陳國泰臺灣大學:會計學研究所江怡蒨Chiang, Yi-ChienYi-ChienChiang2010-05-052018-06-292010-05-052018-06-292009U0001-0607200916145900http://ntur.lib.ntu.edu.tw//handle/246246/179949近年來接連發生的金融危機迫使我們尋求更好的信用評等方式。在經濟發展過程中，汽車貸款扮演相當重要的信用借貸角色，對於消費者銀行與汽車車商言，判斷汽車貸款違約率是相當的重要。對放款者而言，一方面必須承擔經過准的汽車貸款違約所產生重大的損失；另一方面，若錯誤拒絕可以接受的貸款，款者則會喪失利益。去數十年間，許多研究針對信用評估議題提出新的模型，包括羅吉斯迴歸、家系統、資料探勘等。本研究利用某汽車貸款公司所提供的資料，應用「支援量機」分析資料，以建立汽車貸款違約之預測模型。研究藉由「格子點搜尋演算法」調整核心核數，並以「過濾法」與「包裝」進行特徵篩選，結果發現以五個特徵值所組成的分類器具有最高的預測分類amp;#63841;，可達77.43%，並提出向後逐步選取法為主的羅吉斯迴歸模型，其預測分類率達75.70%。研究結果顯示：(1)就預測分類能力，支援向量機較羅吉斯迴歸佳。2)考量過多的資訊不一定能夠產生較佳的預測分類力。The recent financial crises have called for better credit evaluation. Traditionally,ar loans constitute an important portion of credit lending for an economy.etermining the default probability of a car loan is a major task for consumeranking and automobile sales companies. On the one hand, the lender will suffer aoss if a granted car loan eventually defaults; on the other hand, the lender will lose aotential gain if a good loan prospect is mistakenly rejected.revious studies have developed models for credit evaluation. These modelsnclude regression analysis, expert systems, and data mining techniques. Using datarom an automobile company, this study applies support vector machines to buildlassifiers for car loan default prediction.y adopting the grid search approach to adjust kernel parameters and using theilter method and wrapper method to select features, this study find that a classifierith just 5 features possess the best classification power. The classification accuracyate is 77.43%. By comparison, a step-wise logistic regression model has alassification accuracy rate of 75.70%. The results show that (1) support vectorachines have better classification power than logistic regression, and (2)onsidering more factors does not necessary result in better classification.謝辭…………………………………………………………………………………..…i文摘要……………………………………………………………………………….ii文摘要………………………………………………………………………………iii一章 緒論………………………………………………………………………… 1一節 研究背景與動機……………………………………………………… 1二節 研究架構……………………………………………………………… 3二章 文獻探討…………………………………………………………………… 5一節 汽車貸款……………………………………………………………… 5二節 信用評估……………………………………………………….………9三節 資料探勘………………………………………………………………17三章 研究方法……………………………………………………………………22一節 支援向量機……………………………………………………………22二節 特徵篩選………………………………………………………………26三節 核心參數………………………………………………………………28四節 交叉驗證………………………………………………………………29五節 變數定義………………………………………………………………31四章 實證結果與分析……………………………………………………………37一節 變數分析………………………………………………………………37二節 分析流程………………………………………………………………44三節 預測分類率分析………………………………………………………57五章 結論、限制與建議…………………………………………………………60一節 研究結論………………………………………………………………60二節 研究限制………………………………………………………………61三節 研究建議………………………………………………………………62amp;#63851;考文獻………………………………………………………………………………63目錄 1-1：研究流程圖…………………………………………………………………… 43-1：3-1 SVM 二維分類圖…………………………………………………………233-2：SVM 特徵值篩選-過濾法…………………………………………………….273-3：SVM 特徵值篩選-包裝法…………………………………………….………273-4：SVM 交叉驗證資料切割圖……………………………………………………293-5：低度適應與過度適應…………………………………………………………304-1：商品價格長條圖…………………………………………..…………………..404-2：貸款金額長條圖………………………………………………….……………414-3：自備款長條圖…………………………………………………..……………..414-4：每期支付金額長條……………………………………………….……………424-5：分析流程圖………………………………………………………………….…464-6：Grid Search 前各組最大預測分類率折線圖………………………………….504-7：Grid Search 後最大預測分類率折線圖………………………………………..53目錄2-1：信用評等評估方式比較表……………………………………………………142-2：資料探勘運用在信用等評等………………….………………………………182-3：SVM 運用在信用評等………………….……………..………………………192-4：SVM 運用在信用評等-續………………….…………………………………203-1：變數定義表……………………………………………………………………353-2：變數定義表-續………………………………………………….…………..…364-1：離散型變數逾期狀況表………………………………………………………394-2：連續型變數敘述統計表………………………………………………………434-3：變數F-score 表………………………………………………….………..……484-4：Grid Search 前最大預測分類率…………………………………………..……494-5：Grid Search 前最大預測分類率－組合表……………………………………514-6：表4-6：Grid Search 後最大預測分類率58……………………………………534-7：Grid Search 後最大預測分類率－組合表………………………………..……544-8 向後逐步選取法(Backward)最佳組合………………...………………………564-9：訓練模型與測試資料預測分類率…………………………………………….574-10：SVM 與Logistic 迴歸模型比較表…………………………………………..58application/pdf567599 bytesapplication/pdfen-US支援向量機羅吉斯迴歸汽車貸款違約資訊品質Support Vector MachinesSVMslogistic regressioncar loandefaultinformation qualityhttp://ntur.lib.ntu.edu.tw/bitstream/246246/179949/1/ntu-98-R96722036-1.pdf