唐麗英952221E009187MY3(第1年)

唐麗英952221E009187MY3(第1年)

Info iconThis preview shows pages 1–3. Sign up to view the full content.

View Full Document Right Arrow Icon
目錄 一、前言 ....................................................................................................................... 2 二、文獻探討 ............................................................................................................... 2 2.1 風險評估及信用評等相關文獻 ...................................................................... 3 2.1.1 風險評估相關文獻 ............................................................................... 3 2.1.2 信用評等相關文獻 ............................................................................... 3 2.1.3 存活分析簡介 ...................................................................................... 4 2.2 因素分析 [35]. ................................................................................................. 4 2.3 羅吉斯迴歸之介紹 [35]. .................................................................................. 4 2.4 自組性演算法之介紹 [25]. .............................................................................. 5 三、研究方法 ............................................................................................................... 5 3.1 變數的選擇與資料的收集 ............................................................................. 5 3.2 風險評估模式之構建 ..................................................................................... 6 3.3 正常與違約資料多等級劃分及企業信用評等模式之構建 ......................... 7 四、實例驗證 ............................................................................................................... 7 4.1 資料蒐集 ......................................................................................................... 8 4.2 資料分析與流程執行 ..................................................................................... 8 4.2.1 風險評估模式之構建 .......................................................................... 8 4.2.2 多等級信用評等模式之構建 .............................................................. 9 五、 結論 ................................................................................................................... 11 1
Background image of page 1

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
一、前言 銀行業務主要是以存、放款為主,藉由吸收存款者的資金,再放款給資金需 求者以從中獲取利潤。過去銀行多是以主觀判定的方式依據借款企業之財務資 訊,決定借款企業之信用等級及放款策略,罕見有銀行建立完善內部評等系統。 巴塞爾銀行監理委員會於 2003 年提出之「新巴塞爾資本協定」 (New Basel Capital Accord) 中的內部評等基準法,已明文規定允許銀行使用其內部自行創立之內部 評等方法來衡量借款企業之信用風險,增加銀行業者的風險敏感性,以降低全球 金融風險。「新巴塞爾資本協定」於 2004 年定案,且國內金管會要求全國銀行於 2006 年開始實施此協定之作業。為了遵循「新巴塞爾資本協定」與追求利潤, 銀行在放款前,應對借款者做完善的放款風險評估與信用評等,以求所放出之款 項能在合約到期之時順利取回並賺取利潤。 由於目前中、外文獻大多是針對上市、上櫃公司提出一套信用評等模式,而 台灣之銀行放款對象多屬中小企業,因此所考慮之財務變數可能與上市、上櫃公 司不盡相同,以致於現有文獻構建之信用評等模式亦可能不適用於評估台灣之中 小企業借款者之心用等級。因此,本計畫之主要目的是針對台灣之中小企業,建 立一套完善的「內部信用評等」制度,且以評等量化 (rating quantification) 後之數 據作為其授信決策之主要參考依據,以提升銀行放款授信之決策品質。 本計畫在所有理論及演算步驟完成後,將以台北市某金融機構所提供之實際 中小企業信用評等資料,來驗證本計畫所提之流程在實際應用上,確實有效可行。 本計畫共分三年完成,第一年所完成的工作是收集信用評等模式與風險評估 及中小企業相關財務資訊,並訪談專家,利用因素分析歸納成數個財務變數與非 財務因素,然後利用羅吉斯迴歸 (Logistic Regression) 以及數種類神經網路方法 ( 如:倒傳遞網路 (Back Propagation Neural Network BPN) 、一般迴歸神經網路 (General Regression Neural Network GRNN) 、自組性演算法 (Group Method of Data Handling GMDH) K 最近鄰居法 (K-Nearest Neighbor KNN) 及學習向量量化網
Background image of page 2
Image of page 3
This is the end of the preview. Sign up to access the rest of the document.

This note was uploaded on 11/27/2009 for the course IM MA420 taught by Professor Mar,lee during the Spring '09 term at National Taiwan University.

Page1 / 14

唐麗英952221E009187MY3(第1年)

This preview shows document pages 1 - 3. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online