隨著人民生活水準提高，時代進步，「信用卡」已經是重要的支付工具。然而，金融機構對於審核信用卡申請人的作業不夠嚴謹，導致卡債風暴。為了因應相關問題，政府近兩年訂立緊縮發卡政策，金融機構對於信用卡審核作業也投注了更多心力。但是除了一開始的信用卡進件徵審作業需嚴格把關，金融機構對於已通過審核成為信用卡客戶仍需要風險控管，另外新巴塞爾協定已於2006年底正式實施，風險控管便是在符合相關規定下來進行。 本研究主要目的即是針對信用卡客戶，利用他們的信用卡使用行為跟基本資料，來預測判斷客戶往後的違約可能性，藉此在發生違約行為之前，先採取因應措施，也就是所謂的Behavior score。 本研究是以國內某家發卡銀行為研究對象，針對其信用卡持有人建構一套違約機率模型。建模資料是信用卡持有人在某年一整年的交易行為，且只針對持卡必須6個月以上的客戶，也就是在那年7月才開卡的客戶不在範圍內。原始資料共有71832筆，總共有66個變數。分別利用羅吉斯回歸、決策樹和類神經網路三種方法建模，最後以羅吉斯回歸表現最好，以學歷、開卡至今月份數、信用額度、最近一次逾期至今月份數、R12的平均餘額、R12的循環動用總額、R12的預借現金總額和R3的平均繳款率八個預測變數對於影響客戶違約與否較為顯著，結果本模型的整體預測率為86.90%；而對於違約客戶中可以準確預測的比率為71.14%。

台灣金融機構將於2007年起逐漸採行新巴塞爾協定(Basel II)，該協定主要規範金融機構之市場風險、信用風險與作業風險，要求提列一定水準之資本準備，目的係希望能夠穩定金融市場，避免因重大事件發生造成損失，導致金融機構無力償還的情形出現。 本研究對象乃係針對國內某金融機構於民國89年至90年的無財簽企金客戶建置違約機率(Probability of Default Model)模型，考慮建模方法使用上的普遍性、運作上的透明性及統計上缺乏理論與基礎的情況，本研究將採用羅吉斯迴歸(Logistic Regression)建置違約機率模型。模型之驗證部分，依據行政院金融監督管理委員會(2007)建議的七個驗證方向執行模型之驗證。