| dc.contributor.advisor | 彭金隆 | zh_TW |
| dc.contributor.author (Authors) | 葉怡君 | zh_TW |
| dc.creator (作者) | 葉怡君 | zh_TW |
| dc.date (日期) | 2017 | en_US |
| dc.date.accessioned | 31-Aug-2017 12:09:20 (UTC+8) | - |
| dc.date.available | 31-Aug-2017 12:09:20 (UTC+8) | - |
| dc.date.issued (上傳時間) | 31-Aug-2017 12:09:20 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0104932153 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/112370 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 經營管理碩士學程(EMBA) | zh_TW |
| dc.description (描述) | 104932153 | zh_TW |
| dc.description.abstract (摘要) | 依據WEF提出的「六大功能，十一組創新」架構中，在存貸功能部份已直指，透過網絡資訊的蒐集及數據分析能力的提升，預料將對授信案件的傳統審理評估模式有革命性的改變，特別是在非傳統信用風險變數與傳統信用風險變數之間的關聯性領域。而現行國外已有越來越多的科技新創公司，開始善用數據分析優勢，於網路或社群媒體即時性補捉客戶多樣之非結構性資料，嘗試從中找出可能與傳統信用因子有關聯之資訊，以進一步建立可用的信用資訊與提升對風險的辨識能力。本研究即是從金融機構使用之傳統信用風險變數之外，依金融機構資料探討客戶申請金融服務的行為，實質探索非傳統信用風險變數與信用的關聯，而研究結果發現，個人申請金融服務的行為與個人信用有正向關聯。依本研究實證結果，建議金融機構可加快研究非傳統信用風險變數與信用風險的關聯性，以進一步建立可用的信用資訊並與數位發展趨勢接軌，預期除能具體提升金融機構的風險辨識能力及利息收益外，亦有助於強化金融包容力，善盡金融機構社會責任。 | zh_TW |
| dc.description.tableofcontents | 第一章 緒論 1第一節 研究背景與動機 1第二節 研究目的 5第三節 研究方法與架構 6第二章 文獻探討 8第一節 美國個人信用風險評分簡述 8第二節大數據、科技金融發展 11第三節 國外運用大數據於非傳統信用模式探討 13第四節 小結 22第三章 研究設計 25第一節 研究假說 25第二節 研究模型 28第三節 研究資料 33第四章 實證結果分析 35第一節 資料基本統計量分析 35第二節 以有無申請公用事業費用代扣繳變數之實證結果 37第三節 以有無申請網路銀行使用權限變數之實證結果 38第四節 綜合二項非傳統信用風險變數之實證結果 39第五節 綜合討論 41第五章 結論 42第一節 研究結果 42第二節 管理涵義 43參考文獻 45 | zh_TW |
| dc.format.extent | 1487241 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0104932153 | en_US |
| dc.subject (關鍵詞) | 大數據徵信 | zh_TW |
| dc.subject (關鍵詞) | 金融科技 | zh_TW |
| dc.subject (關鍵詞) | 非傳統信用變數 | zh_TW |
| dc.subject (關鍵詞) | 羅吉斯迴歸 | zh_TW |
| dc.title (題名) | 台灣銀行業採非傳統信用指標評估信用之探討 | zh_TW |
| dc.title (題名) | An analysis of Unconventional Credit Measures in Taiwan Banking Industry | en_US |
| dc.type (資料類型) | thesis | en_US |
| dc.relation.reference (參考文獻) | 一、中文文獻1.杜淼淼（2008），美國個人信用評分系统及其啟示，南方金融，第8 期：63-66。2.沈凌莉（2015），微小額度快速信用借款，下一個獨角獸在此？創業邦，2015 年11 期：20-23。3.范秉航（2016），邁向大數據時代，融資模式的突破與發展，臺灣經濟研究月刊，第 39 卷第2 期：64-71。4.洪新原、梁定澎、張嘉銘（2005），科技接受模式之彙總研究，資訊管理學報，第12 卷第4 期：211-234。5.耿得科、梁文娟（2015），大數據對傳統資信評估的影響，徵信， 2015 年3 期：20-24。6.馮炫竣（2000），消費者使用電子銀行之行為研究-以ATM、電話銀行及網路銀行為例，碩士學位論文，元智大學管理研究所。7.葉彩蓮、陳怡安（2011），考量風險變數之銀行小額信用貸款評分模型，臺灣銀行季刊，第62 卷第2 期：71。8.劉新海、丁偉（2014），大數據徵信應用與啟示-以美國互聯網金融公司Zest Finance為例，清華金融評論，第10 期：93-98。9.劉育昇（2016），電商平台大數據應用，臺灣經濟研究月刊，第39 卷第2 期：72-78。10.謝平、鄒傳偉、劉海二（2015），互聯網金融，風格司藝術創作坊，2015-05-08。11.羅鈺珊（2016），網路與創新金融協助中小企業面對融資挑戰，經濟前瞻，第168期：23-28。二、英文文獻1.Laney, D.（2001）, 3D data management: Controlling data volume, velocity and variety.META Group Research Note, 6,70.2.Steenackers, A., & Goovaerts, M. J. (1989), A credit scoring model for personal loans,Insurance: Mathematics and Economics, 8(1), 31-34.三、網頁資料1.中國電子商務研究中心，Zest Finance 大數據徵信應用典型，2014-10-30，http://b2b.toocle.com/detail--6207363.html，最後瀏覽日：106 年3 月5 日。2.中華民國中央銀行全球資訊網，消費者貸款及建築貸款餘額，2017-05-23，http://www.cbc.gov.tw/ct.asp?Item=1078&CtNode=526&mp=1，最後瀏覽日：106 年5 月23 日。3.全國法規資料庫，http://law.moj.gov.tw/LawClass/LawAll.aspx?PCode=I0050021，2015-12-30，最後瀏覽日：106 年5 月16日。4.行政院主計總處公佈之國民所得統計摘要(106 年2 月更新)，2017-02-26，https://www.dgbas.gov.tw/ct.asp?xItem=33338&ctNode=3099&mp=1，最後瀏覽日：106 年3 月20 日。5.行政院主計總處最新統計指標，105 年消費者物價指數年增率(%)，https://www.dgbas.gov.tw/point.asp?index=2，最後瀏覽日：106 年3 月11 日。6.吳凱琳，紐時：資料分析人才，未來最搶手，2012-02-17，http://cwef.cw.com.tw/2012/article/article207.aspx，最後瀏覽日：106 年3 月24 日。7.李小曉，傳統信用評分挑戰者，2014-09-01，http://weekly.caixin.com/2014-08-29/100722816.html，最後瀏覽日：106 年3 月12 日。8.金融監督管理委員會，「打造數位化金融環境3.0」推動情形，2015-02-10，http://www.fsc.gov.tw/ch/home.jsp?id=96&parentpath=0,2&mcustomize=news_view.jsp&dataserno=201502100002&aplistdn=ou=news,ou=multisite,ou=chinese,ou=ap_root,o=fsc,c=tw&dtable=News，最後瀏覽日106 年3 月17 日。9.相振宇、李慧超，美國非傳統信用信息使用機制的啟示，2016-02-15，http://www.financialnews.com.cn/llqy/201602/t20160215_92255.html，最後瀏覽日：106 年5 月29 日。10.耿得科、梁文等，大數據對傳統資信評估的影響及國際徵信行業現狀，2016-01-09，http://mp.weixin.qq.com/s?__biz=MjM5NjAxMzgwMA==&mid=402333780&idx=4&sn=832cc92e805a09a9df01b5b3d00653e8&3rd=MjM5NzM2NjUzNg==&sc，最後瀏覽日：106年4月8日。11.喬安公園，封閉的聯徵系統不利於台灣的經濟發展，2015-03-24，http://jaintercare.pixnet.net/blog/post/42098009，最後瀏覽日：106年3月11日。12.楊惟雯，什麼是大數據，2013-06-21，http://nmart.pixnet.net/blog/post/49862068-%E4%BB%80%E9%BA%BC%E6%98%AF%E5%A4%A7%E6%95%B8%E6%93%9A%EF%BC%9F，最後瀏覽日：106年3月24日。13.劉新海、丁偉，大數據徵信應用與啟示-以美國互聯網金融公司ZestFinance為例，2014-10-29，https://translate.google.com.tw/translate?hl=zh-TW&sl=zh-CN&u=http://www.36dsj.com/archives/15713&prev=search，最後瀏覽日：106年3月15日。14.數位時代，世界經濟論壇研究報告出爐！6張表，掌握FinTech創新關鍵，2015-12-21，https://www.bnext.com.tw/article/38278/BN-2015-12-21-175827-178，最後瀏覽日：106年3月11日。15.薛洪言，乾貨！揭秘金融科技顛覆金融巨頭的經典打法（下），2016-05-10，http://www.sohu.com/a/74610498_398806，最後瀏覽日：106年4月4日。16.DIGITIMES，善用巨量資料分析，非傳統信用評估服務有商機，2016-04-25，http://www.digitimes.com.tw/iot/article.asp?cat=130&id=0000468194_ASF0JUV7LFV5HH3A8KIH7#ixzz4aRXHZ4lx，最後瀏覽日：106年3月5日。17.Doug Laney，3D Data Management，2001-02-06，https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf，最後瀏覽日：106年3月23日。18.Inside網路趨勢觀察，台灣，銀行的未來，2015-07-27，http://www.wealthdb.wealth.com.tw/article_in.aspx?nid=5399，最後瀏覽日：106年3月17日。19.KPMG，2016 FINTECH100 Leading Global Fintech Innovators，2016-10-24，https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2016/10/fintech100-2016.pdf，最後瀏覽日：106年3月5日。20.Lenddo，2011-2017，https://www.lenddo.com/，最後瀏覽日：106年3月15日。21.MBAlib智庫百科，互聯網金融的特點，http://wiki.mbalib.com/zh-tw/%E4%BA%92%E8%81%94%E7%BD%91%E9%87%91%E8%9E%8D，最後瀏覽日：106年3月25日。22.Michael A.Turner, Ph.D. Patrick Walker,M.A.，Predicting Financial Account Delinquencies with Utility and Telecom Payment Data，2015-05，http://www.perc.net/wp-content/uploads/2015/05/Alt-Data-and-Traditional-Accounts.pdf，最後瀏覽日：106年5月16日。23.WORLD ECONOMIC FORUM，The Future of Financial Services，2015-06，http://www3.weforum.org/docs/WEF_The_future__of_financial_services.pdf，最後瀏覽日106年3月17日。 | zh_TW |
