中小企業貸款之違約預警模式

其負責人為維持營運所需，在無法自銀行順利獲得經營資 金 支 持 時 ， 使 用 現 金 卡 或 信 用 卡 循 環 額 度 是 較 快 速 的 方 法。第二、該中小企業負責人對金錢的信念與價值，透過 現金卡或信用卡循環額度，滿足所需，而無視其使用成本，

過度擴張信用。現金卡是高利率的產品（曾淑峰、江俊豪

【31】），在卡債金融風暴以前，現金卡或信用卡循環利率 高達 20%左右，相較於一般消費者貸款利率高出許多，顯 示出該中小企業負責人資金較緊，不在乎使用高成本之資 金，與林燕萍【11】證實金錢態度確實會影響貸款者之行 為，有異曲同工之結論。故中小企業負責人是否動用現金 卡或信用卡循環額度，確實可當做違約預警之變數。

符號 變 數 名 稱 變 數 內 容

X1 產業別 1：製造業， 2：非製造業

X2 成立時間 1：5年以內， 2：5～10年（不含）以內，

3：10年（含）以上

X3 擔保品 1：動產或不動產抵押權，2：應收帳款或客票，

3：信用保證機構之保證，4：無擔保

X4 銀行往來關係 1：主力銀行， 2：非主力銀行

X5 負責人年齡 1：30歲以下， 2：30（含）～45歲，

3：45（含）～60歲，4：60（含）歲以上

X6 負責人之雙卡動用狀況 1：是， 2：否

資料來源：本研究整理

表4.3 預測變數表

本研究運用邏輯斯迴歸建構之中小企業貸款之違約預測模 式為：

Logist(Pi)= 2.979+0.901X

詳細的邏輯斯迴歸係數、t 值等分析如表 4.4 所示。

表 4.4 邏輯斯迴歸分析表

預測變數 係數 標準誤 t 值 產業別 0.901 0.514 0.079 成立時間 -0.314 0.304 0.301

擔保品 0.279 0.175 0.111 銀行往來關係 1.110 0.498 0.026 負責人年齡 -0.649 0.373 0.082 負責人動用雙卡循環額度 -2.915 0.582 0.000 常數 2.979 1.814 0.101

成 立 時 間 越 短 、 負 責 人 越 年 輕 且 使 用 現 金 卡 或 信 用 卡 循 環 額 度 者，中小企業發生違約之機率越高。

本研究所選取之樣本以邏輯斯迴歸模式預測之結果如表 4.5 所示，整體模式之判別正確率為 88.8%。其中 154 戶之正常戶樣 本 中 ， 誤 判 為 違 約 戶 者 有 6 戶 ， 其 對 正 常 戶 之 判 別 正 確 率 達 96.10%；而 52 戶之違約戶樣本中，誤判為正常戶者有 17 戶，其 對違約戶之判別正確率為 67.30%。

正常戶 違約戶

正常戶 148 6 96.10%

違約戶 17 35 67.30%

88.80%

貸款狀 態

整體百分比

表4.5 邏輯斯迴歸模式預測結果－判別分割值0.5

資料來源：本研究整理 樣本

預測結果

貸款狀態 正確率

表 4.5 顯示以一般機率值 0.5 判定中小企業貸款戶時，對於 之正常戶辨識能力遠高於違約戶，如此會造成正常戶與違約戶判 別失衡之狀況，增加授信風險成本，在銀行授信穩健原則下，提 高違約戶之判別能力是必要的，並且可以透過最適判別分割值之 選取達成。彙集不同分割值下之判別正確率如表 4.6 所示，透過 圖 4.11 可得到正常戶與違約戶之判別正確率交會點為 0.2，即為 邏輯斯迴歸模式之最適判別分割值，具有平衡正常戶與違約戶之 預測能力。

分割值 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 正常正確率

(%） 65.6 85.7 89.6 93.5 96.1 98.1 98.1 98.7 100 違約正確率

(%) 90.4 84.6 69.2 67.3 67.3 59.6 59.6 51.9 34.6

表4.6 邏輯斯迴歸模式判別正確率表

資料來源：本研究整理

0 10 20 30 40 50 60 70 80 90 100

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95

分割值

正確率(%)

正常準確率 違約準確率

圖 4.11 邏輯斯迴歸模式最適判別分割值選取圖

用圖 4.11 獲得之最適判別分割值，重新進行中小企業貸款之 違約預測模式之驗證檢測，得到表 4.7 之結果，很明顯地，整體 及 正 常 戶 、 違 約 戶 之 判 定 正 確 率 均 達 到 較 均 衡 之 比 率 ， 分 別 為 85.4%、85.7%及 84.6%。雖然此一最適判別分割值模式下的整體 及正常戶判定正確率，較一般判別分割值 0.5 所得結果較低，但

最適分割 值 0.2

仍在 85%以上，且違約戶之判定正確率提升至 80%以上，在風險 成本之考量下，此一最適判別分割值之模式，確實可達較好之違 約預測能力。

正常戶 違約戶

正常戶 132 22 85.70%

違約戶 8 44 84.60%

85.40%

貸款狀 態

整體百分比

表4.7 邏輯斯迴歸模式預測結果－最適判別分割值0.2

資料來源：本研究整理 樣本

預測結果

貸款狀態 正確率