臺灣博碩士論文加值系統

本研究主要探討銀行授信評估對貸款結果差異分析與影響程度，並與客戶申貸預期進行比較，本研究最後針對央行實施「特定地區房屋貸款政策」是否影響銀行授信結果進行政策效應之分析。本研究研究期間為政策實施前（2009年07月01日至2010年06月24日）、政策實施後（2010年06月25日至2012年06月20日）來進行實證研究。本研究擷取借款人特性條件、償債能力、信用狀況、房屋物件條件、房貸申請條件等貸款資料，經由統計分析來達到本研究之研究目的。因此，將本研究實證結果歸納如下：
1. 根據影響授信結果因素之差異分析結果得知借款人條件（現職年資、銀行存款、申請人有無房地產、保證人、現金卡循環金額、信貸產品筆數、近三個月聯徵查詢次數）、房屋物件條件（擔保品型態）或案件風險等級，會因為實施「特定地區購屋貸款」政策，使得核貸結果會因為政策實施而產生連動效應。
2. 在客戶預期申貸與銀行授信結果之差異分析結果得知，借款人對自己的資歷持樂觀態度，因此，在實施央行特定地區購屋貸款後，會導致借款人預期申貸條件與銀行核准條件之差異。
3. 銀行房貸授信結果之影響分析結果得知，發現實施「特定地區購屋貸款政策」後，影響核貸額度方面，擔保品坪數、近三個月聯徵查詢次數與案件風險等級對核貸額度為正相關，且擔保品座落區域同樣影響核貸額度；核貸成數方面，保證人、負債收入比與核貸成數為正相關，擔保品屋齡對核貸成數也有所影響；在核貸期間方面，案件風險等級與核貸期間為顯著正相關，負債收入比、近三個月聯徵查詢次數與也有所影響；在核貸寛限期方面，研究調查對象該銀行在政策實施前後皆對核貸寬限期嚴格把關，故無明顯差異影響；在核貸利率方面，因本研究調查並無政府管控二房之案件，故銀行授信審查資料對核貸利率無顯著差異。
4. 台北市在實施政策前後在銀行「核貸成數」上有顯著差異，原因為政策實施前銀行對於優質借款人能提供八五成之核貸成數，但政策實施後，核貸成數最高只能提供八成。而銀行授信審查資料對台北市核貸成數結果如同整體區域之分析結果，擔保品座落區域、近三個月聯徵查詢次數對核貸成數有顯著正相關，保證人對核貸成數也有所影響。

This study investigated not only the difference analysis and consequences about the credit evaluation of Home Mortgage and the results of the loan application, but also compared with customer’s expectation. Then, this study ended up with analyzing the Central Bank to execute the special regulation of “The Government Real Estate Policy” whether affected to the Bank’s credit evaluation. Adopting empirical research from July 1, 2009 to June 20, 2012 through statistical analysis with borrower characteristics, solvency, credit standing, current status of the house, mortgage loans and other eligibility criteria information, the research findings finally showed as follows:
1. According to the crediting evaluation were effect of differences results the conditions that the borrower ( by seniority, bank deposit, real estate whether the applicant, the guarantor, the amount of circulating cash card, credit items, the total inquiries at JCIC conducted in past three months, collateral condition or the Non-performing Loan risk , because of take the effect of the special regulation of “The Government Real Estate Policy” , Makes the results of examine loan because of bring linkage effects by take the policy.
2. The differences between Customer’s Expectation and result in the Bank showed that based on the borrower’s condition, he/she was optimistic to the applying result. Thus, executing the special regulation of “The Government Real Estate Policy” made the differences between Customer’s Expectation and result in the Bank.
3. By analyzing the approved Home Mortgage cases in areas which were subject to the special regulation of “The Government Real Estate Policy”, it was noted that the approved loan amount were positively correlated with the size of the collateral, the total inquiries at JCIC conducted in past three months, the Non-performing Loan risk. In addition, the location of collateral also affects the approved loan amount. The Loan-to-Value ratio was positively correlated with the guarantor, the debt-to-income ratio of the borrower. In addition, the building’s age of collateral also affected the Loan-to-Value ratio. Term of Repayment was positively correlated with the Non-performing Loan Risk. The debt-to-income ratio and the total inquiries at JCIC conducted in past three months also affected. Comparing periods both before and after the implementation of the government special regulation, there is no significant difference in Loan Grace Period. In addition, because all approved cases did not involve the regulated subprime mortgage in Credit Approval, no significant difference for the approved Mortgage interest rate, too.
4. For Taipei area, the Loan-to-Value ratio differed a lot because the max. of Loan-to-Value ratio was 85% prior the special regulation. The captioned max. was lowered to 80% after the implementation of the special regulation. Its Loan-to-Value ratio is similar to the overall analysis, i.e., The Loan-to-Value ratio was positively correlated with the location of collateral, the total inquiries at NCCC conducted in past three months. In addition, guarantor also affected the Loan-to-Value ratio.

第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 5
第三節 研究目的 7
第四節 研究流程 8
第二章 文獻探討 10
第一節 銀行房屋貸款之相關文獻 10
第二節 銀行授信評估之相關文獻 13
第三節 政府房價政策之相關文獻 28
第四節 台灣區域性房價之相關文獻 33
第三章 研究設計與方法 38
第一節 研究架構 38
第二節 研究對象與範圍 40
第三節 操作變數 40
第四節 研究方法 48
第四章 實證結果與分析 51
第一節 銀行房貸授信案件之敘述統計 51
第二節 影響銀行房貸授信因素之差異分析 72
第三節 銀行授信審核與客戶預期申貸之差異分析 92
第四節 銀行房貸授信核准結果之影響分析 94
第五節 政策對銀行房貸授信之影響分析 107
第五章 結論與建議 111
第一節 結論 111
第二節 建議 117
參考文獻 119
中文文獻 119
英文文獻 122
附錄：個人金融授信審核表 124

中文文獻
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。
江惠櫻（2001），商業銀行對企業授信決策考量因素與授信，靜宜大學企業管理學系碩士論文。
何貴清(2001)，消費者小額信用貸款之信用風險研究-以一商業銀行客戶為例，國立中山大學人力資源管理研究所碩士論文
呂美慧(2000)，金融機構房貸客戶授信評量模式分析-Logistic迴歸之應用，國立政治大學金融研究所碩士論文。
李桂榮（2003），自用住宅購屋貸款特性與逾期還款關係之研究，國立高雄第一科技大學碩士論文。
李海麟（2002），銀行消費者房屋貸款授信評量之實證分析，國立中正大學國際經濟研究所碩士論文。
李景文（2004），影響房屋抵押貸款提前清償因素之實證研究，國立雲林科技大學財務金融所碩士論文。
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。
林建州(2001)，銀行個人消費信用貸款授信風險評估模式之研究，國立中山大學財務管理研究所碩士論文。
林國順(2004)，房屋貸款逾期還款預警模式之研究，大同大學事業經營研究所碩士論文。
金家禾(2001)，全球化與台灣都會區生產者服務業之發展，「都市與計畫」，第28卷，第4期，第495-518頁。
施孟隆(1999)，農業信用部經營危機預警模式之研究，國立中興大學農業經濟學系博士論文。
張仁哲(1982)，我國信用卡現代化問題之研究，政治大學企業管理研究所，未出版碩士論文。
張金鶚(1999)，住宅空間次市場價格比例與市場規模之關係，「都市與計劃」，第26卷，第1期，頁79-94。
張雅君(2007)，商業銀行房貸客戶違約因素之探討，世新大學管理學院財務金融學系碩士論文。
陳宗豪（2000），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。
曾俊堯（1991），信用卡信用管理之研究，政治大學企業管理研究所碩士論文。
黃佐民(2010),房屋貸款授信風險評估研究：以ｃ銀行為例，中原大學國際貿易研究所碩士論文。
劉長寬(2003)，應用Logit模型於消費者擔保貸款違約行為之實證研究，朝陽科技大學財務金融系碩士論文。
蔡明憲(2002)，金融機構消費信用貸款授信評量模式，中山大學財管所碩士論文。
戴堅（2002），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。
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。
簡安泰（1971），消費者信用評分制度之研究，國立政治大學企業管理研究所碩士論文。
蘇玉里(2010)，房屋貸款授信風險因素之探討，國立屏東商業技術學院國際企業研究所碩士論文。

英文文獻
Goodman, A. (1988), An Econometric Model of Housing Price, Permanent Income, Tenure Choice, and Housing Demand, Journal of Urban Economics 23, 327-353.
Jung, Allen F.(1962), Terms of Conventional Mortgage Loans on Existing Houses, Journal of Finance, Vol.17,pp. 432-443.
Kau,James B., Donald C. Keenan, Walter J. Muller, III and James F. Epperson(1992).,“A Generalized Valuation Model for Fixed-Rate Residential Mortgages,” Journal of Money, Credit and Banking, Vol.24, No.3, pp. 279-299.
Krumm, R. (1987), Intertemporal Tenure Choice, Journal of Urban Economics 22, 263-275.
Lawrence, Edward C., L. Douglas Smith and Malcolm Rhoades(1992),An Analysis of Default Risk in Mobile Home Credit, Journal of Banking and Finance, Vol.16,pp. 299-312.
Maskell, P. (2001), Towards a Knowledge-based Theory of the Geographical Cluster. Industrial and Corporate Change, 10, 921-943.
Page, Alfred N.(1964),The Variation of Mortgage Interest Rates,Journal of Business,Vol.37,pp.280-294.
Rock, A.(1984）.Sure ways to score with lenders,Money (Sep.).
Ryan, S (1999), Property Values and Transportation Facilities: Find the Transportation-Land Use Connection, Journal of Planning Literature, 13(4), 412-427.
Saxenian, A. (1994), Regional Advantage: Culture and Competition in Silicon Valley and Route 128. Cambridge: Harvard University.
Simmie, J. (2004), Innovation and Clustering in the Globalised International Economy. Urban Studies, 41(5/6): 1095-1112.
Steenackers, A. & Goovaerts, M. J.,(1989), “A credit scoring model for personal loans”, Insurance: Mathematics and Economics, Elsevier, vol. 8(1), pages 31-34.
Updegrave,W. L.（1987）.How lenders size you up,Money（Apr. ).
Von Furstenberg, George M.(1969),Default Risk on FHA-Insured Home Mortgages as a Function of the Terms of Financing: A Quantitative Analysis, Journal of Finance, Vol.24,pp. 459-477.