。
13.莊傑富(民國94年),不同信用評分模型對信用評等之影響,東吳大學碩士論文。
14.戴佩芳(民國94年),CreditMetricsTM信用風險模型實證分析與應用介面設計~以台灣某商業銀行為例,國立清華大學碩士論文。
15.尹相志(民國95年),SQL Server 2005 OLAP線上即時分析,悅知文化。
16.竺亞杰(民國95年),SQL Server 2005 MDX商業智慧應用,悅知文化。
17.胡百敬,姚巧玫(民國95年),SQL Server 2005 SSIS整合服務,悅知文化。
18.謝邦昌(民國95年),「專題分析-統計教育創新與發展」,CDMS-Newsletter,第20期。
19.鄭宇庭、易丹輝、謝邦昌,「統計資料分析」(民國95年),中華資料採礦協會,2006年4月二版
20.尹相志(民國96年),SQL Server 2005 Data Mining資料採礦與Office2007資料採礦增益集,悅知文化。
21.Allan Afuah, (1998). Innovation Management : Strategies , Implementation , and Profits . Oxford University Press, Inc.
22.Berry , M.J.A. and Linoff, G.,(1997). Data Mining Techniques : For Marketing Sale and Customer Support. Wiley Computer.
23.Grupe, F. H. and Owrang , M. M.,(1995). Database Mining Discovering New Knowledge And Cooperative Advantage . Information Systems Management,Vol.12,No.4.
24.Hsicn-Ta Wang , Tsui Mu , Li-Kung Chen , Tzy-mei Lin , Chih-Ming Chiang , Hsin-Neng Hsish , Yu-Ting Cheng and Ben-Chang Shia (2003) : A Survey for Technological Innovation in Taiwan.
25.Lewis , C . D . (1982). Industrial and Business Forecasting Methods : A practical Guide to Exponential Smoothing and Curve Fitting, Butterxorth Scientific,London .
26.Morgan J.P.(1997),”Credit MetricsTM-Technical Document”.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top