建構內部信用評等

本研究首先利用 AHP 法求得各項變數之評分權重，由於沈俊誠[7]針對本研 究之 14 個財務變數與 13 個非財務變數的評分項目，利用 AHP 法獲得各評分項 目之權重比例，因此本研究利用其所建構的 AHP 權重結果做為本研究各項變數 評分之權重，利用 AHP 法所得各變數的權重，如表 4-2 所示。

表 4-2 各變數 AHP 之權重表

變數 AHP 權重 變數 AHP 權重 X1 4.02% N1 1.28%

X2 4.98% N2 2.42%

X3 2.24% N3 3.52%

X4 4.17% N4 8.54%

X5 7.67% N5 5.08%

X6 11.58% N6 3.44%

X7 1.34% N7 1.60%

X8 3.88% N8 1.61%

X9 2.60% N9 2.50%

X10 3.24% N10 3.08%

X11 4.66% N11 3.99%

X12 2.66% N12 2.47%

X13 2.16% N13 4.05%

X14 1.18%

之後將金融機構對借款企業之各項變數評分利用 AHP 權重加權後，使用 TOPSIS 法計算每個變數評分項目之理想解ν 與負理想解⁺j ν ，得到每個變數評分⁻_j 項目之理想解與負理想解，如表 4-3 所示。

表 4-3 各變數評分項目之理想解與負理想解

變數 理想解ν⁺j 負理想解ν⁻_j 變數 理想解ν⁺j 負理想解ν⁻_j X1 0.00133 0 N1 0.00029 0 X2 0.00160 0 N2 0.00063 0 X3 0.00056 0 N3 0.00018 0 X4 0.00142 0 N4 0.00287 0 X5 0.00233 0 N5 0.00274 0 X6 0.00302 0 N6 0.00118 0 X7 0.00037 0 N7 0.00056 0 X8 0.00099 0 N8 0.00057 0 X9 0.00061 0 N9 0.00099 0 X10 0.00086 0 N10 0.00026 0 X11 0.00197 0 N11 0.00122 0 X12 0.00108 0 N12 0.00176 0 X13 0.00058 -0.00015 N13 0.00098 0 X14 0.00032 -0.00008

利用理想解與負理想解進而求得每個借款企業對理想解的相對接近程度 Ci，C_i值均介於 0~1 之間，其結果如表 4-4 所示。

表 4-4 各借款企業之C_i值

各 項 變 數 評 分 借款

企業 X1 X2 X3 ^K N12 N13

Ci值 1 1 1 2 _K 4 4 0.496 2 4 2 2 ^K 2 4 0.689 3 1 1 0.5 ^K 1 1 0.332

M ^{K K K} M ^{K K} M

2814 0 2 2 ^K 2 3 0.433 2815 3 4 2 ^K 2 3 0.418

之後將C_i依照 0.8 以上、0.7~0.8、0.6~0.7、0.5~0.6、0.4~0.5、0.3~0.4

4.2.2 建構預警模式

ln1 = -2.36＋2.014×N1＋0.033×X9 表 4-7 「等級 4」之正常/違約判別正確率

ln1 = 2.265＋0.515×N1－0.566×N4－0.542×N5

表 4-8 「等級 5」之正常/違約判別正確率

ln1 = -0.997＋0.822×N1＋0.857×N7＋0.658×N9

－0.444×N10－0.005×X2－0.009×X4＋0.012×X5＋0.199×X7

ln1 = -0.521＋0.795×N1＋1.166×N4－0.784×N6

－0.758×N10－0.692×N11＋0.664×N13＋0.426×X6＋0.304×X7－0.017×X8＋

非財務變數。由此可知，金融機構對於申請借款之中小企業進行各項評分時，除 了財務變數之外，非財務變數也是很重要的。

本研究所建構之四個預警模式，與未依照評等等級劃分所建構之模式比較，

結果如表 4-10 所示。兩種作法之正常企業的判別正確率均為 70%左右，差異不 大；但是對違約企業而言，兩種作法確有顯著的差異，未依照內部信用評等之等 級劃分所建構之模式的正確率只有 53.5%，比本研究所建構的四個預警模式之正 確率(分別為 80.0%、60.0%、68.1%及 75.0%)都來的低，故對於違約企業之預測 是較不準確的。況且，銀行或金融機構借款給違約企業，其不能夠如期還款而轉 為呆帳造成銀行或金融機構本身資本上之損失，遠比不給予借款給企業而損失獲 利機會之影響來的大。所以對於銀行或金融機構來說，違約企業判別正確率之重 要性比正常企業判別正確率重要許多。因此，本研究依照內部信用評等所建構之 四個預警模式，可提升違約企業之判別正確率，更能符合銀行或金融機構的真實 需求。

表 4-10 未依等級建構之預警模式與依評等等級建構之預警模式之比較 未依評等等級建構之預警模式 依評等等級建構之預警模式

正常企業 判別率

違約企業

判別率 預警模式 正常企業 判別率

違約企業 判別率 等級 1 2 3 77.1% 80.0%

等級 4 61.4% 60.0%

等級 5 66.4% 68.1%

78.0% 53.5%

等級 6 7 75.6% 75.0%

4.2.3 違約機率與存活期之預估

金融機構利用預警模式判別某借款企業為可能違約之企業後，即針對此借款 企業預估其違約機率與存活期。金融機構可利用這兩個預估值，考慮是否借款給 此可能違約之借款企業，做出適當之放款策略，如：增加擔保品價值、縮短放款

合約期、增加放款利息或不給予借款等。

ln1 =-2.36＋2.014×N1＋0.033×X9 等級 4 ^p

p

−

ln1 =2.265＋0.515×N1－0.566×N4－0.542×N5－

0.908×N9＋0.002×X3－0.015×X4 等級 5 ^p

p

−

ln1 =-0.997＋0.822×N1＋0.857×N7＋0.658×N9－

0.444×N10－0.005×X2－0.009×X4＋0.012×X5＋0.199×X7

等級 6 7

p p

−

ln1 = -0.521＋0.795×N1＋1.166×N4－0.784×N6－

0.758×N10－0.692×N11＋0.664×N13＋0.426×X6＋0.304×

2、存活期之預估

本研究針對違約企業的資料，以存活期為依變數，各項財務變數及非財務變 數為自變數，利用迴歸分析中的順向選取法(forward stepwise method)，建構「等 級 1、2、3」、「等級 4」、「等級 5」、「等級 6、7」四個存活期預估模式，結果如表 4-13 所示。此四個預估模式之判定係數R²可顯示存活期預估模式之解釋能力，R² 均介於 0 與 1 之間，R²愈高表示模式解釋能力愈佳。由表 4-13 可知，四個預估模 式之判定係數R²大致在 0.7 左右，具有不錯之解釋能力，因此本研究透過存活期

預估模式可以有效預測違約企業之存活期。

表 4-13 存活期預估模式

評等等級 線性迴歸方程式 ^判定係數

等級 1 2 3 存活期=5.013＋1.541×N11－0.0482×X2 R²=0.685

等級 4

存活期=-15.16＋0.014×N5－0.662×N6－1.75×N9

－0.979×N10＋3.057×N12＋3.303×N13＋0.367×X1

－O.O55×X4＋0.825×X7－0.057×X8-0.018×X9－

0.094×X12

R2=0.726

等級 5

存活期=-11.174－3.629×N3＋3.381×N8＋O.341×

X1＋0.031×X2－0.008×X3＋0.209×X4－0.181×X5

－0.079×X9＋0.168×X10－0.244×X12－0.0006×

X13－0.008×X14

R2=0.787

等級 6 7

存活期=4.839－3.887×N4＋3.284×N6＋5.106×N9

－0.025×X2－0.989×X7－0.061×X8＋0.047×X10＋

0.013×X13－0.055×X14

R2=0.716

4.3 實例驗證之結論

本研究在實例驗證後得到以下結論：

1、本研究將某金融機構申請借款企業之實際資料利用 AHP 法及 TOPSIS 法建構 中小企業內部信用評等作業流程，得到之結果符合信用評等機構實際所做之信 用評等現況，證實本研究所建構之內部信用評等作業流程相當有效。

2、本研究將內部信用評等作業流程之劃分等級結果，利用羅吉斯迴歸建構四個預 警模式，針對違約企業而言，有相當高之判別正確率，顯示本研究所建立之預 警模式合理有效。

3、本研究所建構的羅吉斯迴歸方程式中，顯著的財務變數與非財務變數之 比例大致相同，表示在建構預警模式時，除了財務變數之外，也應考慮 非財務變數。

4、本研究利用羅吉斯迴歸建構預警模式，可根據事後機率來預估每個借款客戶之 違約機率，十分簡便。

5、本研究之存活期預估模式可有效的預測違約企業之存活期。

6、本研究所發展之中小企業抵押貸款決策流程非常簡捷，金融機構只要審查借款 企業在財務變數與非財務變數上各項評分後，即可使用此流程訂出各種風險甚 低之放款策略。

4.4 銀行及金融機構之放款決策流程

現將本研究針對中小企業所提之銀行或金融機構放款決策流程，放款決策流 程整合「內部信用評等」及「預警模式」，彙整如圖 4-2 所示。

圖 4-2 銀行及金融機構對於中小企業申請借款之放款決策流程 針對借款企業進行其各項

財務及非財務變數之評分

進行內部信用評等作業流

等級 2 等級 4 等級 6 等級 7

等級 1 等級 3 等級 5

預警模式 1 預警模式 2 預警模式 3 預警模式 4

正常 違約 正常 違約 正常 違約 正常 違約

給予借款 給予借款 給予借款 給予借款

預估違約機率與存活期

採用彈性放款策略

1.增加擔保品價值 2.縮短放款合約期 3.增加放款利息

給予借款 不予借款

第五章 結論與建議

本研究以台灣某金融機構所提供向其借款之中小企業的實際歷史資料，提出 一個整合「內部信用評等」作業流程及「預警模式」之放款決策流程並預估借款 企業之違約機率與存活期，以提供該金融機構作為放款決策之依據。本研究提出 之結論與建議如以下兩小節。

5.1 結論

本研究之貢獻彙整如下：

1、依照本研究之方法所做出之放款決策速度可以非常迅速，使銀行及金 融機 構能方便應用。

2、本研究提供一套有效且合理的中小企業抵押放款決策流程，整合內 部信用 評等作業流程與預警模式，使銀行及金融機構對向其借款之中小企業，能夠 準確地做出適當之放款策略。

3、本研究所提之放款決策流程可取代傳統以表格及人為主觀判定為主放 款決 策，因此能節省許多時間及人力成本。

4、本研究利用 AHP 法與 TOPSIS 法建構內部信用評等作業流程，能解決各項變 財務變數與非財務變數評分之權重與加總評分偏差之問題，可提升銀行及金 融機構對中小企業內部信用評等的正確性及合理性。

5、本研究在建構預警模式時，除了考量財務變數之外，更納入非財務變 數，

使預警模式更為準確與合理。

6、本研究依照每個信用等級之借款企業，分別建構其預警模式，因此可以有效 地提升違約企業之判別正確率，可符合銀行及金融機構之實際需求。

7、本研究可針對違約企業預估其存活期與違約機率，這些資訊使銀行及金融機 構能做有彈性之放款策略以有效的提升獲利與經營績效。

8、本研究是以單一金融機構為對象，因此所建構之放款決策流程僅適用 於該

金融機構，其他銀行或金融機構可依照本研究之流程來略加修 正，建立一 套適合其本身特性或要求之放款決策流程。

5.2 建議

本研究可能之後續研究有以下幾點建議：

1、銀行及金融機構對申請借款企業進行非財務變數評分時，應對每個審查員 進行訓練，使每個審查人員的評分標準盡量相同，以避免審查員的主觀意 見影響評分，導致借款企業因不同審查人員之評分造成很大的評分差異，

影響了內部信用評等及預警模式之正確性。

2、本研究所研究之對象為台灣某金融機構，其放款對象大部分都為中 小 企業，因此產業上具有極大的差異。未來可以制定一套產業類別 標 準，依照不同產業建構放款決策流程，以提升本研究方法之有效性。

3、本研究所選取之財務變數，是借款企業「過去」的營運結果，算是比較落 後的資訊，未來可以考慮一些領先指標，能幫助預警模式更有效的預測借 款企業「未來」是否會如期還款。

參考文獻

[1] 王濟川、郭志剛 「Logistic迴歸模型-方法與應用」，五南出版社，第二版，

2004。

[2] 白欽元 「國內中小企業財務危機預警模型之研究」，交通大學經營管理研究 所碩士論文，2002。

[3] 李命志 「從轉投資揭露資訊探討台灣股票上市公司之財務危機」，淡江大學 財務金融研究所碩士論文，1999。

[4] 李明峰 「銀行業對企業授信『信用評等表』財務比率預警有效性之實證分 析」，中山大學財務管理研究所碩士論文，2001。

[5] 李美樺 「台灣綜合證券商信用評等實證模型之研究」，中正大學企業管理研 究所碩士論文，2002。

[6] 李樑堅、張志向 「中小企業授信評估模式建立之研究」，臺大管理論叢，第 九卷第二期，頁69-95，1999。

[7] 沈俊誠 「整合金融機構風險評估及信用評等模式之研究」，交通大學工業工 程與管理研究所碩士論文，2004。

[8] 呂美慧 「銀行授信評等模式－Logistic Regression 之應用」，政治大學金融 研究所碩士論文，2000。

[9] 林建州 「銀行個人消費信用貸款授信風險評估模式之研究」，中山大學財務 管理研究所碩士論文，2001。

[10] 林佳蓉 「信用風險模型之發展與衡量-以中長期資金運用制度為例」，中山 大學財務管理研究所碩士論文，2001。

[11] 俞喬、刑暁林、曲和磊 「商業銀行管理學」，五南出版社，2002。

[12] 施淑萍 「財務危機預警模式與財務危機企業財務特性之研究」，東吳大學

[12] 施淑萍 「財務危機預警模式與財務危機企業財務特性之研究」，東吳大學

在文檔中 中小企業抵押貸款決策流程之建構 (頁 36-0)