研究結論

經由實證分析，本研究發現對於衡量銀行信用卡現存客戶的信用風險方面，

「繳款行為變數」對逾期戶的區別能力明顯優於「個人屬性變數」。由表 5.1 中，

MODEL I 與 MODEL II 的比較可得到證實，尤其對於逾期戶的判別能力，行為 變數的判別正確率較屬性變數提升 38%左右，顯示若單由屬性變數建立之風險評 估模型（MODEL I），將無法預警客戶逾期情況的發生，而進一步在事件發生前 先進行適當之風險控管措施。另外，MODEL III 為綜合屬性變數及行為變數之模 型，由表 5.1 中得知，MODEL III 在逾期戶的區別正確率中，較 MODEL II 下降 了 0.08%，然而，其區別正確率仍高達 91.1%，代表對逾期戶的判別錯誤率低 10%

以下，表現已非常良好，另外，於其他各項均較 MODEL II 微幅上升。因此，本 研究採用 MODEL III 為最終信用風險評估模型。

表 5.1 三模型綜合比較表

MODEL I MODEL II MODEL III

非逾期戶區別正確率 81.6% 87.5% 88.8%

逾期戶區別正確率 54.1% 91.9% 91.1%

整體區別正確率 71.1% 89.1% 89.6%

R ² 0.194 0.513 0.524

資料來源：本研究

最終模型以行為變數為主，屬性變數為輔的概念，做為評估信用卡客戶的信

用風險模型，其中個人屬性變數中，顯著的變數有：客戶之性別、子女數、學歷、

工作年資及住宅所有。男性由於承受較大的經濟壓力與家庭重擔，成為逾期戶的 機率較女性高，信用風險也相對較高。而子女數該變數在過去相關研究中較少人 採用，本研究顯示，其亦為影響信用風險之因子，當客戶之子女數較多時，花費 在民生必需上的支出比例較大，一般始用信用卡娛樂休閒的支出相對較小，因 此，信用風險相對於無子女及子女數為１人者小。學歷方面，如過去研究所示

（2000 年，呂美慧、2001 年，林建州），學歷較高者，因道德感及責任感較高，

信用風險相對較低。工作年資則顯示，一年以下者成為逾期戶的比率較高，表示 因工作時間短、收入仍不穩定，因此信用風險相對較高。而住宅非自己或親屬所 有者，表示居住地不一定，可能常搬遷，經濟能力不足以購屋，信用風險相對較 住宅為自家或親屬所有者高。而行為變數方面顯示，平均繳款率愈高者，表示其 繳款行為較正常，信用風險愈低。而平均動撥率及平均預借現金率則相反，動撥 率愈高者，表其尚欠餘額占信用額度比例愈高，循環利息亦會不斷累積增加，產 生逾期不繳或壞帳的機率相對較高，而預借現金率愈高者，表示急迫需要現金的 比例較高，當前經濟收入可能無法支出，因此，信用風險亦相對較高。

利用本研究之信用風險評估模型，定期審視現存有效卡客戶的繳款行為，可 幫助金融界做好事預防的工作，透過模型分析判別客戶之信用風險之高低，以利 公司監控行內客戶的風險狀況，並做出適當的管控措施或活動企劃，其對金融機 構之助益如下：

一．藉由客觀工具建立一致性客戶之風險等級

利用客觀的統計分析工具，篩選出影響客戶風險性之因子，將現有客戶 區分成各風險等級，不以主觀人為做判斷，不但減少時間成本及，也降低 人為操作上的偏誤。強調以模型系統為主，人工審視為輔，可減少人為判 斷時對資訊未能充份了解，以至模糊兩難，難下決定或下錯決定的困擾。

二．針對不同風險等級之顧客分群管理

依據不同風險等級之客戶，公司可擬定不同之應對措施控管。例如：

風險等級最高之危險客戶，可立即給予鎖卡，不允許其再消費；風險等級 次高之客戶，則可調降其信用卡額度至其已消費金額，甚至更低…等；但 對於風險級最低之客戶，能針對其消費特性或個人屬性給予促銷活動，鼓 勵其消費或再辦新卡等行銷方式。針對不同風險群之客戶應有相對之管理 手法，以留住好客戶增加公司利潤，管制壞客戶防止其產生更大的損失。

三．對於好客戶提供良好的互動因子

對於風險性較高的客群，公司即不需浪費過多資源於此。除了開發新 客源之外，對於風險性低，繳款行為良好之客戶，應與之維持長久之良好 關係，針對其需要開發出適合之產品或進行相關之促銷活動，以從中獲取 大部份之利潤，而非對公司現有客戶“全面撒網＂，不論好魚壞魚都捕，

如此不但浪費成本也可能再度吸收那些高風險型顧客，造成惡性循環。

四．藉由風險控管模型降低未來逾期壞帳率之可能性

由模型區分出來的高風險型顧客，表示其變成逾期戶的機率較大，公 司能提前鎖定高風險型客戶，隨時監控其行為，或對其做適當之控管，以 減少其發生壞帳的機率或金額，提高組織內的獲利能力。

「信用風險之管理」為金融界首要工作之一，它直接關係著金融機構的營業 利潤及市場競爭力，因此，建立一套優良的信用風險評估系統，並貫徹施行，為 當今產業環境下之時勢所趨，本研究模型及結果便可提供金融業界參考修正之。