(54.146.50.80) 您好!臺灣時間:2017/11/21 23:49          離開系統
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
本論文永久網址: 
研究生:林佩萱
研究生(外文):Lin, Pei-Hsuan
論文名稱:運用人工智慧於信用卡額度之研究-以國內發卡銀行為例
論文名稱(外文):Application of Artificial Intelligence to Forecast Credit Card Limit – A Case Study of Taiwanese Issuer Bank
指導教授:賀增原賀增原引用關係
指導教授(外文):Heh Tzeng-Yuan
口試委員:賀增原紀岍宇洪國禎
口試委員(外文):Heh Tzeng-YuanJi Chieh-YuHung Kuo-Chen
口試日期:2012-12-06
學位類別:碩士
校院名稱:國防大學管理學院
系所名稱:運籌管理學系
學門:商業及管理學門
學類:行銷與流通學類
論文出版年:2012
畢業學年度:101
語文別:中文
論文頁數:78
中文關鍵詞:模糊理論類神經網路適應性網路模糊推論信用卡信用卡授信
外文關鍵詞:Artificial intelligenceCredit cardCredit card limitANFIS
相關次數:
  • 被引用被引用:2
  • 點閱點閱:306
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:34
  • 收藏至我的研究室書目清單書目收藏:0
自從國內的金融機構將業務重心由企業金融業務轉至消費金融業務後,眾多消費金融商品中,因信用卡具有高循環利率收入、推廣容易與短時間內易累積顧客群,可助於其它業務之推廣,故成為各金融機構之必爭之地。金融機構為了追求規模經濟與市場佔有率,開始放寬信用卡授信標準,也造成持卡人擁有過度之信用額度,導致民國94年卡債風暴產生,不僅對國內經濟發展產生衝擊,更讓整體金融機構壞帳損失逾1,500億。
卡債風暴過後,金融機構開始思考如何在信用卡授信過程中,有效判別申請人之信用風險並授予相對應之信用額度,以將壞帳風險降至最低。因過去信用卡授信多採人工作業,易受到人為主觀偏誤之影響,故本研究應用糊糊推論、類神經網路與適應性網路模糊推論系統等三種人工智慧之方式,參考國內某一發卡銀行核卡資料,建置信用卡額度預測模型,並比較不同人工智慧方法應用於信用卡額度預測準確率,期能透過該模型防阻人為不當或干預授信下所產生之壞帳損失,並加速信用卡授信時間、縮短授時效與減少人事成本之支出,可做為國內發卡銀行進行信用卡額度預測時之作業參考。

Credit card has become one of the indispensable market transaction models, since the predominance of commercial interests, “Enjoy first, pay later”. The 2008 financial tsunami had caused tides of bankruptcies and severe unemployment. Therefore, credit card issuers will face with the huge bad debt risk and credit card fraud. Issuers pay attention to these problems which are how to effectively audit credit card limit to prevent over-expansion of credit cardholders. Credit card limit has been produced by the process of credit card scoring, credit card credit rating table and the experience of credit officers. However, there are some basic problems which are differences in credit card limit under different subjective perception of credit officers when they face same conditions of customers, or even sometimes these will cause extension of customers’ complaint events.
Therefore, this study applies Fuzzy Theory、Backpropagation Neural Networks and Adaptive-Network-Based Fuzzy Inference System (ANFIS) to predict credit card limit according to applicants’ profile in the past. It performs an operation process by using of MATLAB toolbox. It can prove ANFIS to be more flexibility and accuracy than other artificial intelligence methods about credit card limit. In addition, this model can effectively enhance the efficiency to 66% about operation and salary by comparing with this model. At the same time, it can reduce the subjective perception of credit officers. This study results can provide the reference of issuers for credit card limit.

摘要 i
Abstract ii
表目錄 v
圖目錄 vi
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研究對象與限制範圍 4
1.4研究流程 4
第二章 文獻探討 6
2.1信用卡基本介紹 6
2.1.1信用卡定義 6
2.1.2信用卡發展 6
2.1.3信用卡業務架構 7
2.1.4信用卡國內外品牌 9
2.2信用及信用風險 11
2.3信用卡議題國內外相關研究 13
2.4小結 18
第三章 研究方法 21
3.1模糊理論 21
3.1.1模糊理論定義 21
3.1.2模糊集合運算 21
3.1.3模糊數 24
3.1.4歸屬函數 25
3.1.5模糊關係 26
3.1.6模糊關係運算 27
3.1.7模糊關係合成 27
3.1.8模糊推論 28
3.1.9模糊邏輯 29
3.1.10輸入與輸出語彙變數 30
3.1.11輸入與輸出模糊規則庫 30
3.1.12小結 33
3.2類神經網路 34
3.2.1 類神經網路之發展 34
3.2.2 類神經網路之定義與應用 35
3.2.3類神經網路之分類 36
3.2.4 倒傳遞類神經網路 38
3.2.5 倒傳遞類神經網路演算法 40
3.2.6小結 41
3.3適應性網路模糊推論系統(ANFIS) 42
3.3.1小結 45
3.4總結 45
第四章 實證結果與分析 46
4.1實證資料說明 46
4.2模糊推論模型建置步驟 47
4.2.1模型修正 56
4.3倒傳遞類神經網路模型建置 59
4.4適應性網路模糊推論模型建置 66
4.5發卡機構運用模型前後之比較 69
4.6研究結果比較 71
第五章 結論與建議 72
參考文獻 73



一、中文參考文獻
1.方俊峰(2008)。適應性網路模糊推論系統於流域暴雨 – 河川洪水位預報模式之研究。中國科技大學土木與防災應用科技研究所碩士論文,
未出版,台北市。
2.王文俊(2008)。認識Fuzzy。台北:全華科技圖書公司。
3.王進德、蕭大全(2005)。類神經網路與模糊控制理論入門。台北:全華科技圖書公司,頁26。
4.江淑娟(2003)。信用評等因素與信用卡違約風險之關係 – 以台灣A金融機構所發行之信用卡為例。逢甲大學保險研究所碩士論文,未出版,台中市。
5.宋雅蓉(2006)。由卡債事件探討我國銀行業雙卡業務之風險預警。東吳大學會計系碩士論文,未出版,台北市。
6.李秀梅(2001)。信用卡持卡者資料探勘之研究。輔仁大學應用統計學研究所碩士論文,未出版,新北市。
7.李美笑(2002)。信用卡持卡人信用風險之研究。逢甲大學保險研究所碩士論文,未出版,台中市。
8.周俊宏(2005)。運用類神經網路與支撐向量機於個人信用卡授信預測之研究。國立臺灣科技大學資訊管理系碩士論文,未出版,台北市。
9.周琦森(2009)。影響信用卡持卡人刷卡金額因素之研究-以台北市某銀行為例。銘傳大學管理研究所碩士在職專班碩士論文,未出版,台北
市。
10.林有田(民 69)。信用管理-不景氣時期的壞帳預防與處理實務。台北:陽明管理發展中心。
11.林芝儀(2003)。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,未出版,台北市。
12.洪春茂(1974),企業授信預測之研究。國立政治大學企業管理學系碩士論文,未出版,台北市。
13.芳資(1994)。信用卡信用風險預警範例學習系統之研究。國立政治大學資訊管理研究所碩士論文,未出版,台北市。
14.馬振武(2009)。基因演策法為基礎之決策樹於信用卡使用者之違約分類預測-以台灣某銀行信用卡為例。華梵大學資訊管理學系碩士論文,
未出版,新北市。
15.常如君(2004)。大學生信用卡循環信用使用行為影響因素與相關政策之研究。國立臺灣師範大學大眾傳播研究所碩士論文,未出版,台北
市。
16.張文生(2001)。銀行建構「信用卡信用風險即時預警系統」之研究。中原大學企業管理研究所碩士論文,未出版,桃園縣。
17.張育菁(2006)。銀行信用卡客戶信用風險評估模型之建立。國立交通大學管理科學系所論文,未出版,新竹市。
18.張筑嬪(2006)。應用模糊層級分析法建立個人信用評估準則-以信用卡審核為例。中華大學資訊管理學系碩士論文,未出版,新竹市。
19.張簡曉馨(2005)。信用卡呆卡識別模式之建立。南台科技大學企業管理系碩士論文,未出版,台南市。
20.莊朝崇(2005)。應用類神經網路於信用卡授信預測考量因素之實證分析。國立台灣科技大學資訊管理系論文,未出版,台北市。
21.郭幸香(2010)。信用卡帳款分期付款客戶之特性分析。國立臺北大學統計學系碩士論文,未出版,台北市。
22.陳才道(2011)。信用卡分期付款消費行為分析。國立高雄應用科技大學國際企業系碩士論文,未出版,高雄市。
23.陳宜欣(2006)。以資料探勘技術探討顧客忠誠方案-以某信用卡發卡銀行為例。國立中正大學行銷管理研究所碩士論文,未出版,嘉義縣。
24.陳若儀(2010)。個人授信之信用風險研究-以某銀行信用卡為例。銘傳大學風險管理與保險學系碩士在職專班碩士論文,未出版,台北市。
25.陳惠玲(2008)。信用卡紅利積點活動設計對信用卡持卡人贈品兌換偏好影響-以中產階級為例。國立台北科技大學管理系碩士論文,未出版,
台北市。
26.陳湘菱(2008)。台灣北區信用卡發卡銀行顧客評價模式之研究。清雲科技大學國際企業管理研究所碩士論文,未出版,桃園縣。
27.陳肇榮(1985)。信用管理之作法與評核。現代管理月刊,六月號。
28.陳勳慧(2004)。國軍人員信用卡功能偏好、知覺風險與信用卡使用行為關係之研究。國防管理學院國防財務資源研究所碩士論文,未出版,
台北市。
29.曾玫苑(2005)。信用卡信用風險評估。東吳大學國際貿易學系碩士論文,未出版,台北市。
30.賀增原、涂進財、楊福正(2006)。應用回歸分析與類神經網路於船舶穩度之差異。台船季刊,第28卷第1期,頁48-59。
31.黃子慧(2008)。不良債權之特性分析-以信用卡為例。國立中正大學財務金融所碩士論文,未出版,嘉義縣。
32.黃祈龍(2005)。信用卡申請評分表的建立-以國內某銀行為例。逢甲大學經營管理碩士在職專班碩士論文,未出版,台中市。
33.黃秋凌(1993)。信用卡管理問題之研究。國立政治大學會計研究所碩士論文,未出版,台北市。
34.葉怡成(民 93)。應用類神經網路(3版)。臺北市:儒林圖書公司。
35.葉秋南(民87)。美國金融業風險管理。台北:財團法人金融人員研究訓練中心。
36.詹書銘,(2005)。演化式類神經網路、灰關聯分析應用於信用卡風險管理之實證研究。朝陽科技大學財務金融系論文,未出版,台中市。
37.盧玟君(2011)。從個人信用交易資訊探討信用卡違約之研究。輔仁大學金融與國際企業學系碩士論文,未出版,新北市。
38.蘇木春、張孝德(2004)。機器學習:類神經網路、模糊系統以及基因演算法則。台北:全華科技圖書公司。
39.謝弘一、李天行、邱志洲、邱筱筠(2009)。應用資料探勘技術於顧客行為評分模式之建構。資跨科技國際研討會論文集。

二、英文參考文獻
1.Adnan Khashman. (2009). A neural network model for credit risk evaluation. International Journal of Neural
Systems, 19(4), 285-294.
2.Alca’zar J., Palau A., & Garcia C. V.. (2008). A neural net model for environmental flow estimation at the
Ebro River Basin. Spain Journal of Hydrology, 349, 44-55.
3.Ali, A. M. (2004). Application of adaptive neuro-fuzzy controller for SRM. Advances in Engineering Software,
35(3-4), 129-137.
4.Anderson, J. A., & Rosenfeld, E. (1988). Neurocomputing:Foundations of Research, MIT Press.
5.Li, D.-C., Wu, C.-S., Tsai, T.-I., & Chang, F. M. (2006). Using mega-fuzzification and data trend estimation
in small data set learning for early FMS scheduling knowledge. Computers & Operations Research, 33(6), 1857-
1869.
6.Ellithy, K., & Al-Naamany, A. (2000). A hybrid neuro-fuzzy static var compensator stabilizer for power
system damping improvement in the presence of load parameters uncertainty. Electric Power Systems Research,
56(3), 211-223.
7.Ertunc, H. M., & Hosoz, M. (2006). Artificial neural network analysis of a refrigenration system with an
evaporative condenser. Applied Thermal Engineering , 26, 627-635.
8.Chang, F.-J., & Chang Y.-T. (2006). Adaptive neuro-fuzzy inference system for prediction of water level
inreservoir. Advances in Water Resources, 29(1), 1-10.
9.Freeman, J. A., & Skapura, D. M. (1992). Neural Network Algorithms, Applications, and Programming
Techniques. Addison-Wesley Publishing Company.
10.Güler, İ., & Übeyli, E. D. (2004). Application of adaptive neuro-fuzzy inference system for detection of
electrocardiographic changes in patients with partial epilepsy using feature extraction. Expert Systems
with Applications, 27(3), 323-330.
11.Yeh J.-S. & Cheng C.-H. (2005). Using hierarchical soft computing method to discriminate microcyte anemia.
Expert Systems with Applications, 29(3), 515-524.
12.Hi J., Liu X., Shi Y., Xu W., & Yan N. (2004). Classifications of credit cardholder behavior by using Fuzzy
linear programming. International Journal of Information Technology & Decision Making. 3(4), 633-650.
13.Jang J.-S. (1993). ANFIS:adaptive network-based fuzzy inference system. IEEE Transactions on Systems, Man,
and Cybernetics, 23(3), 665-685.
14.Lippmann, R. P. (1987, April). A Introduction to Computing with Neural Nets. IEEE ASSP Magazing, 4(2), 4-22.
15.Melin, P., & Castillo, O. (2004). Intelligent control of a stepping motor drive using a hybrid neuro-fuzzy
approach. Soft Computing - A Fusion of Foundations, Methodologies and Applications, 8(8), 546-555.
16.Melin, P., & Castillo, O. (2005). Intelligent control of a stepping motor drive using an adaptive neuro-
fuzzy inference system. Information Sciences, 170(2-4), 133-151.
17.Shieh M.-Y., Chang K.-H., Chuang C.-Y. & Lia Y.-Sh. (2007). Development and implementation of an articial
neural network based controller for gait balance of a biped robot. Annual Conference of the IEEE Industrial
Electronics Society(IECON), 2778-2782.
18.Daliakopoulos, N., Paulin, C., & Ioannis, K. T. (2005). Groundwater level forecasting using artificial
neural networks. Journal of Hydrology , 309, 229-240.
19.Nelson, M. M. & Illingworth, W. T. (1990). A Practical Guide to Neural Nets. Addison-Wesley Publishing
Company.
20.Robert, H. C. (1972). Consumer and commercial credit management(2nd ed.)., Richard D Irwin, 449-450.
21.Rumelhart, D. E., Hinton, D. E., & Williams, R. J. (1986). Parallel distributed processing: explorations in
the microstructure of cognition. Cambridge, MA: MIT Press, 318-362.
22.Mitra S., & Mitra A. (2006). Modeling exchange rates using wavelet decomposed genetic neural networks.
Statistical Methodology, 3, 103-124.
23.Lo S.-P. (2003). An adaptive-network based fuzzy inference system for prediction of workpiece surface
roughness in end milling. Journal of Materials Processing Technology, 142, 665-675.
24.Stern, H. S. (1996). Neural networks in applied statistics. Technometrics, 38, 205-216.
25.Vellido, A., Lisboa, P. J. G., & Vaughan, J. (1999). Neural networks in business: a survey of applications
(1992-1998). Expert Systems with Applications, 17(1), 51-70.
26.Xie X.-S. & Hu G. (2007). A comparison of shanghai housing price index forecasting. Third International
Conference on Natural Computation(ICNC), 221-225.
27.Zhu X., Wang H., Li X. & Li H. (2008). Predicting stock index increments by neural network : the role of
trading volume under different horizons. Expert Systems with Applications, 34, 3043-3054.
28.Zhang, G., Patuwo, B. E., & Hu, M.Y. (1998). Forecasting with artificial neural networks: the state of the
art. International Journal of Forecasting, 14, 35-62.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔