跳到主要內容

臺灣博碩士論文加值系統

(35.172.136.29) 您好!臺灣時間:2021/08/02 03:44
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:林建邦
研究生(外文):Lin Jian Bang
論文名稱:個人消費性貸款違約機率預測模型超抽樣比例與建模方法之探討研究
論文名稱(外文):The Study of the Oversampling Proportion and Model Construction Method in the Predictive Model of Probability of Default of Personal Consumer Loans
指導教授:梁德馨梁德馨引用關係
指導教授(外文):Liang Te Hsin
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:107
中文關鍵詞:資料採礦違約機率超抽樣羅吉斯迴歸類神經網路
外文關鍵詞:Data MiningProbability of DefaulOversamplingLogisitc RegressionNeural Network
相關次數:
  • 被引用被引用:11
  • 點閱點閱:650
  • 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
近年來國際金融環境的快速變遷,許多銀行因未做好有效風險控管的工作,紛紛面臨倒閉或被併購之危機。巴塞爾金融機構監理委員會(Basel Committee on Banking Supervision)為免於金融體制繼續惡化,業於2004年6月底正式定案「新巴塞爾資本協定(The New Basel Capital Accord, Basel Ⅱ)」,其中新增以「內部評等法(Internal Ratings-Based Approach)」計算信用風險,顯示出對風險控管之要求更為嚴謹,且已有包含台灣在內的許多國家於2006年12月底正式開始實施,有效提升模型預測效力儼然成為銀行現階段最重要的課題。
隨著IT技術的突飛猛進,銀行所擁有的資料量也日漸龐大,使得建構預測模型之工作愈顯困難,本研究乃利用目前國內外銀行廣泛使用之資料採礦(Data Mining)技術建模;過去雖已有許多學者做過有關違約機率(Probability of Default,以下簡稱PD)預測模型之研究,但過去多僅著重於模型的獲得,故本研究針對在建模流程中鮮少被探討之「超抽樣比例」與「建模方法」做有系統之探討。
本研究所得到之結論如下:
一、影響個人消費性貸款違約之重要特徵因素有:地區別、接受交叉銷售、年齡層、學歷、性別、行業別、婚姻狀態、自動轉帳、年收入、起息季、提前清償、保證人以及每期償付金(共計13個)。
二、在超抽樣比例方面,以1:3之比例建模可獲得最適之PD預測模型。
三、在建模方法方面,以羅吉斯迴歸建模可獲得最適之PD預測模型。
International financial environment changes rapidly in recent years. Many banks face the crisis of bankruptcy or being merged because of inefficient risk management. To avoid the aggravation of financial frame, Basel Committee on Banking Supervision constituted The New Basel Capital Accord (Basel Ⅱ) in June, 2004. The new method, the Internal Ratings-Based Approach, is used to evaluate credit risk, which reveals more severe demand to risk management. Many countries, including Taiwan, has brought it into effect since the end of December, 2006. Efficiently raising the predictive result of models has obviously become the most critical issue in this period.
As the advance of IT technology, banks’ data has become extensive, which makes it more difficult to construct predictive models. This study applies Data Mining (DM), widely adopted by domestic and international banks, to construct models. In the past, many scholars has done the research about Probability of Default (PD), but mostly stressed on acquisition of models. Therefore, this study discusses “oversampling proportion” and “model construction ” systematically, which are rarely discussed in the past.
The result of the study is as following:
1.The 13 factors influencing default of personal consumer loans are: Located_Area, Cross_Selling, Age_Level, Education, Gender, Occupation, Marital_Status, Auto_TFR_Payment, Annual_Income, Acct_Open_Season, Early_Payment, Guarantor, and Installment_Amt.
2.As to oversampling proportion, model construction with the proportion of 1:3 results in the best PD predictive model.
3.As to model construction method, model construction with Logistic Rrgression results in the best PD predictive model.
第壹章 緒論 --------------------------------------------------------1
第一節 研究背景 ----------------------------------------------------1
第二節 研究動機 ----------------------------------------------------6
第三節 研究目的 ----------------------------------------------------8
第四節 研究架構 ---------------------------------------------------10
第貳章 文獻探討 ---------------------------------------------------12
第一節 資料採礦 ---------------------------------------------------12
第二節 稀有事件之抽樣方法 ------------------------------------------18
第三節 個人消費性貸款 ----------------------------------------------21
第四節 授信理論與方法 ----------------------------------------------28
第五節 相關研究文獻 ------------------------------------------------34
第參章 研究設計 ---------------------------------------------------38
第一節 研究流程 ---------------------------------------------------38
第二節 CRISP-DM程序 -----------------------------------------------40
第三節 變數操作型定義 ----------------------------------------------44
第四節 研究方法 ---------------------------------------------------46
第肆章 實證結果 ---------------------------------------------------54
第一節 資料透視與準備 ----------------------------------------------54
第二節 資料結構 ---------------------------------------------------56
第三節 變數篩選 ---------------------------------------------------63
第四節 資料轉換與資料抽樣 -------------------------------------------65
第五節 模型之建立與比較 --------------------------------------------70
第伍章 結論與建議 --------------------------------------------------75
第一節 研究結論與貢獻 ----------------------------------------------75
第二節 研究限制與建議 ----------------------------------------------77
參考文獻 -----------------------------------------------------------78
附錄一 Basel Ⅱ IRB規範 ---------------------------------------------84
附錄二 DM程序彙整表 --------------------------------------------------89
附錄三 授信評估理論 --------------------------------------------------90
附錄四 各模型預測力指標彙整表 -----------------------------------------93
附錄五 模型穩定性檢定表 ---------------------------------------------103
一、中文部分
1.丁一賢、陳牧言,「資料探勘」,滄海書局,2005年。
2.中央銀行,「統計資料:金融統計消費者貸款及建築貸款餘額」,95年9月。
3.王鶴松,「新巴塞爾銀行資本適足率協定與風險管理」,銀行公會會訊,第13期,2003年1月。
4.尹相志,「SQL 2000 Analysis Service 資料採礦服務」,維科圖書有限公司,2003年。
5.古裕彥,「統計資料採礦」,東海大學統計學系碩士論文,2003年。
6.台灣金融研訓院,「新巴塞爾資本協定全文中文版」,行政院金管會銀行局,2004年。
7.石曉軍,「Logistic 違約模型最優樣本配比與分界點的模擬分析」,數理統計與管理,第25卷第6期,2006年11月,頁675-682。
8.行政院金融監督管理委員會,「95年8月份本國銀行逾期放款情形」,2006年9月26日。
9.行政院金融監督管理委員會,「行政函釋:金管銀 (四) 字第 09440010950 號」,2005年12月19日。
10.江世傑,「利用模糊類神經網路系統評估消費性貸款」,成功大學企業管理研究所碩士論文,2001年。
11.李增昌,「新巴塞爾資本協定對銀行作業風險規範之研究」,國立中山大學高階經營碩士學程碩士在職專班碩士論文,2005年。
12.呂芳陽,「台灣地區民營羽球館顧客流失分析之研究」,大專體育學刊-人文社會篇,第5卷第2期,2003年12月,頁65-76。
13.匡宏波,「DM方法論淺談」,CDMS-Newsletter,第11期,2004年1月,頁2-6。
14.吳振晃,「資料採礦技術於銀行授信之應用-以消費者貸款為例」,中國文化大學資訊管理研究所碩士論文,2003年。
15.何貴清,「消費者小額信用貸款之心用風險研究-以一商業銀行客戶為例」,中山大學人力資源管理研究所碩士論文,2002年。
16.汪海清、黃景泰、謝維國、楊培宏、王南豪,「消費者貸款實務」,台灣金融研訓院,1999年。
17.汪惠健審校,Matin T. Hagan & Howard B & Demuth & Mark Beale著,「類神經網路設計」,高立圖書公司,2004年。
18.林芝儀,「應用資料探勘於信用卡授信決策模式之實證研究」,元智大學工業工程與管理學系碩士論文,2003年。
19.林建州,「銀行個人消費信用貸款授信風險評估模式之研究」,中山大學財務管理研究所碩士論文,2001年。
20.林勉今,「消費性貸款授信風險評估之研究-以X銀行為例」,大同大學事業經營研究所碩士論文,2003年。
21.林傑斌,「資料採掘與OLAP 理論與實務」,文魁出版社,2002年。
22.周憲慶,「應用資料採礦技術建構銀行風險管理模型之實證研究」,台北科技大學商業自動化與管理研究所,2004年。
23.洪嘉興,「資料挖掘(Data Mining)淺析」,華控月刊,第11期,2003年11月,頁17-25。
24.胡志宏,「新版巴塞爾資本協定對我國金融業信用風險管理之衝擊」,元智大學管理研究所碩士論文,2003。
25.孫昭仁,「金融業授信業務概要」,台北:梅枝圖書印刷有限公司,1983年。
26.孫佩虹,「從零至零專案看消費性貸款業務未來發展趨勢」,華控月刊,第24期,2004年12月,頁19-25。
27.孫莓婷,「資料採礦中的模型選取」,政治大學統計學系碩士班碩士論文,2005年。
28.陳宗豪,「消費者小額信用貸款之信用風險研究-甄選的觀點」,中山大學人力資源管理研究所碩士論文,2000年。
29.陳棟良,「簡介新巴塞爾資本協定信用風險標準法在台灣」,華控月刊,第32期,2005年8月,頁1-11。
30.陳敬聰,「信用卡信用風險評估之研究」雲林科技大學資訊管理技術研究所碩士論文,1997年。
31.陳姍霓,「整合類神經網路、多元適應性雲形迴歸與分類迴歸樹於信用評等模式之建構-以房屋貸款為例」,輔仁大學管理學研究所碩士論文,2004年。
32.陳鴻文,「個人小額信用貸款授信模型之個案研究」,高雄第一科技大學財務管理系碩士論文,2002年。
33.陳麒文、陳鴻雁,「Data Mining於運動行銷上之應用」,體育科技與資訊研討會論文,2001年。
34.張炳輝,「新巴塞爾資本協定與信用風險標準法之介紹」,華控月刊,第5期,2003年5月,頁5-14。
35.張柏弘,「市場風險最適資本準備之乘數分析-極值法」,元智大學管理研究所碩士論文,2001年。
36.張春本,「銀行授信評估與品質管理之研究」,義守大學管理科學研究所碩士論文,2001年。
37.張美蘭,「銀行授信決策糢式之研究:模糊理論的應用」,國立暨南國際國際企業學研究所碩士論文,1997年。
38.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,1989年。
39.梁德馨、黃高鴻,「新巴賽爾資本協定之小額信用貸款信用風險內部評等模型之研究」,未出版投稿中的Paper,2006年。
40.梁德馨、林建邦,「小額信用貸款違約機率預測模型中之結合變數研究」,風險管理實務研討會論文,投稿審稿中,2007年。
41.黃仁德、曾令寧,「信用風險的內部評等基準法」,金融風險管理季刊,2004年11月號,2004年11月。
42.葉英俊、紀榮年,「企業評等與銀行授信」,金融研訓院,1998年。
43.葉怡成,「類神經網路模式應用與實作」,儒林圖書公司,台北, 2001年。
44.葉建良,「利用CART分類與迴歸樹建立消費者信用貸款違約風險評估模型之研究 : 以國內A銀行為例」,輔仁大學應用統計學研究所碩士論文,2006年。
45.彭慧雯,「建構信用卡資料挖礦架構及其實證研究」,台北科技大學生產系統工程與管理研究所碩士論文,2001年。
46.彭文正譯,Berry, M. J. A. and Linoff, G.著,「資料採礦-顧客關係管理暨電子行銷之應用」,數博網資訊股份有限公司,2001年。
47.華南銀行信用風險IRB小組,「新巴塞爾資本協定-信用風險內部評等法簡介」,華控月刊,第24期,2004年12月,頁10-14。
48.楊建民、吳志鴻、何習銓、洪文彥,「新巴塞爾協定下信用風險評等模型之研究」,2005 工商管理理論與實務研討會,頁E-23-1至E-23-8。
49.楊蓁海,「新版巴塞爾資本協定與銀行信用風險測度模型的發展-兼論對我國銀行體系與央行政策的影響」,中央銀行季刊,第27卷第1期,2005年3月,頁47-86。
50.鄒明城,「空間資料庫知識探索之研究-以集集大地震引致之山崩為例」,台灣大學地理環境資源學研究所博士論文,2004年。
51.銀行公會,「中華民國銀行商業同業公會全國聯合會會員授信準則」,2000年。
52.「銀行法」,2007年3月21日修正。
53.趙民徳,「關於數據採礦中取樣概念的一些探討」,中央研究院統計科學研究所,2001年。
54.鄭宇庭、謝邦昌、程兆慶,「金融數據挖掘與商用數據挖掘-建構信用卡評分模型之商業智慧流程」,政治大學資料採礦中心,2006年。
55.鄭志新,「小額信貸信用風險評分模型之建構」,世新大學管理學院經濟學系碩士論文,2005年。
56.鄧家駒,「資料採礦(Data Mining)技術簡介」,金融風險管理季刊,2004年9月號,2004年9月。
57.潘雅慧,「新巴塞爾資本協定及信用風險模型化之研析」,中央銀行季刊,第24卷第2期,2002年6月,頁35-54。
58.潘雅慧,「新巴塞爾資本協定與我國因應之道」,中央銀行季刊,第26卷第2期,2004年6月,頁31-48。
59.賴耀群,「銀行放款信用評分模型之研究」,淡江大學管理科學研究所碩士論文,1977年。
60.盧傳熙,「Data Mining Q&A」,CDMS-Newsletter,第17期,2006年7月,頁12-23。
61.薛琦,「授信一般規章介紹」,台灣金融研訓院,2002年。
62.謝邦昌,「簡介Data Mining」,http://cdms.stat.fju.edu.tw/,2003年。
63.謝邦昌,「專題分析-統計教育創新與發展」,CDMS-Newsletter,第20期,2006年10月,頁5-28。
64.戴堅,「個人消費性信用貸款授信評量模式之研究」,中正大學國際經濟研究所碩士論文,2004年。
65.簡安泰,「消費者信用評分制度之研究」,政治大學企業管理學系碩士論文,1971年。
66.簡禎富、林鼎浩、徐紹鐘、彭誠湧,「建構半導體晶圓允收測試資料挖礦架構及其實証研究」,工業工程學刊,第18卷第4期,頁37-48。
67.龔昶元,「Logistic Regression模式應用於信用卡信用風險審核之研究-以國內某銀行信用卡為例」,台北銀行月刊第28卷第9期,1998年。
68.「專題分析-顧客關係管理(Customer Relationship Management)與資料採礦(Data Mining)」,CDMS-Newsletter,第18期,2006年8月,頁6-52。
69.「為配合國際規範推動實施新巴塞爾資本協定,函請我國銀行業者及早規劃因應新巴塞爾資本協定相關措施,並建立妥善風險管理機制」,行政院金融監督管理委員會,新聞稿,2004年9月21日。
70.「鶡冠子世賢第十六篇」,http://ef.cdpa.nsysu.edu.tw/ccw/01/hcz.htm

二、英文部分
1.Anand, S. S., Patrick, A. R., Hughes, J. G. and Bell, D. A., “A Data Mining Methodology for Cross-sales”, Knoledge-Based Systems, Vol. 10, No. 1, 1998, pp.449-461.
2.Berry, M. J. A. and Linoff, G., “Data Mining Techniques: For Marketing, Sales, and Customer Support”, New York: John Wiley Computer, 1997.
3.Berry, M. J. A. and Linoff, G., “Mastering data mining: the art and science of customer relationship management”, New York : Chichester Wiley Computer Publishing, 2000.
4.Cabena, P., Hadjinian, P.O., Stadler, R., Verhees, J. and Zanasi, A., “Discovering Data Mining from Concept to Implementation”, New Jersey: Prentice Hall, 1997.
5.Carven, M. W. and Shavlik, J. W., “Using Neural Networks for Data Mining”, Future Generation Computer Systems, Vol. 13, pp. 221-229, 1997.
6.Chesser, D. L., “Predition loan noncompliance”, Journal of commercial bank lending”, Vol.56, No.8, 1974, pp.28-38.
7.Espahibodi, P. “Identification of Problem Bank and Binary Choices Models”, Journal of Banking and Finance, Vol.15, 1991, pp.53-71.
8.Donato, J. M., Schryver, J. C., Hinkel, G. C., Schmoyer, R. L., Leuze, M. R. and Grandy, N. W., “Mining Multi-Demensional Data for Decision Support”, IEEE Future Generation Computer Systems, Vol. 15, 1999, pp. 433-441.
9.Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P., “The KDD Process for Extracting Useful Knowledge from Volumes of Data”, Communication of the ACM, Vol.39, No.11, 1996, pp.27-34.
10.Frawley, W., J. et al., “Knowledge discovery in databases : an overview”, Menlo Park, CA:AAAI Press/The MIT Press, 1991.
11.Glorfeld, L. W. & Hardgrave, B. C., “A Performance Comparison of Eight Inductive Decision Models for Prediciting Commerical Loan Credit worthiness”, 1994.
12.Groth, R., “Data Mining – Building Competitive Advantage”, Prentice Hal, 2000.
13.Grupe, F. H. and Owrang, M. M., “Data Base Mining Discovering New Knowledge and Cooperative Advantage”, Information Systems Management, Vol.12, No.4, 1995, pp.26-31.
14.Hall, J., Mani, G., and Barr, D., “Applying computational intelligence to the investment process”, in proceedings of CIFER-96: Computational Intelligence in Financial Engineering. (New York, March 1996). IEEE Press, Piscataway, N.J., 1996.
15.Han, J. and Kamber, M., “Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers, 2001.
16.Ikizler, N. and Guvenir, H. A., “Mining Interesting Rules for Banking Loan Data”, Bilkent University, 2002.
17.Joos, P., Vanhoof, K., and Ooghe, H., “Credit Classification: A Comparision of Logit Models and Decision Trees”, 1999年。
18.Kantardzic, M. “Data Mining Concepts, Models, Methods, and Algorithms”, Wiley Interscience, 2002.
19.Kennedy, R. L., Lee, Y., Roy, B. V., Reed, C. D., and Lippmann, R. P., “Solving Data Mining Problems Through Pattern Recognition”, Prentice Hall PTR, 1998.
20.Kleissner, C., “Data mining for the enterprise”, In Proceedings of the Thirty-First Hawaii International Conference on, Vol. 7, pp. 295-304, 1998.
21.Lo, A. W., “Logit Versus Discriminant Analysis- A Specification Test and Application to Corporate Bankruptcies”, Journal of Econometrics, Vol. 31, issue 2, 1986, pp. 151-178.
22.Ohlson, J. A., “Financial ratios and the probabilistic prediction of bankruptcy”, Journal of Accounting Research 18, no. 1, 1980, pp. 109-131.
23.“Process Model”, http://www.crisp-dm.org/Process/index.htm
24.Rumelhart, D. E., Hinton, G. E. and Williams, R. J., “Learning internal representation by error propagation”, in Parallel Distributed Processing, Vol. 1, 1986, pp.318-362.
25.Smith, E. P., Lipkovich, I. and Ye, K., “Weight of Evidence (WOE): Quantitative Estimation of Probability of Impact”, Human and Ecological Risk Assessment, Vol. 8, No. 7, 2002, pp.1585-1596.
26.Steenackers, A. and Goovaerts, M. J., “A Credit Scoring Modelfor Personal Loans”, Insurance Mathematics Economics, 1989, pp.31-34.
27.Tam, K. Y. and Kiang, M. Y., “Managerial applications of neural network: the case of bank failure predictions”, Management Science, Vol.38, 1992, pp. 926-947.
28.“Ten Emerging Technologies That Will Change the World”, MIT technology review, Feb, 2001.
29.Updegrave, W., “How lenders size you up”, Money, Apr. 1987.
30.Weiss, S.M. and Indurkhya, N., “Predictive Data Mining – A Pratical Guide”, New York: Morgan Kaufmann, 1998.
31.“What main methodology are you using for data mining?” http://www.kdnuggets.com/polls/2002/methodology.htm
32.Zavgren, “Assessing the vulnerability to failure of American industrial firms: a logistic analysis”, Journal of Business Finance and Accounting, Vol. 12, 1985, pp.19-45.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 12.呂芳陽,「台灣地區民營羽球館顧客流失分析之研究」,大專體育學刊-人文社會篇,第5卷第2期,2003年12月,頁65-76。
2. 12.呂芳陽,「台灣地區民營羽球館顧客流失分析之研究」,大專體育學刊-人文社會篇,第5卷第2期,2003年12月,頁65-76。
3. 12.呂芳陽,「台灣地區民營羽球館顧客流失分析之研究」,大專體育學刊-人文社會篇,第5卷第2期,2003年12月,頁65-76。
4. 49.楊蓁海,「新版巴塞爾資本協定與銀行信用風險測度模型的發展-兼論對我國銀行體系與央行政策的影響」,中央銀行季刊,第27卷第1期,2005年3月,頁47-86。
5. 49.楊蓁海,「新版巴塞爾資本協定與銀行信用風險測度模型的發展-兼論對我國銀行體系與央行政策的影響」,中央銀行季刊,第27卷第1期,2005年3月,頁47-86。
6. 49.楊蓁海,「新版巴塞爾資本協定與銀行信用風險測度模型的發展-兼論對我國銀行體系與央行政策的影響」,中央銀行季刊,第27卷第1期,2005年3月,頁47-86。
7. 57.潘雅慧,「新巴塞爾資本協定及信用風險模型化之研析」,中央銀行季刊,第24卷第2期,2002年6月,頁35-54。
8. 57.潘雅慧,「新巴塞爾資本協定及信用風險模型化之研析」,中央銀行季刊,第24卷第2期,2002年6月,頁35-54。
9. 57.潘雅慧,「新巴塞爾資本協定及信用風險模型化之研析」,中央銀行季刊,第24卷第2期,2002年6月,頁35-54。
10. 58.潘雅慧,「新巴塞爾資本協定與我國因應之道」,中央銀行季刊,第26卷第2期,2004年6月,頁31-48。
11. 58.潘雅慧,「新巴塞爾資本協定與我國因應之道」,中央銀行季刊,第26卷第2期,2004年6月,頁31-48。
12. 58.潘雅慧,「新巴塞爾資本協定與我國因應之道」,中央銀行季刊,第26卷第2期,2004年6月,頁31-48。
13. 66.簡禎富、林鼎浩、徐紹鐘、彭誠湧,「建構半導體晶圓允收測試資料挖礦架構及其實証研究」,工業工程學刊,第18卷第4期,頁37-48。
14. 66.簡禎富、林鼎浩、徐紹鐘、彭誠湧,「建構半導體晶圓允收測試資料挖礦架構及其實証研究」,工業工程學刊,第18卷第4期,頁37-48。
15. 66.簡禎富、林鼎浩、徐紹鐘、彭誠湧,「建構半導體晶圓允收測試資料挖礦架構及其實証研究」,工業工程學刊,第18卷第4期,頁37-48。