變數定義與說明

根據文獻，信用風險的評估大多採用信用評分方式，而信用評分可分為「應 用評分」（Application Scoring）及「行為評分」（Behavior Scoring）兩部份，

一般信用風險評估模型大多採用應用評分，屬於事前的評估預測。而本研究所著 重的是事後的行為評分，以期降低核卡後客戶的逾期繳款所產生的信用風險，避 免金融業者因之需進行催繳等而增加額外成本，甚至形成呆帳造成營業損失。因 此，本研究綜合上述兩類評分模型，將變數區分為兩大類，一為個人屬性變數，

係指持卡人於申請信用卡時所填寫之個人基本資料，屬於應用評分模型變數；二 為繳款行為變數，指核卡後，持卡人於持卡期間的繳款行為表現，屬於行為評分 變數。

本研究所初步採用的「個人屬性變數」包括：性別、申請年齡、婚姻狀況、

學歷、子女數、職業、工作年資、聯絡人關係及住宅所有等九項。其中性別、申 請年齡、婚姻狀況、學歷及子女數等為評估持卡人（People）之品格、特質及責 任感之變數，在過去文獻探討中大都呈現，男性的信用風險高於女性，可能因為 女性在理財與帳務管理方面較男性謹慎細心之故；在婚姻狀況中，通常己婚者會 比未婚者信用風險低，原因是結婚後有家庭責任，謹慎管理開支，維持家濟；而 學歷方面，通常教育程度愈高者產生信用風險的機率愈低，可解釋為學歷高者較

具備責任感及道德感，履行償債義務的意願相對較高。至於年齡方面，經濟狀況 穩定的年齡層產生信用風險的機率相對較低，且年齡愈長者會較年輕者性情及經 濟上穩定，而信用評價也會較高，因此，預期在35~45歲的持卡人信用風險會較 低，而25歲以下者產生信用風險的機率較高。子女數該變數在過去相關研究中甚 少用到，本研究將其列入模型中驗證是否為影響持卡人信用風險之顯著變數，預 期子女數愈多者，因為經濟壓力大，產生信用風險的機率可能愈高。

另外，工作年資及職業兩變數為評估「還款來源」（Payment）及「授信展 望」（Perspective)之因子，主要用以衡量持卡人工作穩定性，穩定性愈高者產生 信用風險的程度相對較低，因此，從事公家機關之行業會比從事服務業為穩定，

而工作年資愈高者，穩定性相對高，信用評價也較好。而住宅所有及聯絡人關係 為評估「債權保障」（Protection）之變數，當持卡人對於信用卡債逾期不繳時，

持卡人本身的財產包含不動產可以透過法律程序進行管制，以確保債權，而聯絡 人關係較親密時，通常會因不願見到持卡人信用破產或債台高築而幫忙清償欠 款。

另一「行為變數」初步所採用之變數包含：平均動撥率、平均繳款率、平均 預借現金率、最大動撥率及最大繳款率等五項。「動撥率」表示應繳信用卡金額 占信用卡額度的比例，其中當月應繳金額，包含該月信用卡消費款及未繳款之循 環信用餘額，若動撥率大於1表示該持卡人未如期償還每個月之信用卡債，而產 生循環息，其信用卡尚欠餘額己超過其信用額度，因此，動撥率愈高表信用風險 程度高。而「繳款率」則相反，其表示繳納金額占尚欠金額之比例，繳款率愈高 表持卡人償債比例愈高，信用風險程度相對較低。預借現金為因應持卡人緊急現 金需求時所提供的服務，若持卡人「預借現金比率」愈高，信用風險相對愈高。

表3.2 變數定義與說明

0,0,0,0,0,0,1,0 家管