臺灣博碩士論文加值系統

過去在學術上對企業授信的研究，大都偏重在貸前管理，而且所建構的企業財務危機預警模式大部分也都是建諸於財務比率變數，相對的對於貸後管理的議題便較少探討。有鑑於此，本研究希望針對此一議題，探討個案銀行現行企業金融授信之覆審作業內容(除了常用的財務指標外也包括企業經營績效以及內部管理等覆審要項)，是否可有效的評估授信品質，對於即將發生財務危機之異常公司能否發出警訊，以作為未來銀行業徵信及貸後管理的參考依據。
本研究蒐集個案銀行所承作的企業授信案件計165件，針對銀行一般授信覆審報告書的覆審要項及財務比率利用區別分析模型與邏輯斯廻歸模型建構預警模型。實證結果顯示，覆審要項在區別分析模型中整體正確分類率為98.2%，在Logistic 迴歸分析中總正確率達100%；而如果只用財務比率來建構模型，在區別分析模型中整體正確分類比率為64.5%，在Logistic 迴歸分析中總正確率則為68.4%；另外，結合覆審要項及財務比率在區別分析模型中整體正確分類比率98%，在Logistic 迴歸分析中總正確率100%。本研究結果顯示，個案銀行現行的覆審作業對授信品質是有相當高的鑑別能力，可以提供業界一個有效的企業授信預警系統。

Most of the studies on the commercial loan were focused on the decision whether to lend this loan or not based on the early warning system which is constructed based on financial ratios. There is a lack of literature in discussing the monitoring of the credit quality after the loan decision. Therefore, this study, to fill out this gap existing in the literature, is trying to testing whether the current evaluation process employed by the particular bank is effective in evaluating the credit quality, and whether being able to send out a signal for the abnormal companies before they cannot pay back the money.
This study collected 165 cases as the testing data set. A discriminant analysis model and a logistic regression model are constructed separately with the currently used checking variables only first, and with the financial ratios only then, and finally with both financial ratios and currently used checking variables. The empirical results show that the discriminant analysis model constructed with only the currently used checking variables can have accuracy rate as high as 98.2%, the logistic regression model can have accuracy rate as high as 100%. The discriminant analysis model with only the financial ratios can have accuracy only as high as 64.5% and the logistic regression can have accuracy only as high as 68.4%. The discriminant analysis model with both financial rations and currently used checking variables have accuracy rate as high as 98%, and logistic regression have a accuracy rate as high as 100%.
In conclusion, the current evaluation process can really provide the bank an effective early warning system in distinguishing the credit quality.

目 次
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 3
第三節 研究範圍與限制 3
第四節 研究流程 4
第二章 相關理論與文獻探討 6
第一節 銀行經營理論及原則 6
第二節 銀行的授信業務及流程 12
第三節 授信管理 17
第四節 國內金融業常用財務分析比率 21
第五節 國內外相關文獻探討 23
第六節 資料分析方法相關文獻探討 31
第三章 研究方法 37
第一節 研究對象 37
第二節 操作變項定義 37
第三節 研究架構及研究假說 40
第四節 資料分析方法 41
第四章 實證結果與分析 43
第一節 資料來源與內容 43
第二節 敘述統計分析 43
第三節 樣本T檢定 56
第四節 區別分析 58
第五節 Logistic 迴歸分析 62
第六節 綜合分析 67
第五章 結論與建議 69
第一節 研究結論 69
第二節 研究限制 70
第三節 研究建議 70
參考書目： 72
一、中文部分 72
二、英文部分 73

圖 表 目 次
表1 個案銀行前三大收入佔淨收益的比率 2
圖1-1 研究流程圖 5
圖2-1 銀行授信作業流程圖 16
圖2-2 Logistic迴歸曲線圖一 34
圖2-3 Logistic迴歸曲線圖二 35
圖3-1 研究架構 41
表4-1 敘述統計：正常戶-覆審要項-一般要項 44
表4-2 敘述統計：異常戶-覆審要項-一般要項 45
表4-3 敘述統計：正常戶-覆審要項-主要經營及管理階層 46
表4-4 敘述統計：異常戶-覆審要項-主要經營及管理階層 47
表4-5 敘述統計：正常戶-覆審要項-營運及財務狀況 48
表4-6 敘述統計：異常戶-覆審要項-營運及財務狀況 49
表4-7 敘述統計：正常戶-覆審要項-擔保品 51
表4-8 敘述統計：異常戶-覆審要項-擔保品 52
表4-9 敘述統計：正常戶-財務比率 53
表4-10 敘述統計：異常戶-財務比率 54
表4-11 敘述統計：正常戶-覆審要項及財務分析八大構面 55
表4-12 敘述統計：異常戶-覆審要項及財務分析八大構面 55
表4-13 敘述統計：全體樣本-覆審要項及財務分析八大構面 56
表4-14 T檢定衡量各變數的顯著性 57
表4-15　覆審要項區別分析 分類函數係數 58
表4-16　覆審要項 區別分析分類結果 59
表4-17　財務比率區別分析分類函數係數 59
表4-18　財務比率區別分析分類結果 60
表4-19 覆審要項及財務比率之區別分析分類函數係數 61
表4-20　覆審要項及財務比率之區別分析分類結果 61
表5-1　Hosmer 和 Lemeshow擬合優度指標 63
表5-2　覆審要項LR模型之分類表 63
表5-3 覆審要項LR模型之參數估計表 64
表5-4 Hosmer 和 Lemeshow擬合優度指標 64
表5-5　財務比率LR模型之分類表 65
表5-6 財務比率LR模型之參數估計表 65
表5-7 Hosmer 和 Lemeshow擬合優度指標 66
表5-8 覆審要項及財務比率LR模型之分類表 66
表5-9 覆審要項及財務比率LR模型之參數估計表 66
表5-10 區別分析輿LR模型的正確率比較 67
表5-11 區別分析輿LR模型的型Ⅰ誤差及型Ⅱ誤差比較 68

參考書目：
一、中文部分
圖 書
1. 王濟川、郭志剛(2003)，Logistic 迴歸模型－方法及應用, 五南圖書出版股份有限公司。
2 .初復新(1981)，銀行放款實務，華泰書局。
3. 林震岩(2007)，多變量分析—SPSS的操作與應用
－Multivariate Analysis: SPSS Operation and Application，智勝文化事業有限公司。
期刊論文
1. 白欽元(2002)，國內中小企業財務危機預警模型之研究，交通大學經營管理研究所碩士論文。
2. 呂美慧(2000)，銀行授信評等模式一Logistic Regression之應用，國立政冶大學金融學系碩士論文。
3. 李明峰(2001)，銀行業對企業授信『信用評等表』財務比率預警有效性之實證分析，國立中山大學財務管理學系研究所碩士論文。
4. 李樑堅、張志向，中小企授信評估模式建立之研究，臺大管理論第九卷第二期，民國八十八年三月，P.69-95。
5. 李美樺(2002)，台灣綜合證券商信用評等實證模型之研究，中正大學企業管理研究所碩士論文。
6. 林佳靜(2001)，台灣地區銀行業經營績效評估與比較，實踐企業管理研究所博士論文。
7. 林銘琇(1992)，財務危機預警模型之實證研究－以台灣地區上市公司為例，淡江大學管理科學研究所碩士論文。
8. 周國政(1989)，專家系統在財務診斷上應用之研究，中山大學企業管理研究所碩士論文。
9. 邱志洲、李天行、周宇超、呂奇傑(2002)，整合鑑別分析與類神經網路在資料探戡上之應用，工業工程學刊，19(2)，9-22。
10.施孟隆(1999)，Logit Model應用於信用卡信用風險審核之研究，1999年10月，金融財務月刊，P85-104。
11.施致平(1999)，從邏輯斯諦迴歸(Logistic Regression)論運動參與之預測，體育學報，27，21-30。
12.莊欣霖(2002)，應用羅吉斯迴歸構建銀行放款信用評等模式，交通大學工業工程與管理研究所碩士論文。
13.許維貞(2000)，從轉投資揭露資訊探討台灣股票上市公司之財務危機，淡江大學財務金融研究所碩士論文。
14.梁清源〈1992〉，財務危機判斷模式之探討-公司財務比率相對於財務比率判斷能力之比較研究，淡江大學管理科學研究所碩士論文。
15.陳肇榮(1983)，運用財務比率預測財務危機之實證研究，政治大學企業管理研究所博士論文。
16.陳錦村、許通安、林蔓蓁(1996)，銀行授信客戶違約風險之預測，管理科學學報，第十三卷第二期，民國八十五年七月，P.173-195。
17.陳明賢(1986)，財務危機預測之計量分析研究，國立台灣大學商學研究所碩士論文。
18.張紘炬、潘玉葉(1990)，財務預警分析與台灣股票上市公司財務基本資料關係之研究，台北市銀月刊，第二十一卷第六期，民國七十九年六月，P.12-24。
19.賴松鍾(1994)，上市公司財務危機預浿測模式建立之研究，中山大學證券暨金融市場之理論與實務研討會論文集，民國八十三年十二月，P.248-261。
20.謝楓(1194)，台灣股市財務危機企業預測模型之研究，國立工業技術術學院管理技術研究所碩士論文。
21.龔昶元(1998)，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中心為例，臺北銀行月刊，28 (9)，35-49。

二、英文部分
1. Altman, E. I.(1968), Disxriminant analysis and the Prediction of Corporate Bankruptcy. Journal of Finance. No.4, P589-609.
2. Alves, J. R.(1978), The Prediction of Small Business Failure Utilizing Financial and Nonfinancial Data. University of Massachusetts.
3. Baoan Yang,Ling X. Li, Qinghua Xie & Jing Xu (2001), Development of a KBS for Managing Bank Loan Risk, Knowledge-Based Systems,Vol.14, P299-302.
4. Beaver, W. H.(1966), Financial Ratios as Predictor of Failure. Supplement of Journal of Accounting Research: Empirical Research in Accounting-Selected Studies.Vol.4, P71-111.
5. Berkson, J.(1944), Application of the Logistic Function to Bio-assay, Journal of the American Statistical Association, Vol.39, P357-365.
6. Blum, M.(1974), Failing Company Discriminant Analysia. Journal of Accounting Research. Vol.12, No 1,P1-25.
7. Browne, M. J., & Hoyt, R. E.(1995), Economic and Market Predictors of Insolvencies in the Property-Liability Insurance Industry. Journal of Risk and Insurance. Vol.62, P309-327.
8. Cooper, D. R., & Emory, C. W.(1998), Business Research Method, Chicago: Irwin.
9. Deakin, E. B.(1972), A Discriminant Analysis of Predictors of Business Failure. Journal of Accounting Research. Vol.10, No.1, P167-179.
10. Dahya, J., Lonie, A. A., & Power, D. M.(1998). Ownership Structure, Firm Performance and Top Executive Change: An Analysis of UK Firms. Journal of Business Finance & Accounting, Vol.25, P1089-1118.
11. Desai, V. S., Crook, J. N., & Overstreet, Jr. G. A. (1996), A Comparison of Neural Networks and Linear Scoring Models in the Credit Union Environment. European Journal of Operational Research,Vol.95, P24-37.
12. Efron, B. (1975), The Efficiency of Logistic Regression Compared to Normal Discriminant Function Analysis. Journal of the American Statistical Association, Vol.70, P892-898.
13. Gentry, J. A., Newbold, P. and Whitford, D. T.(1985), Classifying Bankrupt Firms with Funds Flow Components. Journal of Accounting Research, Vo1. 23, No 1, P146-160.
14. Giroux, G. A. and Wiggins, C. E.(1984), An Event Approach to Corporate Bankruptcy. Journal of Bank Research, Autumn, P179-187.
15. Golstein, A. S.(1988), Corporate Comeback. John Wiley & Sons.
16. Halsem, J. A.(1984), Bank Funds Management. Renston Publishing, P114-144.
17. Hosmer, D. W., & Lemeshow, S. (1989), Applied Logistic Regression. New York: John Wiley & Sons.
18. Hwang, D. Y., Lee, C. F., & Liaw K. T.(1997), Forecasting Bank Failures and Deposit Insurance Premium. International Review of Economics and Finance, Vol.6, NO.3, P317-334.
19. Johnson, R. A., & Wichern, D. W.(1998), Applied Multivariate Staristical Analysis. NJ: Prentice-Hall Inc.
20. Kim, J. C., Kim, D. H., Kim, J. J., Ye, J. S., & Lee, H. S.(2000), Segmenting the Korean Housing Market Using Multiple Discriminant Analysis. Construction Management and Economics, Vol.18, P45-54.
21. Laitinen, E. K.(1999), Predicting a Corporate Credit Analysis Risk Estimate by Logistic and Linear Model. International Review of Financial Analysis, P97-121.
22. Liang-Hsuan Chen & Tai-Wei Chiou (1999), A fuzzy Credit-Rating Approach for Commercial Loans: A Taiwan Case, Omega, The International Journal of Management Science. Vol.27, P407-419
23. Odum, E. P.(1971), Fundamental of Ecology. Phidadelphia: W.B. Saunders Co.
24. Ohlson, J. T.(1980), Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research. Vol.18, No.1, P109-131.
25. Orgler, Y. E.(1970), A Credit Scoring Moderl for Commercial Loans. Journal of Money, Credit, and Banking, P435-445.
26. Platt, H. D. and Platt, M. B.(1990), Development of a Stable Predictive Variables: The Case of Bankruptcy Prediction. Journal of Business Finance & Accounting. Vol.17, No1, P31-51.
27. Steenackers, A. and Goovaerts, M. J.(1989), A Credit Scoring Model for Personal Loans. Insurance Mathematics Economics, P31-34.
28. Sung, T. K., Chang, N., & Lee, G.(1999), Dynamics of Modeling in Data mining: Interpretive Approach to Bankruptcy Prediction. Journal of Management Information Systems,Vol.16, P63-85.
29. Trevino, L. J., & Daniels, J. D.(1995), FDE Theory and Foreign Direct Investment in the United States: A Comparison of Investors and Non-Investors. International Business Review,Vol. 4, P177-194.
30. Wood, D. and Piesse, J.(1987), The Information Value of MDA Based Financial Indicators. Journal of Business Finance & Accounting. Spring, P7-38.