請用此 Handle URI 來引用此文件: http://hdl.handle.net/11455/28358
標題: 消費者信用貸款授信評量模式之研究
A Study on the Credit Evaluation Model of Consumer Credit Loan
作者: 張素燕
Chang, Su-Yen
關鍵字: credit
信用貸款
credit score table
Logistic Regression
信用評分表
Logistic 迴歸
出版社: 應用經濟學系所
引用: 一、中文部份 (一)書籍 王濟川、郭志剛,2005,Logistic 迴歸模型:方法及應用,台北:五南文化事業公司。 汪海清、黃景泰、謝維國、楊培宏、王南豪,1999,消費者貸款實務,台灣金融研訓院。 李河泉,2008,消費金融徵信審核實務,台灣金融研訓院。 林師模、陳苑欽,2006,多變量分析-管理上的應用(Multivariate Analysis in Management,台北:雙葉書廊有限公司。 陳錦村,2003,風險管理概要-個案與實務,台北:新陸書局股份有份公司。 財團法人金融聯合徵信中心編,1995,金融機構授信管理要覽,財團法人金融聯合徵信中心編輯委員會。 (二)期刊 施孟隆、游清芳、李佳珍,1999,「Logit Model 應用於信用卡信用風險審核之研究」,金融財務月刊,4,85-104。 葉桂珍、吳淑芬,1996,「銀行信用評分制度分析」,企銀季刊,20(1),78-91。 簡安泰,1974,「消費者信用評分制度」,台灣經濟金融月刊,13-22。 龔昶元,1998,「Logistic Regression Model 應用於信用卡信用風險審核之研究」,台北金融機構月刊,28(12),35-49。 (三)論文 呂美慧,2000,銀行授信評等模式-Logistic Regression之應用,碩士論文,國立政治大學金融學研究所。 李元和,2005,消費貸款審查模式之建立及其預測效果之研究,碩士論文,佛光人文社會學院管理學研究所。 李美笑,2002,信用卡持卡人信用風險之研究,碩士論文,私立逢甲大學保險學系研究所。 林建州,2001,銀行個人消費信用貸款授信風險評估模式之研究,碩士論文,國立中山大學財務管理研究所。 周素申,2005,核保程序對承保業務影響之實證分析,碩士論文,私立逢甲大學經營管理研究所。 陳宗豪,2000,消費者小額信用貸款之信用風險研究-甄選的觀點,碩士論文,國立中山大學人力資源管理研究所。 陳泰如,2005,消費性信用貸款違約風險因子分析-以F 銀行為例,碩士論文,私立逢甲大學經營管理研究所。 楊銀宗,2007,影響現金卡違約因素之分析-以國內某一發卡銀行為例,碩士論文,國立東華大學高階經營管理研究所。 廖仁傑,2005,信用卡業務信用評分制度與模型之有效性研究,碩士論文,國立中央大學財務金融研究所。 蔡士斌,2007,房屋貸款戶信用評量之研究-以國內某一銀行為例,碩士論文,國立中興大學應用經濟學系研究所。 戴堅,2004,個人消費性信用貸款授信評量模式之研究,碩士論文,國立中正大學國際經濟研究所。 簡啟鴻,2007,銀行個人消費信用貸款授信風險評估模式與放款訂價策略之分析-以國內某一銀行為例,碩士論文,國立東華大學高階經營管理研究所。 (四)網站 1.中央銀行,網址http://www.cbc.gov.tw/ 2.行政院金融監督管理委員會,網址http://www.banking.gov.tw/welcome.htm 3.財團法人金融聯合徵信中心http://www.jcic.org.tw/index.htm 二、英文部份 Cairney, John; Boyle, Michael H.,March 2004,Home Ownership, Mortgages and Psychological Distress; Housing Studies, v. 19, iss. 2, pp. 161-174 Deventer Van, Donald R. and Xiaoming Wang(2003),“Advanced Credit Model Performance Testing to Meet Basel Requirements” ,http://www.kamakuraco.com Har, Neo Poh; Eng, Ong Seow,June 2004, Risk Sharing in Mortgage Loan Agreements ; Review of Pacific Basin Financial Markets and Policies, v. 7, iss. 2, pp. 233-258 Lee, Nai J.; Ong, Seow E.; September-December 2003,Prepayment Risk of Public Housing Mortgages,Journal of Real Estate Portfolio Management, v. 9, iss. 3, pp. 251-64
摘要: 本研究採用Logistic 迴歸模型,以信用評量有效性為基礎,探討國內商業銀行用以評核個人小額貸款信用徵授信用途之客戶信用評分表,其信用風險評量的有效性與改進可能。在整理其他各項可供評分之表外資料後,分別對於「維持樣本銀行信用評分表內變數」,「加入評分表以外可供評估變數」,以及「刪除不為統計結果所支持變數」三項步驟,篩選出重要的信用風險變數,以期求得較佳之授信評量模式,提升授信品質並減少授信風險之發生。分析資料主要來自某商業銀行之2005年10月至2007年9月間422戶之短期消費性貸款資料。主要實證結果如下: 一、根據本研究分析,目前銀行所採用的變數項目,確實對於評估短期消費貸款授信違約的準確度,仍有改進的空間。 二、本研究保留目前使用之個人小額貸款信用評分表上「年齡」、「學歷」、「貸款繳息情況」、「年資」與「年收入」五項重要變數,並增加「性別」、「近期聯徵查詢情況」、「主債務」、「申請利率」與「保人或副擔保品」五項表外變數,調整後授信評量預測模式整體辨識準確性,由61.8%提高至70.6%,正常戶預測率達71.1%、逾期戶預測率達70.1%,顯示透過變數的調整與評估,估測的品質確實有所提升。 三、授信評量預測模式共有七項顯著變數,變數係數的符號與預期皆相符。授信五P中,借款人面向有五項變數,包括「性別」、「年齡」、「學歷」、「近期聯徵查詢情況」、「貸款繳息情況」。 四、本研究並考量實務操作,將相關「借款人條件」、「還款能力」以及「債權保障」等面向,納入授信評量預測實證模式。因此在不增加樣本銀行任何負擔的基礎上,本研究建議商業銀行對於授信評量因素的考量上,應該考慮將「性別」、「年齡」、「學歷」、「近期聯徵查詢情況」、「貸款繳息情況」「主債務」「申請利率」、「年資」、「年收入」、「保人或副擔保品」等因素予以考慮,可有效提升授信品質。
This study discusses the effectiveness and improvement of the current credit score table for domestic commercial banks on credit-granting loan with the performance of credit evaluation. Logistic Regression Model is adopted to analyze if the risk of breaching contact happened. After considering other variables from current tables, three stages of models, the one with current evaluation criteria, the one with arranged criteria, and the one with best performance, are performed and compared. 422 borrowers for short-term consumer loan data from some commercial bank during October, 2005 to September, 2007 are considered. Major empirical results are as follows: 1.According to this study, the current credit score table or the evaluation base on accuracy of short-term consumer loan can be improved with the information on the given table. 2.By retaining five important variables on individual small-amount loans credit score table and introducing other five items, the accuracy of credit evaluation prediction model increases form 61.8% to 70.6%. The accuracy of prediction is 71.1% for normal cases and 70.1% for bad-loan cases, this implies that the prediction performance can be improved by variable implementing and rearranging. 3.Credit evaluation prediction model includes seven significant variables which are consistent with the expected signs. With the 5-P criteria on crediting, there are five items in people dimension, included 「gender」,「age」,「education」,「numbers of bank inquiry」and 「Loan payment」. 4.Considering the practical situation on loan evaluation, this study suggests that the background of debtor, payment consideration and obligation protection should take into evaluation on credit prediction. Therefore, without intruding extra variables, this study suggests that the crediting performance for commercial bank can be improved by including the following factors:「gender」, 「age」, 「education」, 「number of bank inquiry」, 「loan payment」, 「main debt」, 「application rate on interest」,「working years」,「annual income」and「sponsor or vice collateral condition」.
URI: http://hdl.handle.net/11455/28358
其他識別: U0005-2608200921340200
文章連結: http://www.airitilibrary.com/Publication/alDetailedMesh1?DocID=U0005-2608200921340200
顯示於類別:應用經濟學系

文件中的檔案:
沒有與此文件相關的檔案。


在 DSpace 系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。