臺灣博碩士論文加值系統

台灣現金卡市場快速地成長，發卡銀行在辦理現金卡業務時，必須先了解客戶的信用狀況，再決定是否核卡與核定金額。簡化的授信流程必須搭配一套自動化、科學化的信用評等模型，以提供發卡銀行一個較精確的判斷指標，並能合理快速地審核申貸個案，以降低呆帳損失率。
本研究目的主要在建立現金卡風險變數之評估模型，為解決評估風險變數兩層權重參數之問題，以具有多點搜尋能力之基因演算法為分析方法。研究對象為國內某現金卡發卡機構之客戶基本資料，樣本數1398個，樣本中有1276個為正常戶，122個為逾期戶，期能藉此實證資料建立現金卡兩層權重信用評分表。權重分數愈高者，信用風險愈低。
研究發現，現金卡風險變數第一層自變數權重，大小依序為：年齡、信用記錄、信用債務餘額、性別、婚姻狀況、年收入、學歷、住宅持有狀況。而在第二層分類屬性的權重，女性高於男性。年齡部分，46~55歲權重最高，55歲以上次之。年收入部份，30~50萬的權重最高。而學歷，以高中高職畢業的權重最高。婚姻狀況，以離婚、同居所分配的權重最高。住宅持有狀況以本人或配偶所有且無貸款者的權重最高。信用記錄則以現有使用支票或信用卡一年以上未滿三年且無不良記錄者的權重最高。信用債務餘額則以100萬以上的權重最高。
藉著事前測度衡量潛在風險並加以防範，且在過程中適當的管理與監控，事後檢討歸納並提出改善和防護措施，才能確實達到現金卡的風險管理功能。故本研究目的即是期望運用資訊技術，搭配統計分析工具，提高發卡效率，降低授信成本與降低逾期卡的發生，以達到利潤極大化。

With the rapid growth in Taiwan’s cash card market, banks need to investigate customers’ credit histories before issuing cash cards and approving credit limits. In order for banks to make more precise judgments and better decisions, an automatic and scientific evaluation model about customers’ credit rating should be integrated into a simplified rating process, so that applications for cash cards can be processed quickly and accurately to reduce loss from bad debt.
This research focuses on building up an evaluation model comprising risk variables affecting cash cards. A Genetic Algorithm characterized with multi-point searching power is employed to analyze and resolve the issue regarding two-level weight parameters of risk variables of cash card. The subjects studied are customers from a specific bank involved in the cash card business. A total of 1398 subjects were sampled in this study, 1276 of them pay on time, and the others pay after the due date. Through analyzing empirical data, it’s expected to set up an evaluation model comprising two level risk variables affecting cash cards. The higher rating scores you make, the lower risk you have.
As the research shows, the first level weight parameters of risk variables affecting cash cards ranked in order of highest to lowest risk are home ownership, education background, annual income, marital status, gender, credit balance, credit records and finally age. The second level variables of low risk are: females, those are earning an annual income between 300,000 to 500,000 NT dollars, holding a high school diploma, divorced or living with a live-in boyfriend or girlfriend, being a homeowner without loans, paying by credit cards or checks for over one year, under three years and without bad credit records, as well as maintaining a credit balance over 1,000,000 NT dollars. Another important finding is that those aged 46 to 55 have the lowest credit risk, and those 55 years and older second in low credit risk.
By identifying potential risks and taking preventive measures, the goal to reduce risks for cash cards can be eventually achieved. In addition, appropriate management and oversight in the application process, as well as reviews after the cash cards have been issued and follow-up improvements are also critical steps to carry out such a goal. In conclusion, this research builds up a model combining the statistical method and information technology, offering solutions to enhance efficiency, reduce costs and above all optimize profits.

目 錄
中文摘要……………………………………………………………… i
英文摘要……………………………………………………………… ii
謝辭…………………………………………………………………… iii
目錄…………………………………………………………………… iv
表次…………………………………………………………………… vi
圖次…………………………………………………………………… vii
第一章 緒論…………………………………………………… 1
第一節 研究背景與動機…………………………………機…………………………………… 1
第二節 研究主題…………………………………………… 3
第三節 研究目的…………………………………………… 4
第四節 研究範圍與限制…………………………………… 4
第五節 論文架構說明……………………………………… 5
第二章 文獻探討…………………………………………………… 6
第一節 消費者貸款………………………………………… 6
第二節 信用風險…………………………………………… 9
第三節 信用風險管理……………………………………… 10
第四節 消費者貸款信用風險評估方法…………………… 12
第五節 現金卡現況分析…………………………………… 15
第六節 相關研究文獻之探討……………………………… 21
第三章 研究理論與方法…………………………………………… 30
第一節 基因演算法………………………………………… 30
第二節 研究流程…………………………………………… 41
第三節 研究設計…………………………………………… 42
第四章 實證結果分析……………………………………………… 52
第一節 資料內容…………………………………………… 52
第二節 基本資料分析……………………………………… 52
第三節 基因演算法設定…………………………………… 62
第四節 實驗結果…………………………………………… 64
第五章 結論與建議………………………………………………… 72
第一節 結論………………………………………………… 72
第二節 研究建議…………………………………………… 75
參考文獻……………………………………………………………… 78
表 次
表2.5.1 現金卡與信用卡比較表……………………………… 18
表2.5.2 台灣現金卡發卡概況一覽表………………………… 19
表2.5.3 日本前三大現金卡公司近幾年每股獲利能力一覽表 20
表2.5.4 引進日本現金卡技術之國內發卡機構一覽表……… 20
表2.6.1 相關文獻信用風險特徵變數之彙整………………… 27
表3.1.1 擊中率歸類矩陣……………………………………… 38
表3.3.1 第一、二層參數模擬方法之說明…………………… 43
表3.3.2 客戶基本資料轉換編號……………………………… 45
表3.3.3 基因演算法參數設定表……………………………… 48
表4.2.1 各風險變數之敘述統計表…………………………… 53
表4.2.2 依性別區分－正常卡與逾期卡交叉分析表………… 54
表4.2.3 依年齡區分－正常卡與逾期卡交叉分析表………… 55
表4.2.4 依年收入區分－正常卡與逾期卡交叉分析表……… 56
表4.2.5 依學歷區分－正常卡與逾期卡交叉分析表………… 57
表4.2.6 依婚姻狀況區分－正常卡與逾期卡交叉分析表…… 58
表4.2.7 依住戶持有狀況區分－正常卡與逾期卡交叉分析表 59
表4.2.8 依信用記錄區分－正常卡與逾期卡交叉分析表…… 60
表4.2.9 依信用債務餘額狀況區分－正常卡與逾期卡交叉分析表…………………………………………………… 61
表4.2.10 交叉分析中可能影響繳款情形之變數……………… 62
表4.4.1 實證樣本分析表……………………………………… 66
表4.4.2 實證模擬現金卡兩層權重最佳參數值…………… 67
圖 次
圖2.5.1 金融機構總體逾放比率折線圖………………………. 15
圖3.1.1 單點式交換…………………………………………… 32
圖3.1.2 兩點式交換…………………………………………… 33
圖3.1.3 多點式交換…………………………………………… 33
圖3.1.4 交叉式交換…………………………………………… 34
圖3.1.5 均勻交換……………………………………………… 34
圖3.1.6 浮點編碼交換前染色體排列圖……………………… 35
圖3.1.7 浮點編碼交換後染色體排列圖……………………… 35
圖3.1.8 傳統基因演算法流程圖……………………………… 39
圖3.2.1 研究流程……………………………………………… 41
圖3.3.1 本研究基因演算法流程圖…………………………… 49
圖4.4.1 HR對模擬權重參數次數L折線圖…………………...
……………… 65

參考文獻
壹、 中文部分：
1. 王信勝（2000）＜整合分析層級程序與類神經網路之信用評分模型＞，輔仁大學資訊管理研究所碩士論文。
2. 王馨逸（民89年）《貸款萬事通》，初版，台北，上旗文化事業股份有限公司。
3. 江世傑（2001）＜利用模糊類神經網路系統評估消費性貸款＞，成功大學企業管理研究所碩士論文。
4. 江吉雄（2002）＜遺傳演算法於股市選股與擇時策略之研究＞，中央大學資訊管理研究所碩士論文。
5. 江奕良（2001）＜整合類神經網路與遺傳規劃於信用卡授信模式之應用＞，台北科技大學商業自動化與管理研究所碩士論文。
6. 江淑娟（2002）＜信用評等因素與信用卡違約風險之關係－以台灣A金融機構所發行之信用卡為例＞，逢甲大學保險學研究所碩士論文。
7. 何貴清（2002）＜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＞，中山大學人力資源管理研究所碩士論文。
8. 余長義（1997）《SAS/IML在統計學的應用》，初版，台北，華泰文化事業有限公司。
9. 吳良民（2002）＜銀行業小額消費性貸款行為之質性研究＞，中正大學企業管理研究所碩士論文。
10. 吳建良（2000）＜基因演算法在股市預測與交易策略之研究＞，中山大學企業管理學研究所碩士論文。
11. 呂美慧（2000）＜銀行授信評等模式－Logistic Regression之應用＞，政治大學金融研究所碩士論文。
12. 李美笑（2002）＜信用卡持卡人信用風險之研究＞，逢甲大學保險學研究所碩士論文。
13. 李靜貞（2001）＜國內銀行現金卡競爭策略的探討＞，中山大學EMBA碩士論文。
14. 汪海清，黃景泰，謝維國，楊培宏，王南豪（民89年）《消費者貸款實務》，初版，台北，財團法人金融人員研究訓練中心。
15. 林旭青（2004）＜現金卡發行風險評估模型之研究－以國內某一發卡銀行為例＞，淡江大學國際貿易學系國際企業學管理研究所碩士論文。
16. 林重光（2003）＜影響現金卡信用風險因素之實證研究＞，雲林科技大學財務金融研究所碩士論文。
17. 林清泉，王振民（2000）＜衍生金融工具：信用風險管理的重要方法＞，中國人民大學金融與證券研究所。
18. 俞慧華（2001）＜改良式類神經網路模式於信用卡顧客關係管理之研究＞，台北科技大學商業自動化與管理研究所碩士論文。
19. 施孟隆，游清芳，李佳珍（1999）＜Logit 模式應用於信用卡信用風險審核系統之研究－以國內某銀行信用卡中心為例＞，金融財務季刊第四期。
20. 洪榮隆（2003）＜消費性貸款信用風險之分析－應用類神經網路＞，高雄第一科技大學研究所碩士論文。
21. 紀鳳華（2003）＜信用卡與現金卡之迷思＞，交銀通訊，2003年7月號，p25-33。
22. 范哲銘（2003）＜銀行體系與行銷體系信用貸款授信模式之研究＞，高雄第一科技大學財務管理研究所碩士論文。
23. 馬芳資（1994）＜信用卡信用風險預警範例學習系統之研究＞，政治大學資訊管理研究所碩士論文。
24. 張大成，劉宛鑫，沈大白（2002）＜信用評等模型之簡介＞，《中國商銀月刊》，91年11月號。
25. 張家瑲（2003）＜結合類神經網路與基因演算法於系統識別＞，朝陽科技大學營建工程學系研究所碩士論文。
26. 張雅琇（2003）＜國內現金卡市場探討－從日本經驗談起＞，寶來證券研究報告，2003年3月，p6-7.
27. 莊雅君（2003）＜台灣現金卡業務概況＞，台育證券研究報告，2003年5月，p1-2.
28. 許大鈞（2002）＜應用案例式推論與基因演算法於信用評等決策輔助系統＞，中央大學資訊管理研究所碩士論文。
29. 許志鈞（2003）＜企業財務危機預警模式－基因演算法、倒傳遞網路與遞迴網路之應用＞，台北大學企業管理研究所碩士論文。
30. 許愛惠（1994）＜信用卡信用風險審核範例學習系統之研究＞，政治大學資訊管理技術研究所碩士論文。
31. 陳文郁（2002）＜我國金融機構授信信用風險管理之研究＞，淡江大學高階主管管理研究所碩士論文。
32. 陳宗豪（1999）＜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。
33. 陳柏年（2001）＜應用遺傳演算法於財務指標選股策略探討＞，中央大學資訊管理研究所碩士論文。
34. 陳敬聰（1997）＜信用卡信用風險評估之研究＞，雲林技術學院資訊管理研究所碩士論文。
35. 彭慧雯（2001）＜建構信用卡資料挖礦架構及其實證研究＞，台北科技大學生產系統工程與管理研究所碩士論文。
36. 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。
37. 黃斯衍（2002）＜消費金融－即時現金卡簡介＞，《台北國際商銀雙月刊》，2002年5-6月，p4-7。
38. 溫士佶（2002）＜消費者貸款信用保險損失之研究＞，逢甲大學保險學研究所碩士論文。
39. 萬海洲（2002）＜現金卡市場對網際網路與傳統人員之行銷組合縱是因素探討＞，逢甲大學保險學研究所碩士論文。
40. 葉明弋（2002）＜國人申辦現金卡之消費行為研究－以大台北地區為例＞，台北大學企業管理研究所碩士論文。
41. 劉傳智（2003）＜消費者小額信用貸款風險預警模式＞，淡江大學國際貿易學系國際企業學研究所碩士論文。
42. 鄭廳宜（1999 ）＜信用卡授信審核之實證研究＞，朝陽科技大學財務金融研究所碩士論文。
43. 賴孟猷（2003）＜信用風險管理系統＞，《交銀通訊》，2003年1月號。
44. 賴欣儀（1999 ）＜消費者風險態度與資金運用行為對銀行信用卡業務影響之研究＞，中山大學企業管理研究所碩士論文。
45. 簡安泰（1997）＜消費者信用評分制度之研究＞，政治大學企業管理研究所碩士論文。
46. 易博士編輯室編（民91年）《第一次小額貸款就上手》，初版，台北，易博士文化。
47. 龔昶元（1998）＜Logistic Regression 模式應用於信用卡信用風險審核之研究－以國內某銀行信用卡中心為例＞，台北銀行月刊，第28卷第9期。
貳、 英文部分：
1. Brickley , J.（1997）Managerial Economics and Organizational Architecture, Irwin.
2. Holland, J.（1975） Adaptation in Natural and Artificial Systems, University of Michigan Press.
3. Paul R. Beares （1997）Consumer Lending, 3rd edition, American Bankers Association, p4.
4. Robert, H. C.（1972）Consumer and Commercial Credit Management,4th edition, Richard D. Irwin.
5. Steenackers, A. and Goovaerts, M.J.（1989）〝A Credit Scoring Model for Personal Loans〞, Insurance Mathematics Economics, p31-34.
6. Updegrave, Waiter L.（1987, Apr.）How Lender Size You Up, Money, p28.