資料採礦應用於中小企業服務業信用風險模型建置

Applications of Data Mining in Establishing Credit Risks Model of Service of SMEs

10.6338/JDA.200910_4(5).0003

謝尚文(Sang-Wen Hsieh)；林啟豐(Chi-Feng Lin)

新巴賽爾資本協定 ； 資料採礦 ； 羅吉斯迴歸 ； 信用評等 ； Basel II ； Data Mining ； Logistic Regression ； Credit Score

Journal of Data Analysis

4卷5期（2009 / 10 / 01）

55 - 82

繁體中文

2008年，美國華爾街危機影響全球金融市場，即使美國擬出許多救市計畫，全球股市依舊暴跌。在此危機衝擊下，各大金融機構不但利潤下滑，且資產減記和信貸損失也愈來愈嚴重。造成此一現象的主因即是次級房貸的影響，次級房貸主要是針對收入低、信用不佳卻需要貸款購屋的民眾，這類客戶通常借貸不易，倘若銀行內部沒有完善的評等機制那放款則需承受較大的違約風險。為因應此趨勢，本研究以台灣未上市中小企業為實例，資料的觀察期間為2003至2005年，透過資料採礦流程，建構企業違約風險模型及其信用評等系統。本研究分別利用羅吉斯迴歸、類神經網路、和分類迴歸樹三種方法建立模型並加以評估比較其預測能力。發現羅吉斯迴歸模型對於違約戶的預測能力及有效性皆優於其他兩者，並選定為本研究之最終模型，並對選定之模型作評估及驗證，發現模型的預測能力表現尚屬穩定，確實能夠在銀行授信流程實務中加以應用。

In 2008, the financial crisis on Wall Street had severe impacted the global economy. Although the US government has drawn up regulatory policies in an attempt to save the stock market, the value of global stock market has shrunk drastically. As such, the profits of many financial institutes' have not only plunged, their value of assets have decreased while loss related to mortgage became more severe. The main cause behind this global phenomenon can be attributed to the effect of subprime mortgages. Subprime mortgages are mainly aimed at consumers who have low income and poor credit history but wish to purchase homes through the means of mortgage. These consumers usually find it difficult to obtain mortgage loans. If banks do not have a well structured evaluation system, they would have to bear more risks in the case of a default. To better understand this trend, this research chooses middle and small private enterprises as its samples. The period of observation is 2003 to 2005. Using the data mining process, this research builds a model that shows the risk associated with contract failure and credit score system.The research builds a model based on logistic regression, Neural Network, and cart to compare and contrast each of the three model's ability to predict. The result shows that logistic regression is better at predicting defaults and is more effective than the other two models. The research, therefore, concludes logistic regression model as the research's final model to study and evaluate. In process, the research result demonstrates that the logistic regression model makes more precise prediction and its prediction is fairly stable. Logistic regression model is capable for banks to employ in performing credit check.

1. 張大成(2003)。違約機率與信用評分模型。台灣金融財務季刊，4(1)，19-37。
   連結：
2. 陳彥良(2002)。資料間隱含關係的挖掘與希望。資訊管理學報，9(專刊期)
   連結：
3. 敬永康，林思惟、黃寶慶，「內建評等法之最低作業要求（上）」，民國九十四年一月號，2005年。
4. 「2004年台灣總體經濟預測」，台灣經濟研究院，2005年。
5. 「2005年台灣總體經濟預測」，台灣經濟研究院，2006年。
6. 「2003年台灣總體經濟預測」，台灣經濟研究院，2004年。
7. 郭秋榮，「巴塞爾銀行監理委員會資本適足率之規範及其新制之影響」，2004年。郭秋榮，「巴塞爾銀行監理委員會資本適足率之規範及其新制之影響」，2004年。,未出版
8. Efron, B.(1979).Bootstrap Methods: Another Look at the Jackknife.The Annals of Statistics,7,1-26.
9. Han, J.,Kanber, M,(2002).Data Mining: Concept and Techniques.San Franscisco:Morgan Kaufmann Publishers.
10. Simoudis, E.(1996).Reality Check for Data Mining.IEEE Expert,11(10),26-33.
11. 李孟謙(2003)。國立政治大學商學院統計學系碩士班。
12. 韋端(2003)。,未出版
13. 孫銘誼、王思芳(2004)。信用評等模型驗證之初探—相關論文與文獻回顧。金融風險管理季刊，1(1)，111-125。
14. 徐慧玲(2008)。國立政治大學商學院統計學系碩士班。
15. 陳佳樟(2007)。國立政治大學商學院統計學系碩士班。
16. 陳錦村、江玉娟、朱育男(2006)。商業銀行如何建置符合新巴賽爾資本協定的信用評等制度。金融風險管理季刊，2(1)，115-140。
17. 曾令寧、黃仁德(2004)。巴塞爾II信用風險內部評等基準法：演進與採行最低要件（上）。金融風險管理季刊，1月
18. 楊臻海(2005)。新版巴賽爾資本協定與銀行信用風險測度模型的發展：兼論對我國銀行體系與央行政策的影響。中央銀行季刊，27(1)
19. 鄧家駒(2004)。資料採礦技術簡介。金融風險管理季刊，9月
20. 謝邦昌、鄭宇庭、蘇志雄(2008)。Data Mining概述。中華資料採礦協會。

1. 陳維毅、邱俊誠(2013)。在國際財務報導準則IFRSs下以Crisp-DM流程建立財務風險管理平台。數據分析，8(3)，119-138。
2. 江志民、古文潔、丁台怡(2012)。中小企業經營績效評估模型之建立與比較。數據分析，7(2)，53-65。
3. 張芳仁、古文潔(2011)。運用資料採礦技術於中國中小企業之績效評等。數據分析，6(4)，77-90。