臺灣博碩士論文加值系統

本研究探討房屋抵押貸款逾期風險因子，以國內某銀行北部地區分行，在105年底前承做房屋抵押貸款中隨機取樣124個案件(正常戶101件及逾期戶23件)樣本數，經文獻探討與實務經驗分析選取了有性別、年齡、教育程度、婚姻狀況、子女扶養人數、職業、工作年資、年收入、居住狀態、保證人、擔保物所有權人、抵押品類型、抵押品屋齡、抵押品鑑估價值、抵押品座落地點、借款用途、貸款金額、貸款年限、償還方式、貸款占房價成數、貸款利率、月收入/支出比率、二屋以上貸款、保證債務、信用卡三個月內有循環動用餘額、聯徵三個月內被同業查詢紀錄、抵押品曾為法拍屋等二十七項變數，並分為借款人基本屬性、償債能力、擔保品屬性、貸款條件及聯徵情形等五大類，透過敘述統計與羅吉斯迴歸分析，逐步篩選出顯著性變數建立模型。羅吉斯迴歸實證結果，模型Ⅳ之六項顯著變數(性別、教育程度、工作年資、貸款占房價成數、貸款利率、聯徵三個月內被同業查詢紀錄)，預測分類準確率正常戶與逾期戶分別為98.0%、69.6%，整體預測準確率92.7%，模型Ⅳ為最適逾期風險評估模型且具預測能力，並建立羅吉斯迴歸模型預測方程式，作為授信審核准駁與逾期風險控管之依據。

This research explored the risk factors of mortgage overdue. A total of 124 cases (101 normal and 23 overdue accounts) from a branch of a domestic bank located in northern Taiwan were chosen as samples, and 27 variables were screened out from literature review and professional experiences, including sex, age, education, marital status, number of dependents, occupation, job tenure, annual income, property ownership, guarantor, ownership of collateral, type of collateral, age of collateral, appraised collateral value, location of collateral, purpose of loan, amount of loan, loan period, repayment scheme, percentage of loan to property value, loan interest, monthly income/expense ratio, multiple mortgages, guaranteed loan, balance of revolving credit within three months, records of credit inquiry by another bank within three months and whether the collateral has been auctioned by the court. The variables were further grouped into five categories: attributes of borrower, debt-paying ability, attributes of collateral, loan criteria and credit status. Variables with significance were further screened out through the descriptive statistical method and logistic regression analysis. Results of logistic regression analysis showed that the category prediction accuracy rate for the six variables in model IV (sex, education, job tenure, percentage of loan to property value, loan interest and records of credit inquiry by another bank within three months) were 98.0% and 69.6% for the normal and overdue accounts respectively, and the overall prediction accuracy rate is 92.7%. The statistics showed that model IV is most suitable for assessment of overdue risk factors and has predictive power. We have also established a logistic regression model prediction formula for assessment of credit approval/disapproval and overdue risk control.

目錄

封面內頁
簽名頁
中文摘要 iii
ABSTRACT iv
誌謝 v
目錄 vi
圖目錄 viii
表目錄 ix

第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 8
第三節 研究架構 9
第二章 文獻探討 11
第一節 消費者貸款之定義 11
第二節 授信的基本原則 11
第三節 授信風險評估理論 12
第四節 相關研究文獻敘述 14
第三章 研究方法 19
第一節 資料來源 19
第二節 研究變數之定義 19
第三節 基本統計檢定方法 24
第四章 資料分析實證結果 27
第一節 資料敘述統計分析 27
第二節 羅吉斯迴歸分析 36
第三節 小結 43
第五章 結論與建議 47
第一節 研究結論 47
第二節 貢獻與建議 48
第三節 研究限制 49
參考文獻 50

一、中文部分：
1、金融人員研究訓練中心編輯委員會(2002)，銀行授信實務概要，台灣，財團法人金融研訓院。
2、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。
3、高博祥(2008)，我國銀行業房屋抵押貸款違約風險潛在因子之研究-以S銀行為例，國立高雄第一科技大學風險管理與保險系碩士論文。
4、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。
5、董炎松(2010)，嘉義(縣)市地區房屋抵押貸款授信風險評估模式研究，南華大學財務管理研究所碩士論文。
6、俞洪亮、蔡義清、莊懿妃(2012)，商管研究資料分析SPSS的運用(修訂二版)，台北市，華泰文化。
7、侯志明(2014)，房屋貸款違約風險因子之研究，國立屏東商業技術學院國際企業研究所在職專班碩士論文。
8、鄭舜吉(2015)，房屋貸款授信風險因子-以S銀行為例，元智大學管理碩士在職專班碩士論文。




二、英文部分
1. Rock, A. (1984), Sure Ways to Score with Lender, Money, September, pp.8-10.
2. Updegrave, W. L. (1987), How Lender Size You Up, Money, April, pp.23-40.
3. Steenackers, A. and Goovaerts, M. J. (1989） , A Credit Scoring Model for Personal Loans, Insurance Mathematics Economics, pp.31-34.
4. Berger, A. N. and Udell, G. F. (1990), Collateral, Loan Quality and Bank Risk, Journal of Monetary Economics, 25, pp.21-42.
5. Liu, D. Y. and Lee, S. P. (1997), An Analysis of Risk Classifications for Residential Mortgage Loans, Journal of Property Finance,
8(3), pp.207- 225.