| dc.contributor.advisor | 鄭宇庭<br>蔡紋琦<br>謝邦昌 | zh_TW |
| dc.contributor.advisor | <br><br> | en_US |
| dc.contributor.author (Authors) | 程兆慶 | zh_TW |
| dc.creator (作者) | 程兆慶 | zh_TW |
| dc.date (日期) | 2005 | en_US |
| dc.date.accessioned | 2009-09-14 | - |
| dc.date.available | 2009-09-14 | - |
| dc.date.issued (上傳時間) | 2009-09-14 | - |
| dc.identifier (Other Identifiers) | G0093354003 | en_US |
| dc.identifier.uri (URI) | https://nccur.lib.nccu.edu.tw/handle/140.119/30894 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 統計研究所 | zh_TW |
| dc.description (描述) | 93354003 | zh_TW |
| dc.description (描述) | 94 | zh_TW |
| dc.description.abstract (摘要) | 分類問題是資料採礦作業中最普遍的一種，其目的在於事先預測「尚未發生」的分類事實，信用卡違約風險預測模型正是分類問題的一項應用。本研究將以商業智慧的觀點，配合Microsoft SQL Sever 2005軟體所提供的資料採礦工具，利用發卡銀行龐大的客戶歷史資料，透過先進的資料採礦技術(決策樹、類神經網路、貝氏機率分類)和統計方法(羅吉斯迴歸)，建構出一套完全符合自身銀行客戶特性的信用卡評分模型之流程。 以本研究的結果所示，在模型的預測能力上，羅吉斯迴歸優於類神經網路，類神經網路又優於貝氏機率分類及決策樹，且根據BASELⅡ對信用評分卡的規定，羅吉斯迴歸為其標準的演算法，因此最終模型即選擇以羅吉斯迴歸所建立的模型。 | zh_TW |
| dc.description.tableofcontents | 第壹章 緒論 1 第一節 研究背景 1 第二節 研究動機 2 第三節 研究問題與範圍 2 第四節 研究目的 3 第五節 論文架構與研究流程 3 第貮章 文獻探討 5 第一節 相關信用卡建模實証研究 5 第二節 商業智慧(BUSINESS INTELLIGENCE) 6 第三節 CRISP-DM 7 第四節 建構信用卡評分模型之方法論 10 (一) 決策樹 (分類與迴歸樹CART) 10 (二) 類神經網路 11 (三) 貝氏機率分類 12 (四) 羅吉斯迴歸 13 第參章 研究方法 14 第一節 研究工具 14 第二節 資料介紹 15 第三節 建構信用卡評分模型流程 17 第肆章 研究結果 22 第一節 資料預處理 22 第二節 建立預測模型 27 第三節 評估模型的預測能力 32 第四節 信用卡評分模型的發佈 40 第伍章 結論與建議 44 第一節 結論 44 第二節 研究貢獻 45 第三節 建議 46 附錄 52 參考文獻 62 中文文獻 62 英文文獻 63 表目錄 表3-1 原始資料變數名稱及類型表 15 表3-2 分類矩陣 21 表4-1 資料轉換後的變數名稱及類型表 26 表4-2 決策樹訓練組分類矩陣 37 表4-3 決策樹測試組分類矩陣 37 表4-4 類神經網路訓練組分類矩陣 38 表4-5 類神經網路測試組分類矩陣 38 表4-6 貝氏機率分類訓練組分類矩陣 38 表4-7 貝氏機率分類測試組分類矩陣 39 表4-8 羅吉斯迴歸訓練組分類矩陣 39 表4-9 羅吉斯迴歸測試組分類矩陣 39 表4-10 違約機率的機率分佈表 41 圖目錄 圖1-1 研究流程圖 4 圖2-1 CRISP-DM模型 7 圖2-2 神經元的結構 11 圖3-1 增益圖 19 圖4-1 違約與否次數分配圖 23 圖4-2 婚姻別和違約與否樞紐分析圖 24 圖4-3 是否申請結餘代償和違約與否樞紐分析圖 24 圖4-4 職稱別和違約與否樞紐分析圖 25 圖4-5 精細抽樣流程圖 27 圖4-6 劃分訓練組與測試組流程圖 28 圖4-7 決策樹結構圖 29 圖4-10 決策樹訓練組增益圖 32 圖4-11 決策樹測試組增益圖 33 圖4-12 類神經網路訓練組增益圖 33 圖4-13 類神經網路測試組增益圖 34 圖4-14 貝氏機率分類訓練組增益圖 34 圖4-15 貝氏機率分類測試組增益圖 35 圖4-16 羅吉斯迴歸訓練組增益圖 35 圖4-17 羅吉斯迴歸測試組增益圖 36 圖4-18 四模型增益圖比較 40 圖4-19 違約機率的機率分佈圖 42 圖4-20 建模流程圖一 43 圖4-21 建模流程圖二 43 附錄目錄 附錄 1 教育別和違約與否樞紐分析圖 52 附錄 2 性別和違約與否樞紐分析圖 52 附錄 3 是否申請結餘代償和違約與否樞紐分析圖 53 附錄 4 是否使用扣款帳號和違約與否樞紐分析圖 53 附錄 5 近一年M2次數和違約與否樞紐分析圖 54 附錄 6 近期是否逾期和違約與否樞紐分析圖 54 附錄 7 婚姻別和違約與否樞紐分析圖 55 附錄 8 現居狀況和違約與否樞紐分析圖 55 附錄 9 轉換後教育別和違約與否樞紐分析圖 56 附錄 10 轉換後行業別和違約與否樞紐分析圖 56 附錄 11 轉換後職稱別和違約與否樞紐分析圖 57 附錄 12 轉換後工作年資和違約與否樞紐分析圖 57 附錄 13 轉換後緊急聯絡人與正卡關係和違約與否樞紐分析圖 58 附錄 14 轉換後有效卡張數和違約與否樞紐分析圖 58 附錄 15 轉換後被查詢總家數和違約與否樞紐分析圖 59 附錄 16 產生預測機率值的T-SQL語法 60 附錄 17 羅吉斯迴歸模型各節點權重 61 | zh_TW |
| dc.language.iso | en_US | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0093354003 | en_US |
| dc.subject (關鍵詞) | 商業智慧 | zh_TW |
| dc.subject (關鍵詞) | 資料採礦 | zh_TW |
| dc.subject (關鍵詞) | 信用評分 | zh_TW |
| dc.subject (關鍵詞) | 分類模型 | zh_TW |
| dc.title (題名) | 應用商業智慧技術於信用卡違約風險之預測 | zh_TW |
| dc.type (資料類型) | thesis | en |
| dc.relation.reference (參考文獻) | 中文文獻 | zh_TW |
| dc.relation.reference (參考文獻) | 丁正中，2004年，「消費金融信用風險研究—信用評分概述」，金融風險管理季刊，民國九十三年十一月號。 | zh_TW |
| dc.relation.reference (參考文獻) | 王偉如，2003年，淺談商業智慧，http://www.iiiedu.org.tw/knowledge/knowledge20030831_2.htm。 | zh_TW |
| dc.relation.reference (參考文獻) | 王茁，2005年，「商業智慧」，博碩文化。 | zh_TW |
| dc.relation.reference (參考文獻) | 尹相志，2006年，「SQL Server 2005資料採礦聖經」，學貫行銷股份有限公司。 | zh_TW |
| dc.relation.reference (參考文獻) | 阮正治 江景清，2004年，「台灣企業信用評分模型建置與驗證」，金融風險管理季刊，民國九十三年六月號 | zh_TW |
| dc.relation.reference (參考文獻) | 李明謙，2001年，「羅吉斯迴歸模型在信用卡評分制度之研究」，私立輔仁大學應用統計學研究所碩士論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 李美笑，2001年，「信用卡持卡人信用風險之研究」，私立逢甲大學保險學系研究所碩士論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 韋端 鄭宇庭 鄧家駒 匡宏波 謝邦昌，2003年，「DATA MINING概述-以Clementine7.0為例」，中華資料採礦協會。 | zh_TW |
| dc.relation.reference (參考文獻) | 施孟龍、尤清芳與李佳珍，1999年，「Logit Model應用於信用卡信用風險審核之研究」，金融財務月刊，10月。 | zh_TW |
| dc.relation.reference (參考文獻) | 陈建，信用评分模型在信用卡生命周期管理中的应用，http://www.cnfp.net/news/news/20494.htm | zh_TW |
| dc.relation.reference (參考文獻) | 陳義先，2003年，「應用Logit及ANN模型建構信用卡審核評分表」，私立真理大學財金研究所碩士論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 張淑珍，2004年，「利用一次性的SQL改良決策樹建立信用卡審核之信用評等」，私立東吳大學資訊科學研究所碩士論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 曾玫苑，2004年，「信用卡信用風險評估」，私立東吳大學國際貿易學系研究所碩士論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 楊自強，企業如何應用商業智慧來提昇執行力與競爭力，http://www.nhtaiwan.com/IT_News/050420/index.htm | zh_TW |
| dc.relation.reference (參考文獻) | 劉泰谷，2004年，「信用卡信用評分模型之建構與分析」，私立世新大學財務金融研究所碩士論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 廖仁傑，2005年，「信用卡業務信用評分制度與模型之有效性研究」，國立中央大學財務金融學系碩士在職專班論文。 | zh_TW |
| dc.relation.reference (參考文獻) | 謝邦昌，2001年，「資料採礦入門及應用-從統計技術看資料採礦-」，資商訊息顧問股份有限公司。 | zh_TW |
| dc.relation.reference (參考文獻) | 謝邦昌 蘇志雄 鄭宇庭 葉劭緯，2006年，「資料採礦與商業智慧- SQL Server 2005」，中華資料採礦協會。 | zh_TW |
| dc.relation.reference (參考文獻) | 英文文獻 | zh_TW |
| dc.relation.reference (參考文獻) | Boyle M., Crook J.N., Hamilton R., and Thomas L.C. (1992). Methods for credit scoring applied to slow papers in Credit scoring and Credit control ed. L.C. Thomas,J.N.Crook,D.B.Edelman,Oxford University Press, Oxford, p.75-p.90. | zh_TW |
| dc.relation.reference (參考文獻) | Berry M.J.A., and Linoff.G. (2000).”Mastering data mining : the art and science of customer relationship management”，New York : John Wiley & Sons, c2000 | zh_TW |
| dc.relation.reference (參考文獻) | Freeman J., and Skapura D. (1992) . Neural Networks, algorithms applications and programming techniques, Addison-Wesley. | zh_TW |
| dc.relation.reference (參考文獻) | McClelland J. L., and Rumelhart, D. E. (1986) Parallel distributed processing: Explorations in the microstructures of cognition. vol 2. psychological and biological models. Cambridge, Mass.: MIT Press. | zh_TW |
| dc.relation.reference (參考文獻) | Tang.Z.H, and MacLennan. J, (2005).”Data Mining with SQL Server 2005”，Wiley。 | zh_TW |
