2006 年新巴塞爾資本協定的施行，台灣各家銀行皆陸續步入實施新協定的軌道，發展以風險評等的觀念來計算法定適足資本，讓銀行採自建信用評等系統來評估違約暴險，並透過信用評等達到早期預警的效果，降低信用風險。而資料採礦則是近年來在應用分析領域中相當熱門的議題。
本研究是將資料採礦技術導入企業信用評等模型的建置程序，以國內某一銀行的企業授信資料為實例，資料的觀察期間為2003至2005年，其中針對「製造業」進行研究。藉由企業財務報表簽證資料，結合授信往來紀錄等變數，經誤差抽樣，分別以類神經網路、決策樹及羅吉斯迴歸等採礦技術，建立模型。模型驗證的部份，依據金管會建議的七個方向執行模型之驗證。
研究結果發現，經評估確立以1:2誤差抽樣比例下，使用羅吉斯迴歸技術建模的效果最佳。模型中財務資訊、產業特性及公司的徵審授信紀錄對於違約皆具有一定的解釋預測能力，且顯示產業特性的不同，對於違約機率的預測，有一定的影響。經驗證後，此模型即使應用到不同期間或其他實際資料，仍具有一定的穩定性與預測效力，並且通過新巴塞資本協定與金管會的各項規範，表示本研究之信用評等模型，的確能夠在銀行授信流程實務中加以應用。
| Identifer | oai:union.ndltd.org:CHENGCHI/G0094354018 |
| Creators | 陳佳樟, Chen, Chia-Chang |
| Publisher | 國立政治大學 |
| Source Sets | National Chengchi University Libraries |
| Language | 中文 |
| Detected Language | Unknown |
| Type | text |
| Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0021 seconds