銀行評估授信違約風險，實務上運用財務比率分析授信戶各項財務指標，並轉化為財務比率評分以提供授信決策參考。為探究可確保授信安全與可能誘發授信違約風險之各項財務比率範圍，確認財務比率評分對授信違約之預警效果，本文以1997年至2016年間金融業以外之公開發行公司為研究對象，分為未加區別是否違約之對照組計2,181家與違約組計55家，參考銀行授信實務大型企業常用之財務比率評分標準，滿分以百分計，分從償債能力、財務結構、獲利能力及經營效能等四個財務構面，計算各項財務比率評分，分別依產業別、年度間、對照組與違約組間之對照比較，從中分析財務比率評分與授信違約之相關性。
本文研究結論如下：
1.對照組之財務比率評分平均為75.50分，各產業高低區間為64.78分~80.87分，產業性質不同，財務比率高低水準亦有所差異。各年度高低區間為70.84分~79.03分，除獲利能力構面之財務比率，易受經濟景氣影響致波動幅度較大外，其餘財務構面之財務比率波動幅度並不大。
2.違約組違約前四個年度之財務比率評分平均依序為62.88分、60.27分、55.76分及49.21分，明顯呈下滑趨勢，違約前三個年度平均為55.08分，相較於對照組平均75.50分，相差幅度約為20分，顯示財務比率評分對於銀行授信違約風險，的確具有一定程度之預警效果，可供銀行授信風險評估之參考。

The bank evaluates the credit default risk by using the financial ratios to analyze the financial pointers of the credit customers in practice, and translates the financial ratios into score to provide reference for credit decision making. In order to explore the possible range of financial ratios ensuring credit security or inducing credit default, and confirm the prediction effect of financial ratio score for credit default, this article takes the publicly held corporations outside the financial industries from 1997 to 2016 as the research object differentiated into contrast group without distinguishing whether or not to default totaling 2,181 companies and default group total 55 companies, references financial ratio scoring standard of large enterprises commonly used in bank credit practice, full score in hundred, calculates the score of various financial ratios from four financial aspects including debt-paying ability, financial structure, profitability and operating efficiency, and compares the correlation between the financial ratio score and credit default respectively according to industry, year, contrast group and default group.
The conclusions of this article are as follows:
1.The financial ratio score of contrast group is the average of 75.50. Each industry low and high range is 64.78~80.87. The nature of the industry is different, and the level of financial ratios varies. Each year low and high range is 70.84~79.03. In addition to the financial ratios of the profitability are easy to be influenced by economic boom, the financial ratios of the remaining financial aspects are not much of a fluctuation.
2.The financial ratio score average of default group four years prior to default is 62.88, 60.27, 55.76 and 49.21, significantly downward trend. The score average three years prior to default is 55.08, compared to contrast group average 75.50, margin about 20. Evidently financial ratio score does have a certain degree of prediction effect for bank credit default risk, available for the bank credit risk assessment reference.

摘要 i
ABSTRACT ii
誌謝 iii
目錄 iv
圖目錄 v
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 2
1-3 研究架構與流程 3
第二章 文獻探討 4
2-1 各種預測財務危機之信用評等模型 4
2-2 各種財務比率之彙整分類及評比標準 13
第三章 研究設計 27
3-1 授信違約之認定標準 27
3-2 選樣設計與樣本描述 30
3-3 研究方法 34
第四章 實證結果與分析 36
4-1 財務比率之分類比較分析 36
4-2 財務比率評分之分類比較分析 67
第五章 結論及建議 79
5-1 研究結論 79
5-2 研究建議 81
參考文獻 84

中文文獻
〔1〕王粹馨，2003 年，「商業銀行如何檢視信用評等表之良窳」，國立中央大學財務金融學系碩士在職專班碩士論文。
〔2〕尹賢瑜等，2015年12月，「建構企業財務危機預警模型-考慮財務與公司治理因素」，德明學報，第三十九卷，第二期，37-58頁。
〔3〕石月華，1993年，「建立銀行授信信用評估模式之研究」，交通大學管理科學研究所碩士論文。
〔4〕林淑萍等，2007年6月，「企業危機預警模式之研究－DEA-DA、邏輯斯迴歸與類神經網路之應用」，會計與公司治理，第四卷，第一期，35-56頁。
〔5〕沈中華，鄧志豪，2000年，「銀行及投資人如何由財務報表偵測地雷公司」，存款保險資訊季刊，14(1)，56-79頁。
〔6〕金融聯合徵信中心，2017年11月，「產業分析統計資訊」資訊內容說明。
〔7〕陳錦村，1995年，「以財務比率評估銀行授信風險」，財團法人金融聯合徵信中心。
〔8〕許溪南等，2007年6月，「公司治理、盈餘管理與財務預警模型之建構」，會計與公司治理，第四卷，第一期，85-121頁。
〔9〕陳乙文、黃玲羢，2005年，「影響財務危機預警模型因子之研究」，建國科大學報，24(2)，153-168頁。
〔10〕黃振豊，呂紹強，2000年11月，「企業財務危機預警模式之研究－以財務及非財務因素構建」，當代會計，第一卷，第一期，19-40頁。
〔11〕黃劭彥等，2006年，「以經營效率觀點建立台灣資訊電子業財務危機預警模型」，文大商管學報，vol 11，No 2.，1-20頁。
〔12〕潘玉葉，1990年，「臺灣股票上市公司財務危機預警分析」，淡江大學管理科學研究所博士論文。
〔13〕鄧志豪，2000年，「以分類樣本偵測地雷股－新財務危機預警模型」，國立政治大學金融學系碩士論文。
〔14〕羅江梅，2010年10月，「虛假財務報表的識別研究」，商場現代化，總第627期，180頁。
英文文獻
〔1〕Altman, E.I., 1968, “Financial ratios: Discriminant analysis and the prediction of corporate bankruptcy”, Journal of Finance 23(4) pp.589-609.
〔2〕Beaver, W.H., 1966, “Financial ratios as predictors of failure”, Journal of Accounting Research, 4(3), pp.71-111.
〔3〕Blum, M., 1974,“Failing Company Discriminant Analysis”, Journal of Accounting Research, pp.1-25.
〔4〕Coats, P.K. and L.F. Fant.,1993, “Recognizing financial distress patterns using a neural network tool”, Financial Management, 22(3), pp.307-327.
〔5〕Deakin, E. B., 1972, “A discriminant analysis of predictors of business failure”, Journal of Accounting Research, 10(1), pp.167-179.
〔6〕Fitzpatrick, P.J., 1932, “A comparison of the ratios of successful industrial enterprises with those of failed companies”, The Certified Public Accountant.
〔7〕Harlan D. Platt and Marjorie B. Platt, 1991,“A note on the use of industry-relative ratios in bankruptcy prediction”,Journal of Banking and Finance, 15, pp.1183-1194.
〔8〕Martin, D., 1977,“Early warning of bank failure”, Journal of Banking and Finance, volume 1, issue 3, pp.249-276.
〔9〕Mensah,Yaw M., 1984,“An Examination of the Stationarity of Multivariate Bankruptcy Prediction Models﹕A Methodological Study”,Journal of Accounting Research, vol. 22, issue 1, pp.380-395.
〔10〕Odom, M.D. and R.Sharda., 1990, “A neural network model for bankruptcy prediction”, IEEE INNS IJCNN, volume 2, pp.163-168.
〔11〕Ohlson,J.A., 1980,“Financial ratios and the probabilistic prediction of bankruptcy”, Journal of Accounting Research, 18(1), pp.109-131.
〔12〕Orgler, Y.E., 1970, “A Credit Scoring Model for Commercial Loans”, Journal of Money, Credit and Banking, pp.435－445.