近年來國內中小企業受到經濟不景氣的影響，且隨著全球化競爭日漸激烈及產業外移，國內銀行等金融機構對於中小企業之放款態度漸趨保守，造成絕大多數的中小企業均面臨資金嚴重短缺的窘境。然而，中小企業的財務結構不若大企業健全，財務報表資訊可信度較低，無法真實反應公司實際經營狀況，此導致中小企業與金融機構之間存在嚴重的資訊不對稱（information asymmetry）問題，使得金融機構很難有效研判中小企業的償還能力，以致銀行或金融機構對於中小企業授信作業不易，放款政策不易訂出。目前國內、外文獻所提出的違約之風險評估多以上市櫃之大型企業為研究對象，對於中小企業違約風險評估之研究相對較少，因此現有的國內、外文獻所建議違約風險評估系統可能不適用於評估中小企業貸款的信用判定標準。因此，本研究針對以中小企業為主要借款客戶之金融機構，建構一套客觀且合理之風險評估模型，以預測中小企業是否會違約及預測違約的時點，以供銀行或金融機構之決策者作為彈性放款決策之參考依據。本研究所建構風險評估模型之過程，主要分為四階段：（1）選擇變數與蒐集整理資料；（2）利用主成份分析來消除變數間之共線性；（3）利用Cox模式來建構風險評估模型及建立中小企業在各個時點的存活機率表；（4）驗證存活機率表之有效性，以提供銀行或金融機構決策者作為彈性放款決策之參考依據。本研究蒐集了國內某金融機構所提供之中小企業客戶歷史資料進行模型建構，驗證本研究模型之可行性。

Recently, domestic small and medium enterprises (SMEs) are affected by the economic downturn, increasingly intense global competition, and industry relocation. Financial institutions such as domestic banks became conservative regarding to SME loans; as a result, most SMEs face the problem of fund shortage. However, SMEs’ financial structure is not as sound as large enterprises; the credibility of financial statements is relatively lower and cannot reflect the actual operational performance. As a result, the information asymmetry between SMEs and financial institutes is serious. It is hard for financial institutions to estimate SME’s repayment capacity and therefore difficult for them to design the loan policy for SMEs. Domestic and foreign studies on default risk assessment focus mostly on listed or over-the-counter companies which have a larger scale. There are not as much studies on the default risk of SMEs. As a result, the default risk assessment system in domestic and foreign studies may not apply to the credit criteria in SME loans.
The study targeted financial institutes whose clients are mostly SMEs. We built an objective and rational risk assessment model to predict SME’s default possibility and time to default. Decision makers in financial institutes can use this as a reference for flexible loan decisions.
There are four stages in constructing the risk assessment model: 1. To select variables and collect data; 2. To eliminate the colinearity among variables using the principal components analysis; 3. To build the risk assessment model and survival rate table for SMEs based on the Cox model; and 4. To verify the effectiveness of survival rate table, which is a reference for decision makers in financial institutions regarding flexible loans. The study collected historical SME data from a domestic financial institute to build and test the feasibility of the model.

中文摘要 I
英文摘要 II
圖目錄 VI
表目錄 VII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究方法 4
1.4 研究限制 4
1.5 研究架構 5
第二章 文獻探討 6
2.1 金融機構授信簡介 6
2.1.1 金融機構授信概述 6
2.2 風險評估 8
2.2.1 風險評估模型 8
2.2.2 風險評估模式相關文獻 12
2.3 主成份分析（PRINCIPAL COMPONENTS ANALYSIS） 14
2.4 存活分析（SURVIVAL ANALYSIS） 16
2.4.1 存活分析介紹 17
2.4.1.1 存活分析之定義 17
2.4.1.2 存活資料之設限型態 17
2.4.1.3 存活函數（Survival Function）型態 19
2.4.1.4 Cox模式 21
2.4.1.5 存活分析相關文獻 23
第三章 研究方法 26
3.1 研究架構 26
3.2 選擇變數與蒐集整理資料 27
3.2.1 選擇變數 27
3.2.2 蒐集整理資料 28
3.3 利用主成份分析消除變數間之共線性 28
3.4 利用存活分析之COX模式建構風險評估模型 29
3.5 驗證中小企業存活機率表之有效性 30

第四章 實例驗證 32
4.1 選擇變數與蒐集整理資料 32
4.2 進行主成份分析縮減變數 36
4.3 利用COX模式建構風險評估模型 45
4.4 驗證中小企業存活機率表之有效性 51
4.5 實例驗證之結論 61
4.6 中小企業風險評估模型與存活機率表應用說明 61
第五章 結論與建議 63
5.1 貢獻 63
5.2 建議 63
參考文獻 65
附錄ㄧ 69

[1] 王梅雀（2008），《銀行房屋貸款授信風險評估之研究》，國立嘉義大學管理學院碩士在職專班碩士論文。
[2] 中央銀行（2008），《中國民國公民營企業資金狀況調查結果報告》。
[3] 吳莉安（2006），《中小企業違約信用風險評估流程》，國立交通大學工業工程與管理學系碩士論文。
[4] 李儀坤、張捷昌和黃建森（1999），《金融風險管理》，台北華泰出版社。
[5] 呂美慧（2000），《銀行授信評等模式-Logistic Regression之應用》，政治大學企業管理研究所碩士論文。
[6] 呂宜芳（2008），《利用風險評估建構台灣中小企業性用評等流程》，國立交通大學工業工程與管理學系碩士論文。
[7] 林麗甄（2009），《應用LISREL驗證借款企業之財務結構面與構建信用評等模式》，國立交通大學工業工程與管理學系博士論文。
[8] 林孟宏（2005），《中小企業抵押貸款決策流程之建構》，國立交通大學工業工程與管理學系碩士論文。
[9] 林勉今（2003），《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。
[10] 沈俊誠（2004），《整合金融機構風險評估與信用評等模式之研究》，國立交通大學工業工程與管理學系碩士論文。
[11] 周欣怡，（2008），《房屋貸款違約預測-存活分析模型之應用》，真理大學財務金融研究所碩士論文。
[12] 洪仁杰、莊維瑩、秦榮志（2000），《地區金融機構授信決策之研究-以高屏地區為例》，台灣土地金融季刊，第三十七卷第一期。
[13] 胡婉鈞（2005），《建構企業危機預機系統-以台灣電子業為例》，中原大學企業管理研究所。
[14] 唐恩甜（2004），《類神經網路於企業財務危機之預警應用》，實踐大學企業創新發展研究所碩士論文。
[15] 陳錦村（1995），《銀行授信客戶之風險評估─財務比率研究》，財團法人金融聯合徵信中心，第5-35頁。
[16] 陳英豪（2005），「應用自組性演算法企業信用評等模式」，國立交通大學工業工程與管理學系碩士論文。
[17] 陳鴻文（2002），《個人小額信用貸款授信模式之個案研究》，國立高雄第一科技大學財務管理系碩士論文。
[18] 陳家豪(2003)，《存活分析方法應用於汽車貸款客戶信用風險管理之研究》，國立成功大學統計學系研究所碩士論文。
[19] 莊欣霖(2002)，《應用羅吉斯迴歸構建銀行放款信用評等模式》，國立交通大學工業工程與管理學系碩士論文。
[20] 曾冠人(2003)，《應用一般迴歸神經網路法構建財務危機預警模式》，國立交通大學工業工程與管理學系碩士論文。
[21] 溫健志 (2001)，《存活分析方法應用於台灣金融機構信用風險管理之研究》，朝陽科技大學財務金融系碩士班碩士論文。
[22] 經濟部中小企業處（2009），《98年企業白皮書》。
[23] 銀行授信實務概要(2006)，台北金融研究訓練中心。
[24] 葉玫惠、張靖宜、廖咸興和周國端（2007），《信用卡使用者之違約風險研究—存活分析模型之應用》，金融風險管理季刊 ，第3卷第2期，頁1-30。
[25] 鍾岳昌(2004)，《以比例危險模型估計房貸借款人提前清償及違約風險》，國立政治大學財務管理研究所碩士論文。
[26] 戴堅（2004），《個人消費性信用貸款授信評量模式之研究》，國立中正大學國際經濟研究所碩士論文。
[27] 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》，台北銀行月刊，第二十八卷第九期。
[28] Altman（1968）, E. I.,” Financial ratio discriminant analysis and the prediction of corporate bankruptcy,” Journal of Finance, Vol. 23, pp.588-609.
[29] Beaver, W.H. （1996）, “Financial ratios as predictors of failure”, Journal of Accounting Research, pp.71-111.
[30] Breslow, N. E.（1974）, “Covariance Analysis of Censored Survival Data” Biometrics, Vol.30, pp.89-99.
[31] Cox, D. R.（1972）, “Regression Models and Life-Tables, ” Journal of the Royal Statistical Society, Series B, Vol.34, No.2, pp.187-220.
[32] Deakin, E.B.（1972）, “A discriminant analysis of predictors of business failure”, Journal of Accounting Research, Vol.10, No.1, pp.167-179.
[33] Edmister, R.O.（1972）, “An empirical test of financial ratio analysis for small business failure prediction”, The Journal of Financial and Quantitative Analysis,pp.1477-1493.
[34] Lane, W. R., S. W. Looney and J. W. Wansley（1986）, “An Application of the Cox Proportional Hazards Model to Bank Failure”, Journal of Banking and Finance,Vol.10, pp.511-531.
[35] Lee, E. T. and J. W. Wang(2003), Statistical Methods for Survival Data Analysis, New York, John Wiley & Sons.

[36] Lee, S. H. and J. L. Urrutia（1996）, “Analysis and Prediction of Insolvency in the Property-Liability Insurance Industry : A comparison of Logit and Hazard Model,” The journal of Risk and Insurance, 63, pp.121-130.
[37] Lee, Y.C. and Min, J.H.（2005）, “Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters”, Expert Systems with Applications, Vol.28, No.4, pp.603-614.
[38] Mensah, Y. M.（1984）, An examination of the stationary of multivariate bankruptcy prediction models: A methodological study. Journal of Accounting Research, 22(1), 380-395.
[39] Noh, H. J., Roh, T. H., and Han. I. (2005),Prognostic Personal Credit Risk ModelConsidering Censored Information, Expert Systems with Applications, 28, 753-762.
[40] Odom, M. and Sharda, R.（1990）, “Bankruptcy prediction using neural networks”,Proceedings of the IEEE International Conference on Neural Networks, SanDiego, pp.133-168.
[41] Ohlson, J.A.（1980）, “Financial ratios and the probabilistic prediction of bankruptcy”, Journal of Accounting Research, Vol.18, No.1, pp.109-131.
[42] Van Deventer, Donald R. and Xiaoming Wang, (2003),”Measuring Predictive Capability of Credit Models Under the Basel Capital Accords: Conseco and Results from the United States, 1963-1998.” Kamakura Working Papers, WP16.