以下兩小節分別說明本研究之結論及建議。
5.1 結論
本研究之貢獻可彙整如下：
1、過去之中、外文獻大部分都是以上市上櫃公司的資料進行分析，而本 研究以中小企業之資料為例，因此其分析流程可有效套用至佔台灣為數甚 多的中小企業身上，因此本研究結果甚具應用價值。
2、本研究結合風險評估模式、存活期預測模式與 U 指標，另提出一套有 效的中小企業信用評等流程，可改善過去類似研究中未考慮借款期限的缺 點。
3、本研究在構建風險評估模式之前，先以逐步判別分析法篩選重要變數，
可有效改善模式過度適配的問題。
4、在風險評估模式的部分，本研究採用支向機、判別分析、以及自組性 演算法進行分析，並比較其優劣。由於這三種方法皆可得出分類之方程 式，因此對金融機構而言，其實際應用價值較使用倒傳遞類神網路、核心 法等方法高。
5.2 建議
本研究可能之後續研究有以下幾點：
1、針對存活期的部分，可以多比較幾種迴歸方法，選擇一個預測能力較
2、本研究將資料依企業淨值進行分組，未來之研究可考慮依產業類別進 行分組，可能還可以提高模式的有效性。
3、在變數的選取方面，本研究所考量之財務變數、非財務變數與總體經濟變數
大部分屬於落後指標或同時指標，未來可以加入一些領先指標，可以更有效預
測企業「未來」是否會如期還款。
參考文獻
[1] 沈俊誠，「整合金融機構風險評估與信用評等模式之研究」，交通大 學工業工程研究所碩士論文，2004。
[2] 李紀珠，「金融機構失敗預測模式－加速失敗模式之應用」，經濟論 文叢刊，第21卷，第4期，p355-379，1993。
[3] 林竹君，「商業銀行如何衡量違約企業之償還率」，國立中央大學財 務金融研究所碩士論文，2004。
[4] 林孟宏，「中小企業抵押貸款決策流程之」，交通大學工業工程研究 所碩士論文，2005。
[5] 林惠玲，「廠商之退出率與存活時間之計量模式－台灣電子及電子機 械器材製造業之驗證」，經濟論文叢刊，第21卷，第4期，p411-440，
1993。
[6] 翁霓等人譯 「商業銀行的管理政策」，幼獅文化事業公司與台北銀行，
初版，1987。
[7] 黃小玉 ，「銀行放款信用評估模式之研究-最佳模式之選擇」，淡江大 學管理科學研究所碩士論文，1988。
[8] 黃國源，「類神經網路與圖形識別」，維科圖書有限公司出版，第二 版，2003年。
[9] 陳侑宣，「商業銀行如何使用信用風險值檢視授信政策」，國立中央 大學財務金融研究所碩士論文，2004。
[10] 陳英豪，「應用自組性演算法企業信用評等模式」，交通大學工業 工程研究所碩士論文，2005。
[11] 游翔百，「複合式信用評等模式」，交通大學工業工程研究所碩士論 文，2004。
究所碩士論文，2004。
[13] Altman, E. I, and Saunders, A., “Credit risk measurement: Development over the last 20 years”, Journal of Banking & Finance, Vol. 21, Iss. 11- 12, pp. 1721, 1997.
[14] Altman, E.I, and Kishore, V., “Almost Everything You Wanted To Know About Recoveries On Default Bonds,” Financial Analysts Journal,
Nov/Dec, pp.57-64.1996.
[15] Beaver, William H., “Financial ratios as predictors of failure”, Journal of Accounting Research, pp.71-111, 1966.
[16] Emel, A. B., Oral M., Reisman, A. and Yolalan, R., “A credit scoring approach for the commercial banking sector”, Socio-Economic Planning Sciences, Vol. 37, pp. 103–123, 2003.
[17] Gupton, Greg M. and Stein, Roger M. “LossCalc v2: Dynamic Prediction of LGD,” Moody’s Investors Service, New York, 2005.
[18] Ivakhnenko, A. G. and Madala, H. R., Inductive Learning Algorithms for Complex Systems Modeling, CRC press, Inc., 1994.
[19] Jensen H.L., Robert R. Trippi, Efraim Turban “Neural Network in finance and investing ： using artificial intelligence to improve real-work performance’’, eChicago III.：Probus Pub., 1993.
[20] Lee, T. S., Chiu, C. C., Lu, C. J., and Chen, I. F., “Credit scoring using the hybrid neural discriminant technique”, Expert Systems with Applications, Vol. 23, pp. 245–254, 2002.
[21] Ohlson, A. James , “Financial ratios and the probabilistic prediction of bankruptcy’’, Journal of Accounting Research, Vol. 18, No. 1, 1980.
[22] Thomas, L. C., Banasik, J. and Crook, J. N., “Not if but When Will Borrowers Default,” Journal of Operation Research in Society, Vol. 50, pp.
1185-1190, 1999.
[23] Vandell, K., Barnes, W. D., Harfzell, D. Kraft and Wendt, W.,
“Commercial Mortgage Defaults: Proportional Hazards Estimation Using Individual Loan Histories,” Journal of the American Real Estate and Urban Economics Association, Vol. 21 , pp. 451-480., 1993.