跳到主要內容

臺灣博碩士論文加值系統

(44.200.86.95) 您好!臺灣時間:2024/05/21 09:54
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:廖昌樂
研究生(外文):LIAO,CHANG-LE
論文名稱:應用資料探勘技術於國內銀行不良債權回收率影響因素研究---以國內某銀行為例
論文名稱(外文):Analysis of Factors Influencing Recovery Rates of Banks Selling NPLs by using Data Mining--Case Study of a Taiwan Domestic Bank
指導教授:李鍾斌李鍾斌引用關係
指導教授(外文):LI,JUNG-BIN
口試委員:林斯寅盧宏益
口試委員(外文):LIN SI YINLU,HUNG-YI
口試日期:2015-06-23
學位類別:碩士
校院名稱:輔仁大學
系所名稱:統計資訊學系應用統計碩士在職專班
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:2015
畢業學年度:103
語文別:中文
論文頁數:62
中文關鍵詞:資料探勘不良債權資產管理公司回收率
外文關鍵詞:Data MiningNon-Performing LoanAMCRecovery Rate
相關次數:
  • 被引用被引用:0
  • 點閱點閱:203
  • 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
我國為因應金融國際化及自由化而開放新增設大量新銀行成立,而由於金融業的競爭激烈及國際之不景氣影響,使得金融機構的逾放比率節節高升,遂使我國政府立法開放金融機構出售不良債權予資產管理公司,以解決高居不下的逾放比問題。
本研究以國內某金融機構,2006年間出售不良債權1,788筆為分析資料,並將不良債權回收率比率分為6個區間,輔以特徵價格法為基礎,利用資料探勘方式找出影響不良債權的影響因子,分別以主成分迴歸、支援向量機及類神經網路三種回收率模型,比較預測2元回收率區間及多元回收率區間模型預測結果。
實證結果發現,在不良債權多元回收率預測結果以支援向量機的效果最佳,並發現在不良債權回收率比率不同而影響的重要特徵因素亦不相同,當中重要影響因素包括逾期期間、擔保品種類、借款類別等。
在透過支援向量機或類神經網路等模型,以利用不良債權之屬性予以分類及評估,可免去大量重估價成本外,並供授信主管階層於徵審作業時的另類參考依據與評估期末財務報表提列不良債權預估價值,及預計出售不良債權時作為出售該不良債權可回收率參考使用。

Following the trend of financial globalization and liberalization, the Taiwanese authority approved private sectors to set up new banks in 1991. For the consequence of malignant competition and global recession, the bank industry of Taiwan was facing the worsening overdue loan percentage. To assist banks in solving this problem, the authority made new laws to allow banks to sell their bad debts to asset management companies (AMCs).
This study is based on a real case of one local bank in Taiwan. In this study, 1,788 debts of the bank which were sold to AMC in 2006 were collected. Those debts are divided into six sectors by recovery percentage. Based on Hedonic Price Method, the study attempts to find out the most influential factors for the recovery percentage by adopting data mining techniques : Principal Components Analysis, Support Vector Machine, and Cellular Neural Network. The anticipated results of NT2 recovery percentage interval model and multi-NT recovery percentage interval model are compared.
The study shows that the Support Vector Machine has the best performance. And the groups with different recovery percentage are influenced by different factors. Among those factors the most important ones are overdue period, mortgage item, and category of loan. By applying models of Support Vector Machine and Cellular Neural Network of this study to categorize and access bad debts, banks can lower the cost of repricing. Banks creditors can take this kind of analyses as a reference when approving new loans, accessing the bad debts value in the yearend financial reports, and estimating the bad debts recovery percentage when selling their bad debts.

目錄
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究流程 5
第貳章 文獻探討 6
第一節 銀行業不良債權處理方式 6
第二節 資產管理公司及出售不良債權原因 7
第三節 我國不良債權概況 11
第四節 不動產估價相關研究 13
第參章 研究方法 16
第一節 資料來源與處理 16
第二節 變數說明 16
第三節 資料分析方法 18
第四節 對照組的設定 25
第肆章 實證分析 26
第一節 實證資料說明 26
第二節 資料分析 27
第三節 模型建立 31
第四節 模型比較分析 38
第伍章結論與建議 46
第一節 結論 46
第二節 研究限制與建議 46
參考文獻 48
附錄一、主成分迴歸預測結果表 51
附錄二、支援向量機預測結果 52
附錄三、類神經網路預測結果表 59
附錄四、類神經網路預測結果圖 60





參考文獻
中文部份
王濟川、郭志剛 (2005)。Logistic迴歸模型-方法及應用,台北:五南圖書出版。
吳英花 (2001)。資產管理公司處理不良金融資產之研究。台北大學企業管理學系碩士論文。
林師群 (2003)。不良債權出售價格之探討。國立台灣大學國際企業學研究所碩士論文。
林祖嘉 (1992)。台灣地區房租與房價關係之研究。台灣銀行季刊,第43輯第3期。
林祖嘉、馬毓駿 (2007)。特徵方程式大量估價法在台灣不動產市場之應用。住宅學報,第16卷第2期
魏如龍 (2003)。類神經網路於不動產價格預估效果之研究。國立政治大學地政研究所碩士論文。
林佳慶 (2005)。資產管理公司處理不良金融資產估價。淡江大學國際商學碩士在職專班碩士論文。
邱國勳 (2002)。我國不良資產處理方式之研究。政治大學地政所碩士論文。
邱國勳、張金鶚 (2003)。我國不良資產處理方式之研究。管理評論,第22卷第1期。
柯一姗 (2007)。銀行出售不良債權對其財務績效之影響。國立臺灣大學社會科學院經濟學系碩士論文。
桂勝嘉 (2001)。我國金融業不良資產處理機制法制面之研究—以資產管理公司為中心。東吳大學法律學系研究所碩士論文。
陳彥仲、林國民 (1998)。台灣都市住宅屬性隱含需求分析—以高雄市為例。
葉怡成 (2003)。應用類神經網路8版:儒林。
廖啟涵 (2003)。本國銀行不良債權抵押品鑑價、回收率及處理方式之研究,中央大學財務金融研究所碩士論文。
蔡炳輝 (2004)。台灣金融機構不良債權清理模式—準外化與準內化制度之比較。東海大學管理碩士學程在職進修專班碩士論文。
蔡爾逸 (2012)。應用支撐向量機(SVM)於都市不動產價格預測之研究 。國立中央大學營建管理碩士論文。
蔡慈瑛 (2012)。銀行出售不良債權回收率差異之影響因素—以國內某銀行為例。
謝富順、張巧宜 (2010)。臺灣法拍屋之拍定價格與面積之探。住宅學報,第十九卷第二期,第29-8頁。
盧金松 (2003) 。不良債權處理與資產管理公司(AMC)之發展。輔仁大學金融研究所碩士論文。
鍾俊文、蔡毓芳 (2003)。低逾放比的銀行逾放回收率較高—本國銀行出售不良債權(NPL)回收率之探討。貨幣觀測與信用評等。

英文部份
Cortes, C. & Vapnik, V. (1995). Support-vector network. Machine Learning, 20, 1–25
Do, A. Q. & G. Grundnitski(1993) A Neural Network Analysis of the Effect of the Age on Housing Values, Journal of Real Estate Research 8:253-264
Hornik, K., M. Stinchcombe & H. White (1989) Multilayer Feed Forward Networks are Universal Approximates,Neural Networks.2(5):359-366.
Kummerow, M. (2002) Theory for Real Estate Valuation: An Alternative Way to Teach Real Estate PriceEstimation Methods, Paper presented at the Pacific Rim Real Estate Society Conference Brisbane.
Rosen, S. (1974) Hedonic Price and Implicit Markets: Product Differentiation in Pure Competition, Journal of Political Ecnomics.
Tay, D. P. & D.k. Ho (1991) Artificial Intelligence and the Mass Appraisal of Residential Apartments, Journal of Property Valuation &Investment. 10:525-540.
Worzala E, M. L, & A. Silva (1995) An Exploration of networks and its Application to Real Estate Valuation, Journal or Real Estate Research.10(2):185-201.
Zhang. G. & M. Y. Hu (1988) Neural Network Forcasting of the British Pound/US Dollar Exchange Rate,Omega Int.Journal Magazine Science.26(4):495-506

參考網站
金管會銀行局網站(http://www.fsc.gov.tw/)

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top