臺灣博碩士論文加值系統

近年來，台灣金融機構爭相投入信用卡的戰場中，為提高發卡量、爭取發卡時效及減少審核時間，導致信用卡逾期比率提高、催收成本與呆帳件數大幅成長。因此，建立信用風險管理與良好的授信政策是目前發卡銀行首要重視的問題。
本研究以國內某金融機構為研究對象，以資料探勘的方式從資料中找出有用的資訊。研究中先以交叉分析與相關分析了解資料結構，進而運用資料探勘技術中的倒傳遞類神經網路與決策樹分別建構信用卡決策模式，有效預測申請者之客戶類型。研究發現倒傳遞類神經網路的預測能力達97.2%，決策樹之預測能力達93.3%。本研究根據兩種資料探勘技術的特色與預測能力，結合實務上授信專家的經驗，建構出一套信用卡授信決策模式，以人機界面的方式產生即時預警效果，並判斷是否核卡及授權適當額度以減少呆帳，更可針對不同類型的客戶採取合適的服務。藉由此系統，發卡機構可隨時餵養異常呆帳資料，讓決策系統藉由不斷的學習，並修正學習機制，達到更即時，更精確之效果。

In recent years, the financial institutions in Taiwan try to join the battlefield of credit card. To increasing the amount of cardholders and decreasing the examining
time leads to the higher overdue rate of credit card and the more receivables on demand. Therefore, establishing the correct credit risk management and fitted model of credit scoring is the most important issue for these issuer banks.
Data mining is the art of finding patterns in data and is a new approach based on a general recognition that there is undraped value in large databases and utilities data-driven extraction of information. This research uses stratified random sampling method to choose the training and testing samples. Firstly, we use cross analysis and correlation analysis to discover the data structure. Secondly, we use back-propagation neural network and decision tree to obtain the knowledge of different consumer types. In this study, the forecasting accuracy of back-propagation neural network is 97.2% and decision tree is 93.3%. It is concluded that using back-propagation neural network in building a customer classification model is more appropriate than decision tree. The model may assist banks’ administrators using their applicants’ demographics to distinguish their risk attitude for approving an appropriate credit limit for a cardholder’s expenditure to promote the total credit card profit for banks.

中文摘要......................................i
英文摘要.....................................ii
致謝.........................................iv
目錄..........................................v
表目錄.....................................viii
圖目錄........................................x
一、緒論......................................1
1.1 研究背景與動機.......................1
1.2 研究目的.............................4
1.3 研究範圍與論文架構...................5
二、文獻探討..................................7
2.1 信用卡基本概念.......................7
2.1.1 信用卡之運作流程.....................8
2.1.2 信用卡之特色與功能..................10
2.2 信用卡風險管理之探討................12
2.2.1 授信政策............................12
2.2.2 信用風險評估的方法..................13
2.2.3 信用卡風險管理之相關文獻整理........15
2.3 資料探勘............................17
2.3.1 資料探勘之定義......................18
2.3.2 資料探勘之功能......................18
2.3.3 資料探勘之步驟......................20
2.3.4 資料探勘之分析工具..................22
2.4 類神經網路..........................23
2.4.1 倒傳遞類神經網路....................25
2.4.2 倒傳遞類神經網路之相關文獻..........26
2.5 決策樹..............................28
2.5.1 決策樹演算法的比較..................28
2.5.2 決策樹之優缺點......................29
三、研究方法.................................31
3.1 資料處理與資料分析..................31
3.1.1 資料來源與處理......................31
3.1.2 資料分析............................35
3.2 倒傳遞類神經網路建構流程............37
3.2.1 網路設計............................37
3.2.2 參數設定............................39
3.2.3 網路評估............................40
3.3 決策樹之建構過程....................41
3.3.1 決策樹演算法........................42
3.3.2 決策樹的修剪........................45
3.3.3 由決策樹中產生規則..................46
3.3.4 決策樹軟體之介紹....................47
四、研究結果.................................49
4.1 樣本分析之結果......................49
4.1.1 交叉統計............................49
4.1.2 相關分析............................53
4.2 類神經網路模式之結果................55
4.2.1 類神經網路參數設定..................55
4.2.2 類神經網路訓練與測試結果............56
4.3 決策樹模式之結果....................64
4.3.1 決策樹參數設定......................64
4.3.2 決策樹訓練與測試結果................65
4.3.3 歸納法則............................69
4.4 模式的評估與比較....................71
4.5 信用卡授信決策模式..................71
五、結論與建議...............................74
5.1 結論................................74
5.2 後續研究建議........................76
參考文獻.....................................78

1.Berry, J. A. and G. Linoff, Data Mining Techniques For Marketing, Sales, and Customer Support, John Wiley & Sons, New York (1997).
2.Brachman, R. J., T. Khabaza, W. Kloesgen, G. Piatetsky-Shapiro and E. Simoudis, “Mining business databases,” Communication of the ACM, 39(11), 42-48 (1996).
3.Cabena, P., P. Hadjinlan and R. Stadler etc., “Discovering Data Mining From Concept to Implementation,” Prentice-Hall, Inc., 41~59 (1998).
4.Donato J. M., J. C. Schryver, G. C. Hinkel, R. l. Schmoyer Jr., M. R. Leuze, and N. W. Grandy, “Mining multi-dimensional data for decision support”, IEEE Future Generation Computer Systems, 15, 433-441 (1999).
5.Han, J. and M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, CA, USA (2001).
6.Hastie, T., J. Friedman, and R. Tibshirani, The element of statistical learning, Springer-Verlag, New York (2001).
7.Hush, D.R., J. M. Salas, and B. Horne, “Error surfaces for milti-layer perceptrons,” IEEE Transations on Systems, Man and Cybernetics, 22, 5, (1992).
8.Johnson, R.A. and D.W. Wichern, , Applied Multivariate Statistical Analysis, Prentice Hall (2002).
9.Quinlan, J. R., “Induction of decision trees,” Mach. Learn., 1(1), 81-106 (1986).
10.Quinlan, J. R., C4.5: Programs for Machine Learning, Morgan Kaufmann, San Mateo, CA, USA (1993).
11.RuleQuest, http://www.rulequest.com.
12.Zhang, G.., B. E. Patuwo and M. Y. Hu, “Forecasting with Artificial Neural Networks: The State of the Art”, International Journal of Forecasting, 14, 35-62 (1998).
13.中華民國財政部金融局網站：http://www.boma.gov.tw/.
14.吳國禎，「資料探索在醫學資料庫之應用」，中原大學醫學工程學系研究所碩士論文，2000。
15.呂奇傑，「演化式類神經網路分類技術於資料探勘上之應用」，輔仁大學應用統計學研究所碩士論文，2001。
16.邱潤容，銀行實務，三民，1998。
17.俞慧華，「改良式類神經網路模式於信用卡顧客關係管理之研究」，國立台北科技大學商業自動化與管理研究所碩士論文，2002。
18.財團法人聯合信用卡處理中心網站：http://www.nccc.com.tw/.
19.張妤莉，「資料挖掘之導入與影響-以銀行業為例」，國立政治大學企業管理研究所碩士論文，2001。
20.許峻源，「類神經網路與MARS於資料探勘分類模式之應用」，輔仁大學應用統計學研究所碩士論文，2001。
21.郭敏華，債信評等，智勝，2000。
22.陳敬聰，「信用卡信用風險評估之研究」，國立雲林科技大學資訊管理技術研究所碩士論文，1997。
23.彭慧雯，「建構信用卡資料挖礦架構及其實證研究」，國立台北科技大學生產系統工程與管理研究所碩士論文，2001。
24.葉怡成，類神經網路模式應用與實作，儒林，1993。
25.葉怡成，應用類神經網路，儒林，1999。
26.廖啟泰，電子商務之數位貨幣，松崗電腦圖書，2000。
27.劉偉倫，「應用資料分析及探勘技術於健保醫療費用管控及申報異常篩選作業」，元智大學資訊工程學研究所碩士論文，2001。
28.賴欣儀，「消費者風險態度與資金運用行為對銀行信用卡業務影響之研究」，國立中山大學企業管理學系研究所碩士論文，2000。