臺灣博碩士論文加值系統

鑑於新巴賽爾資本協定將於2006年正式實施，國內金融界為提高資產品質，有效控制信用風險，近年來多致力於內部信用評等之建立。本文針對研究對象現行使用的中小企業信用評等表深入分析，篩選出影響企業授信品質的顯著變數，以羅吉斯迴歸建置一套可合理評估授信品質的中小企業信用評等模型，解釋並預測企業違約發生的可能機率。藉由估算每位借款者的違約機率，銀行可依據企業貸款的違約機率衡量自有資本計提，協助銀行減少提列「損失準備」，使銀行能更有效率地運用自有資本。
本文將實驗樣本信用評等表所有表列變數放入羅吉斯迴歸模型，建置財務指標、非財務指標及整合性指標模型，預設分割點為0.5。經過實證結果發現，非財務指標在三指標中總預測正確率最差，其次為財務指標，整合性指標模型之總預測正確率最佳，尤其是對違約公司之預測率最高。
在羅吉斯向後逐步迴歸的篩選中，對於顯著影響企業戶違約機率具有解釋能力之變數有速動比率、稅後純益率、財報資料可信度、最近12個月營運變動情形、營業單位加減分、產業發展潛力、固定長期適合率、公司組織型態等八項，進一步建置中小企業信用評等模型，估算樣本公司的違約機率，設定模型的最適分割點0.15。
實證結果顯示，本文所建置之中小企業信用評等模型對於實驗樣本與預測樣本的外部效果具有相似的預測效率，表示在不同的情況下，信用評等模型尚具備穩定的正確率與誤差率，尤其是違約公司分類的預測正確率及型一誤差，也就是提高違約公司預測正確率，可降低型一誤差的風險。
最後檢視模型對預測企業違約準確度的變化。在全面考量「信用評等表」表列變數的整合性指標模型，預設分割點為0.5時，實驗樣本總預測正確率82.2%；在估計樣本公司的違約機率，決定最適分割點為0.15後，實驗樣本總預測正確率為74.4%，預測樣本的總預測正確率為72.1%，發現最適分割點的調降雖然可提高違約公司預測正確率，降低型一誤差的風險，卻影響模型總預測正確率的降低。因此本文所建構之模型預測企業違約的效力雖尚具穩定性，惟仍應設法將總預測正確率降低的影響減到最小，進而使評等模型之效力提高，以符合新巴賽爾資本協定所要求風險與管理兼顧之內部評等模型。

Based on Capital Accord in Basel Ⅱ, which, in 2006, will be practically implemented, the domestic finance, in recent years, has been committed to the establishment of internal ratings in order to elevate the quality of assets and effectively control credit risks. The text exerts a profound analysis on the credit rating list for SME (small and mid-size enterprise) which the research objectives use as well as screens out positive variables that influence the quality of corporate credit guarantee. The suitable model of credit guarantee quality with logistic regression is set up for SME credit rating. That can explain and forecast the probabilities of occurrences of corporate default. By estimation of each credit side’s default probability, the bank can efficiently operate the capital by making good use of risk management skills in rating models to assist that with reduction of provision of loss reserves.
All listed variables will be put into logistic regression model in the credit rating list for experimental sample in order to build the models of financial, non-financial and integration indices, the cut point is 0.5. The empirical results reveal that accuracy rate of non-financial index is worse than financial one. The best one is integration index in total forecasting accuracy rate and in particular, the forecasting rate is highest on the default company.
In the screening process of logistic backward stepwise regression, there are eight variables with positive impact and good explanation on the probabilities of corporate default. They are quick ratio, net profit rate after tax, confidence of financial statement, operational change circumstances in the last 12 months, potential of industry development, performances from business units, fixed assets to long-term capital ratio, company organizational formation. The credit rating model is further set up for SME and default rate of sampling company is estimated. The optimal cut point of model is set 0.15.
The empirical results show that the model of SME credit rating has the similar forecasting efficiency to external effects of the experimental samples and test samples. It shows that, under different circumstances, the credit rating model still has stable accuracy and error rate. Especially when there is forecasting accuracy rate on classifying default companies, it means that as forecasting accuracy rate on default company increases, the risk of type Ⅰ error will decrease.
Finally, the change of forecasting accuracy on corporate default in models will be examined. With complete consideration of integration index model of listed variables in the credit rating list, when cut point is set 0.5, total accuracy rate of dependent samples is 82.2%. When the default rate of sampling companies is estimated, after the optimal cut point has been determined on 0.15, total forecasting accuracy of dependent samples is 74.4%. Total forecasting accuracy rate of independent samples is 72.1%. Although lowering of optimal cut point, elevating forecasting accuracy of default companies, and lower the risk of type Ⅰ error, that impacts on the total forecasting accuracy of model. As a consequence, though, the model, set up in the text, has the efficacy of forecasting corporate default. Although it is yet stable, the model should be set to minimize the impact on accuracy of forecasting and in advance, the efficacy of credit rating model is heightened. This can cohere with the IRB approach in risk and management which Basel Ⅱ has disclosed in Capital Accord.

目錄 I
表目錄 IX
圖目錄 X
第一章 緒論 1
第一節 研究動機與目的 1
第二節 研究流程與架構 6
第二章 文獻回顧 8
第一節 企業信用評等實務介紹 8
第二節 企業財務危機預測模型回顧與探討 13
第三章 研究設計 22
第一節 研究對象及資料來源 22
第二節 研究步驟 28
第三節 變數的選取與操作性定義 29
第四節 研究限制 38
第五節 研究方法 39
第四章 資料分析與實證結果 45
第一節 樣本基本統計量 45
第二節 常態性檢定 48
第三節 平均數差異檢定 50
第四節 企業違約預警模型的預測能力 53
第五節 信用評等模型的建立與驗證 57
第五章 研究結論與未來研究建議 64
第一節 研究結論 64
第二節 未來研究建議 66

中文文獻：
中小企業信用保證基金（2004），中小企業融資信用保證作業手冊。
王凱仁（2003），「建設公司財務危機動態預警模型之研究」，國立交通大學土木工程系碩士論文。
台灣金融研訓院（2004），銀行內部控制制度。
何太山（1977），「運用區別分析建立商業放款信用評等制度」，國立政治大學企業管理研究所碩士論文。
吳俊儒（2002），「中小企業信用評等模式之研究」，天主教輔仁大學應用統計研究所在職專班碩士論文。
李明峰（2001），「銀行業對企業授信『信用評等表』財務比率預警有效性之實證分析」，國立中山大學財務管理學系研究所碩士論文。
李惠民（1985），「中小企業信用風險評估模式之研究」，淡江大學管理科學研究所碩士論文。
李儀坤（1999），「銀行授信信用評等制度」，信用合作，8月，頁33-45。
李樑堅、張志向（1997），「應用模糊理論於中小企業擔保與無擔保放款信用評等表改善之研究」，第三屆中小企業管理研討會。
沈大白、張大成（2003），「信用風險模型效力驗證—以台灣市場為例」，財團法人金融聯合徵信中心委託計劃報告書。
沈大白、張大成（2003），「信用風險模型評估—以台灣市場為例」，財團法人金融聯合徵信中心委託計劃報告書。
沈大白、薛人瑞、高偉柏（2003），「財務危機模型之效度檢驗研究」，貨幣觀測與信用評等，40期，頁74-86。
阮正治、江景清（2004），「台灣企業信用評分模型建置與驗證」，信用資訊月刊，6月。
阮正治、敬永康（2003），「中小企業信用評分研究」，信用資訊月刊，10月。
林思瑢（2001），「以財務及非財務性指標評估建築投資業經營績效之研究」，國立中正大學土木工程研究所碩士論文。
孫銘誼、王思芳（2004），金融風險管理季刊，第一卷第一期，頁111-125。
高偉柏（2001），「企業財務危機預測」，國立中山大學財務管理研究所碩士論文。
張大成、周麗娟及黃筱雯（2004），「經營效率與企業危機相關性研究」，信用資訊月刊，2月。
郭敏華（2000），「債信評等」，台北市：智勝文化。
陳明賢（1986），「財務危機預測之計量分析研究」，國立台灣大學商研所碩士論文。
陳松興（1999），「信用評等時代的來臨--論信用評等角色與功能」，實用稅務季刊，4月，頁26-32。
陳建賓（2004），「 加入公司治理指標的企業財務危機預測：Logistic 模型的應用」，淡江大學財務金融研究所碩士論文。
陳錦村、許通安與林蔓蓁（1996），「銀行授信客戶違約風險之預測」，管理科學學報，第十三卷第二期，頁173-195。
黃重菁（1998），「銀行對中小企業授信考量因素之研究」， 國立政治大學企業管理學系碩士論文。
黃瓊華、魏秋建（1998），「現金流量與傳統財務比率預測企業失敗之研究」，交通大學商管學報，第三卷第一期，頁1-22。
敬永康（2001），「新版巴賽爾協定-內部評等制度（一）」，貨幣觀測與信用評等，第32期，頁63-72。
敬永康（2002），「新版巴賽爾協定-內部評等制度（二）」，貨幣觀測與信用評等，第33期，頁129-137。
劉玉哲（2000），「銀行往來關係對中小企業信用評等之影響」，國立政治大學財務管理學系碩士論文。
劉泰谷（2004），「信用卡信用評分模型之建構與分析」，世新大學管理學院財務金融學系碩士論文。
潘玉葉（1990），「台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。
蔡敏華（2001），「風險評估報告與銀行授信決策」，東吳大學會計學系碩士論文。
黎法寬（1997），「中小企業信用分析模式」，國立暨南大學國際企業學系碩士論文。
賴耀群（1977），「銀行放款信用評估之研究」，淡江大學管理科學研究所碩士論文。
謝智安（2004），「企業財務危機預測之研究」，國立中正大學國際經濟研究所碩士論文。
蘇紋慧（2000），「中小企業信用評估模式之研究—以中小型製造業為例」，國立中山大學財務管理學系研究所碩士論文。

英文文獻：
Altman,E.I.（1968）, “Financial Ratios, Discriminate Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, Vol.23, No.4, 589-609.
Basel Committee on Banking Supervision（2003）, Consultative Document: The Basel Capital Accord，Bank for International Settlements.
Beaver, W.H.（1966）, “Financial Ratio as Predictors of Failure”, Empirical Research in Accounting: Selected Study, Supplement to Journal of Accounting Research, 71-111.
Collins, R.A., and R.D. Green（1982）, “Statistical Methods for Bankruptcy Forecasting”, Journal of Economics and Business, 540-545.
Deakin, E.B.（1972）, “A Discriminate Analysis of Predictors of Business Failure” , Journal of Accounting Research, Vol.10, No.1, 167-179.
Division of Banking Supervision and Regulation（2003）,Draft Supervisory Guidance on Internal Ratings-Based Systems for Corporate Credit, Board of Governors of the Federal Reserve System.
Embrechts, P., A. McNeil and D. Straumann （1999）, “Correlation and dependence in risk management: Properties and pitfalls”, Mimeo. ETHZ Zentrum, Zurich.
Hunn, P., （1971）,“Bank Credit in the 1970’s new realities and old verities”, The Journal of Commercial Bank Lending, June, 29-34.
Lawrence , E.C., and N. Arshadi （1995）, “A Multinomial Logit Analysis of Problem Loan Resolution Choices in Banking”, Journal of Money, Credit and Banking, Vol.27, 1-15
Lo A.W.（1986）,“ Logit Versus Discriminant Analysis—A Secification Test and Application to Corporate Bankruptcies”, Journal of Econometrics, March, Vol.31, 151-178.
Martin, Daniel. （1977）, “Early Warning of Banking Failure”, Journal of Banking and Finance, Vol.1, 249-276.
Mensah, Yaw M.（1984）, “An examination of the stationarity of multivariate bankruptcy prediction models; A methodological study”, Journal of Accounting Research, Vol. 22, No. 1, 380-395
Michael s. Padhi, Lynn W. Woosley, and Aruna Srinivasan(1998), “Credit Scoring and Small Business Lending in Low- and Moderate- Income Communities”, Federal Reserve Board of Atlanta.
Ohlson,J.A.（1980）,“Financial Ratios and the Probabilistic Prediction of Bankruptcy”, Journal of Accounting Research, Vol.18, No.1, 109-131.
Platt, H.D., and M.B. Platt（1990）, “Development of a class if stable predictive variables: The case of bankruptcy prediction”, Journal of Business Finance & Accounting, Vol.17, No.1, 31-51
Treacy, W.F and Cary, M.S.（1998）“Credit Risk Rating at Large U.S. Banks”, Federal Bulletin, Nov.