Microsoft Word - 099THU doc

Size: px

Start display at page:

Download "Microsoft Word - 099THU doc"

峰谕江
5 years ago
Views:

1 東海大學統計系研究所碩士論文指導教授 : 沈維雄博士台灣地區銀行經營績效評估之研究 TOPSIS 方法之應用 Study of the performance of the banks in Taiwan An application of TOPSIS method 研究生 : 林建宏中華民國一百年六月

2 中文摘要銀行業歷經長久變革已轉型為金融自由化國際化大型化的綜合業務經營方式, 本研究主要從偏好順序評估法 (Technique for order preference by similarity to ideal solution, TOPSIS) 的想法出發, 透過歷年學者文獻所提出之觀點加以整合, 藉由模擬的方法尋找出一套客觀且有效率的評估途徑, 以台灣地區 28 家銀行為主要研究對象, 利用 2009 年各家銀行財務指標資料進行實證分析, 以了解台灣地區的銀行經營績效關鍵詞 : 偏好順序評估法經營績效權重財務指標

3 誌謝首先, 感謝指導老師沈維雄教授的諄諄教誨, 從論文題目的選定, 到研究方法和實證分析說明, 每次與老師討論論文時, 都能感受到老師的用心細心, 使本論文得以順利完成在老師身邊不只學習到統計專業領域上的知識, 更學到其實務應用, 碩士生活與人生規劃安排方面, 老師也經常關心照顧和分享經驗在論文口試期間, 十分感謝兩位口試委員蕭志同老師與陳依兌老師提供許多精闢的見解和寶貴的建議, 兩位老師的細心指正, 使得本論文更臻完善研究所二年求學時光, 感謝助教們在課業與學生事務上的協助感謝口試前一起密集練習互相鼓勵的淑玲同學, 也感謝同窗好友在論文寫作間為我加油打氣, 讓我在忙碌的生活中, 能夠順利完成學業, 很開心能遇到這群很棒的同學, 使得這兩年過的非常充實非常快樂最後將完成碩士學業的這份喜悅與榮譽獻給我的家人, 謝謝你們一路上的支持與陪伴, 沒有你們也就不會造就現今的我, 在此由衷表達我最深的感謝感謝你們, 謝謝!! 林建宏謹致於東海大學統計學系研究所中華民國一百年六月二十六日

4 目錄圖目錄... Ⅱ 表目錄... Ⅲ 第一章緒論... 第一節研究緣起... 第二節研究目的...2 第三節文獻探討...4 第四節研究架構...9 第二章研究方法... 0 第一節偏好順序評估法... 0 第二節偏好順序評估法之修正... 3 第三節本研究之改進... 7 第四節模擬結果... 8 第三章實證分析與結果... 2 第一節指標定義... 2 第二節實證結果第四章結論與建議第一節結論第二節建議與未來研究方向... 3 參考文獻附錄 I

5 圖目錄圖 2. 修正後 TOPSIS 評估法流程圖 II

6 表目錄表 2. 2 種組合方式模擬一萬次之結果... 9 表 3. 9 家銀行 ( 公開發行公司 ) 權重與正負理想解表家銀行 ( 公開發行公司 )2009 年經營績效排名表家銀行權重與正負理想解表家銀行 2009 年經營績效排名 III

7 第一章緒論第一節研究緣起全球經濟發展迅速, 金融體系層面亦邁入自由化國際化多元化綜合經營的主要走向, 使得金融機構彼此競爭越趨激烈由於我國前期金融產業發展長期處於政策的保護傘下, 在面臨金融自由化的改變, 如 : 政府從 990 年起開放民營銀行設立通過商業銀行設立標準加入國際貿易組織等等, 短期之內加入大量同質性的金融機構, 但該市場無法容納過多競爭者, 並且彼此間處於惡性鬥爭, 讓銀行業獲力能力不如往前, 因此銀行必須以高利率吸引資金流入降低借貸利息與標準來增加營收來源, 改善生存空間, 但這方法卻無法提高銀行業的經營績效巴賽爾有效銀行監理核心原則中提到, 有效銀行的監理架構須由下述三項所構成 : 一銀行本身管理 ; 二政府的監理 ; 三市場制約力量 ; 所以政府陸續通過金融機構合併法及金融控股公司法等重大法案, 而金融控股公司法的成立, 讓銀行保險及證券三者合併經營, 鼓勵銀行朝向大型化多元經營方式, 改善機構本質並提升競爭力由於美國次級房貸瞬間變成全球金融風暴, 引發 2008 年全球經濟衰退, 對金融業來說是艱苦且慘淡的一年,Stephen Bernard 於 2009 年美聯社特稿發表一篇分析金融風暴文章中指出 : 從 Bear Sterns 破產和 Lehman Brothers 的倒閉, 改變整個金融體系風貌, 導致其中有些銀行業退出了這塊 - -

8 市場, 並引發一連串倒閉事件由於我國銀行性質與歐美銀行不同, 不致於發生類似案例, 卻也受到明顯影響為挽救經濟衰退的情形, 我國央行採取降息政策金融市場由過去的寡佔市場轉變成現今的完全競爭市場, 整個金融業架構中, 銀行扮演著存款與借貸的重要角色, 生意好, 不代表賺大錢 ; 生意不好, 亦不等於窮困潦倒在金融海嘯中所有產業均受影響, 經過一年的大失血後,2009 年金融業開始轉虧為盈, 但是仔細探討後可以發現, 金融業全是靠勤儉度日省字訣所得到的成果整體營收呈現小幅負成長現象, 表示在大環境下生存仍然艱難, 從員工總數的減少, 員工產值卻上升的結果判斷, 金融業是靠著降低成本的手法才能獲得現今亮眼的成績在各國央行低利率政策下, 銀行業人壽保險業及證券業擁有充足的資金投入投資市場, 卻造福了壽險業和證券業, 苦了銀行業未來銀行業的好轉是可預期的, 在升息貸款及財富管理業務持續回溫的氛圍下, 可望持續復甦到金融風暴前的水準第二節研究目的 Robbins(989) 指出績效是對組織目標達成的一種衡量指標, 綜合過去對銀行經營績效的研究文獻, 大多將財務指標加以運算最後得到排名結果, 提供存款大眾及投資者在選擇銀行時的依據銀行是配合國家政策的營利組織之一, 是需求與供給資金的主要交易場合, 信用是銀行與交易對 - 2 -

9 象的主要媒介, 規模也是其中特性之一, 然而規模一詞幾乎與信用劃上等號, 如何在競爭激烈環境下, 建立治理機制穩健成長且提高經營績效, 是各銀行重要課題, 也是政府主管機關與存款投資大眾所關注的議題各行業在金融風暴後呈現營收衰退的情況, 收入跟成本都往下走, 更要在控管成本與風險部分下功夫, 確保資金運用的安全性, 避免遭受損失從開源至上, 到主攻節流, 這是銀行業能在金融海嘯中獲利的策略之一, 在此風暴中, 許多企業客戶對部分新銀行和外資銀行信心不足, 故本研究透過許多財務指標運算績效之文獻方法中, 整合建立一套較為合理且客觀的標準流程, 進而對銀行業公司經營績效評估分析以台灣銀行中國信託商業銀行兆豐國際商業銀行合作金庫商業銀行臺灣土地銀行國泰世華銀行第一商業銀行華南商業銀行台北富邦商業銀行彰化商業銀行台新國際商業銀行永豐商業銀行台灣中小企業銀行上海商業儲蓄銀行玉山商業銀行花旗商業銀行香港上海匯豐銀行聯邦商業銀行臺灣新光商業銀行台中商業銀行安泰商業銀行元大商業銀行東方匯理銀行陽信商業銀行美商摩根大通銀行京城商業銀行板信商業銀行三信商業銀行 28 家銀行為主要研究對象並深入探討 - 3 -

10 第三節文獻探討有關銀行經營績效方面的文獻, 本研究整理如下 : 劉祥熹葉思聖 (200) 提出以產業組織理論中有關市場結構行為與績效基本理念和分析架構, 其中實證結果指出台灣地區外商銀行產業特性屬於獨占競爭市場, 經營方針走向多元化產品與服務提供, 並藉由設立行銷據點與網路服務促進經營績效目標沈中華王健安 (2002) 使用有關企業與銀行借款明細的財務報表, 檢驗金融機構環境之險惡研究發現粗心放款者假說和金融機構經營績效低落有明顯相關, 因為金融自由化後, 銀行家數目急速增加, 放款審核上相對寬鬆, 使逾放增加速度迅速上升, 而使銀行經營績效低落黃湞鈺 (2003) 採用因素分析萃取財務指標, 作為衡量銀行間經營績效差異的方法, 其結果新舊銀行間並無明顯差異郭秋香 (2004) 以資料包絡分析法評估上市上櫃銀行效率值, 探討加入金控公司與否的銀行效率值差異性, 研究結果發現已加入金控公司下的銀行經營績效優於未加入金控公司之銀行曾昭玲等人 (2005) 引用因素分析法, 以各銀行財務比率評估績效, 並以資料包絡法之績效評估結果, 最後運用追蹤資料模型檢測出逾放比跟經營績效為負向影響 ; 資本適足率則具正向影響蔡芳美 (2005) 選取國內 45 家銀行及 26 項財務比率為研究對象與變數, - 4 -

11 利用因素分析法萃取影響銀行業經營績效的主要因素, 其研究結論發現獲利性因素為最重要的因素, 其中以稅前純益率影響最深王榮祖等人 (2005) 應用灰色關聯分析法擷取代表性指標, 試圖為銀行業建立一套完整績效評估架構, 其研究結果顯示, 銀行業的智慧資本與資本額大小和成立年代長短有關, 卻對績效評比結果無影響陳建宏溫怡俐 (2006) 運用主成分分析法及多元迴歸分析法找出主要影響台灣銀行經營績效之財務指標為 : 流動性因素安全性因素管理能力因素資本結構因素效率性因素成長性因素成本效益因素, 以及我國銀行與外商銀行資產報酬率具有差異性吳朝森阮嬿蓉 (2007) 在服務品質滿意度與經營績效研究中, 以服務利潤連鎖反應為理論基礎, 進行因素分析建立模型, 研究顯示銀行業服務品質與經營績效的關聯性上, 服務品質高低並不會直接影響整體經營績效梁榮輝等人 (2007) 利用因素分析探討外商銀行經營重要影響因素, 並分類探討不同類型外商經營策略結果顯示銀行絕非越大越好, 放款業務收益為顯著負向影響, 最後建議未來銀行應著重非傳統經營業務趙明哲 (2007) 以長期追蹤資料分析法探討本國銀行經營獲利績效影響因素, 其研究實證發現金控子銀行獨立銀行和全體銀行三者相同地方, 為營業費用率, 對經營績效具有負面顯著影響, 顯示三群組之人事及用物費用為獲利減少之主因 - 5 -

12 張幸惠等人 (2008) 以產業組織 S-C-P 理論為基礎, 探討台灣銀行業市場競爭與績效關係, 採用結構方程式的次模式進行分析估計, 實證結果指出樣本研究期間, 加入金控公司的綜效不如預期, 分行設立則有助於銀行提高市佔率梁榮輝廖振盛 (2008) 為探討外商銀行經營績效影響因素, 採用灰關聯分析進行實證研究, 結果顯示外商銀行排名與一般預期相符, 而在影響績效因素部分, 以流動性因素最為顯著, 獲利性因素則不明顯, 外商銀行於當年放款成長率大多為負向, 卻仍有不錯的利潤毛傳志 (2008) 採用敘述統計與邏輯斯迴歸模型進行台灣銀行經營績效評估及風險指標進行研究, 由概度比統計量作適合度檢定, 結果模型顯著, 模型確效力方面為 96% 以上,KS 檢定法亦說明該模型具有良好辨識力林泉源 (2009) 採用近似無相關迴歸以降低殘差異質性和同期相關性, 對台灣銀行業股權結構與經營績效關係, 進行七項公司治理指標與四項績效指標進行驗證, 研究結果顯示台灣銀行股權結構與財務績效間具有顯著關係, 故銀行業者應對本身公司治理指標特別注重, 以提升良好的經營績效廖振盛 (2009) 利用二元邏輯斯模型進行實證模型估計, 探討組織結構與經營績效之關聯性, 分析金控子銀行與獨立銀行經營績效與效率之差異, 實證顯示在經營效率部分, 顯示市場結構已有轉變, 主管機構應避免使台灣銀行業市場恢復到 990 年前的寡占市場 - 6 -

13 施光訓陳佳琪 (200) 藉由自動化金融帳戶使用者之使用知覺, 分析自動化帳戶知覺利益和風險因子間的因果關係及影響程度, 研究結果指出金融業業者可借由改善知覺風險, 以提高使用者的使用知覺, 並可由便利性利益與財務風險了解其改善結果王淑芬謝文馨 (200) 以銀行業財務指標之連結和獲利能力之關聯性, 使用多變量解析法觀察分析財務指標變化, 並使用因素分析主成分分析法設計權重, 研究結果發現 : 民營銀行的長短期經營績效均高於泛公股銀行楊馥如等人 (200) 選擇資料包絡法評估台灣商業銀行技術效率並採用 CAMELS 法指標分析財務績效, 發現財務績效與技術效率無關但與規模效率有關金控公司之銀行較具規模效率且安全性較高獨立銀行具技術效率和較高獲利能力林靜雯吳楊浚 (200) 指出智慧資本是創造公司差異性的重要來源, 依據決策實驗室分析法得到研究結果, 對於硬體投資需更加重視, 否則將會引起顧客抱怨, 進而影響營運績效銀行經營績效研究方法在過去文獻中大多使用因素分析主成分分析法資料包絡分析法及灰色關聯分析法, 因素分析主成分分析法資料包絡分析法和灰色關聯分析法其主要概念為找出最有利影響力最大之財務指標, 並進行績效評估或模型建立, 但是不應該忽略評估準則最差值影響績效排名的效應探討績效問題所使用的方法另有多重準則決策方法 - 7 -

14 (Multiple criteria decision making,mcdm) 中的正理想解偏好順序評估法 (Technique for order preference by similarity to ideal solution,topsis), 此評估法全面考量了評估準則的最佳值和最差值, 因此本研究採用正理想解偏好順序評估法 ( 簡稱偏好順序評估法 ) 為研究方法 TOPSIS 方法之相關應用整理如下 : 陳大銓林偉崇 (993) 使用 TOPSIS 評估方法, 有別於多評準決策模式, 權重衡量方面使用綜合考量的折衷權重法, 比較分析各政策或計畫方案得失優劣情形,TOPSIS 不僅能反應效益或成本準則項目特性, 對於質化準則項目亦可使用, 同時亦為一種較具理論基礎之方法林光等人 (2003) 以財務比率評估海運業財務營運績效, 將財務比率分為償債能力獲利能力投資報酬率及資產與負債週轉率, 使用該文中提出之關係函數, 對各個財務比率進行分群, 再以 TOPSIS 法進行營運績效評估畢威寧 (2005) 以品質交期服務價格為主要因子, 各因子間相對程度, 以層級分析法給予各項權重, 最後使用 TOPSIS 法執行供應商之優劣排序, 建立供應商評估分析模型詹長儒 (2006) 以財務比率觀點配合 TOPSIS 研究方法建立一套客觀績效評估準則, 分析結果得知, 每一項指標之標竿均可為各家銀行學習對象, 思考進步或退步的原由並改進 - 8 -

15 吳有龍等人 (2009) 以多重準則決策 (MCDM) 之灰關聯分析與 TOPSIS 方法評估遊戲廠商的經營績效, 作出一個短期預測模式, 推導出整體績效排名評比林志娟等人 (2005) 提出以等權重距離法熵值權重距離法變異係數權重距離法及平均綜合指標法等四種不同方法的適用性, 應用於大學入學成績各科系平均分數表現的順序估計上, 以衡量各系學生素質, 據以提供學校一個簡單客觀的評估總指標汪安靜等人 (2009) 以企業物流為研究對象, 建立二層次指標體系, 綜合考慮各方面績效指標 ; 利用 AHP 法確定一級指標與各二級指標權重, 並對指標進行標準化處理, 建立 AHP-TOPSIS 評價模型, 最後給出一個算例第四節研究架構本研究以 2008 年金融風暴發生至 2009 年期間, 銀行經營績效為主軸第一章敘述研究緣起和目的並整理相關文獻第二章則是建立研究方法, 並介紹本研究之改進方法與流程, 以模擬方式從各種決策矩陣權重選取及距離測度組合中找出一套最佳處理方法第三章利用前一章所得到的方法配合 28 家銀行 2009 年的實際資料做實證與分析第四章結論與建議中, 可以得知 28 家銀行中分別以東方匯理銀行美商摩根大通銀行和花旗商業銀行為績效前三名 - 9 -

16 第二章研究方法本章節介紹本研究方法偏好順序估計法的主要概念及架構, 再介紹近年來一些學者提出的修訂方法, 最後再介紹本研究的改進方法第一節偏好順序評估評估法偏好順序評估法為一個解決多重準則決策問題的方法, 其中原理是由 Hwang 和 Yoon(98) 所發展出來的概念, 主要想法是找出各評估準則的最佳績效值作為正理想解 (ideal solution), 以及各受評者準則最差的績效值作為負理想解 (negative-ideal solution), 再利用各受評者與正理想解及負理想解之距離, 計算出每位受評者的優先順序下面則敘述其基本架構內容 : 前提假設以 i A, i, Λ, m = 表示 m 個受評者 ; 以 C,, Λ, n = 表示 n 個評估準則令 c i 為第 i 個受評者在第個評估準則下得到的數值, 由 c i 所組成的矩陣稱之為決策矩陣 (decision matrix), 以 D 表示如下 C Λ C Λ C n A c L c L c n M M M M D = A c i i L ci L c in M M M M A c m m cm c L L mn TOPSIS 運算步驟參考 Hwang 和 Yoon(98) 的著作, 敘述如下 : 步驟一建構一正規化的決策矩陣 ' 設在第個評估準則下 m 個受評者的數值資料為 c = [ c Λ c Λ c ], 利 ~ i m - 0 -

17 用向量正規化 (normalized vector) 可得正規化決策矩陣的第 ( i, ) 元素為 r i = c m i i= c 2 i, i, Λ, m, =, Λ, n = () 利用向量正規化的方法將決策矩陣中的數值資料轉換成無計量單位的純數值, 以利在不同屬性的評估準則間作相互比較步驟二建構一加權的正規化的決策矩陣 TOPSIS 方法是假設決策矩陣中每個評估準則為單調遞增或遞減的效用, 當評估準則為正向指標時, 數值愈大則評估準則的偏好程度愈大 ; 數值愈小評估準則的偏好程度愈小當評估準則為負向指標時, 數值愈大則評估準則的偏好程度愈小 ; 數值愈小評估準則的偏好程度愈大, 然而每個評估準則的重要性皆不同, 因此必須從決策者得到一組權重假設權重為 w~ = [ w, Λ, w, Λ, wn ], 其中則加權後之決策矩陣的第 ( i, ) 元素為 w 為第個評估準則的權重, =, 且 =, Λ, n n = w, v = w r, i, Λ, m, =, Λ, n i i = (2) 其中 r i 為加權正規化決策矩陣步驟三決定正理想解和負理想解正理想解與負理想解的原則如下 : 若評估準則是屬於正向指標者, 亦即數值愈大代表評估愈好, 則此評估準則的正理想解為數值最大者, 負理想解為數值最小者反之, 若評估準則是屬於負向指標者, 亦即數值愈大代表評估愈差, 則此評估準則的正 - -

18 理想解為數值最小者, 負理想解為數值最大者假設在加權決策矩陣中, 含有 n 個評估準則, v + 為第個評估準則的正理想解數值, ~ ν + 由所有評估準則之正理想解數值組成, 即正理想解為 ~ ν [ v, Λ, v, Λ, v ], (3) + = n v 為第個評估準則的負理想解數值, ~ ν 由所有評估準則之負理想解數值組成, 即負理想解為 ~ ν = [ v, Λ, v, Λ, v ] (4) 步驟四計算各受評者在各準則的表現和正理想解與負理想解的距離將加權決策矩陣中的第 i 個受評者的評估數值向量 ν = [ v, Λ, v, Λ, v ] n ~ i i i in + 和正理想解 ~ ν 及負理想解 ~ ν 分別以歐氏距離 (Euclidean Distance) 計算分離度 (separation measure) 其中 ~ + ν i 和正理想解 ~ + ν 的分離度 i S 為 S + i n = [ ( v v ) ], i, Λ, m = i = (5) 同理, ~ ν i 和負理想解 ~ ν 的分離度 i S 為 S i n = [ ( v v ) ], i,, m = i 2 2 = L (6) 步驟五計算對理想解之相對接近度接著計算各受評者相對理想解之相對接近度 (relative closeness), 作為評選的標準第 i 個受評者和理想解的相對接近度定義為 Si RC i =, i, Λ, m S + S + i i = (7) + 明顯的, 0 RC 若 RC =, 亦即 S = 0, 則表示第 i 個受評者本身即是 i i i - 2 -

19 正理想解當 RC 愈接近時, 則表示第 i 個受評者也愈接近正理想解 i 反之, 若 RC = 0, 亦即 S = 0, 則表示第 i 個受評者本身即是負理想解 i i 當 RC 愈接近 0 時, 則表示第 i 個受評者也愈接近負理想解 i 步驟六決定受評者優劣順序最後則是根據每個受評者所求出的相對接近度 RC 數值大小依序排名, RC 值愈大者則表示該受評者表現愈好 i i 第二節偏好順序評估法之修正近年來有學者針對偏好順序評估法理論架構中部分要點提出了修訂, 包含決策矩陣權重及距離測度, 本研究將其整理如下 : 一正規化決策矩陣之修正由於 TOPSIS 在建構正規化決策矩陣時會因採用方法不同, 對最後的評估結果造成重大影響, 因此除了採用向量的正規化外,Sinha 和 Sinha(2002) 提出了使用統計標準化的技巧, 將向量正規化稍作修訂, 並得到統計標準化的決策矩陣的第 ( i, ) 元素為 z i = m i= c i ( c c i c ) 2, i, Κ, m, =, Λ, n =, (8) 其中 c = m c i m i=, =, Λ, n - 3 -

20 二權重之修正權重選取常常由決策者主觀所決定, 稱為主觀權重 (subective weight) 故有許多學者建議由數據本身產生權重, 即為客觀權重 (obective weight) 在 TOPSIS 的方法中, 權重選取為非常重要的議題, 產生的方法又有許多種, 本研究只列舉下列三種 ( 一 ) 熵值權重 Shannon and Weaver(947) 提出熵值權重 (Entropy weight) 法, 此方法在社會和自然科學界已成為一個重要方法熵值在資訊理論方面代表的是訊息傳遞的不確定性, 衡量某種訊息所期望的資訊內涵及多寡, 因此, 可藉此用來計算評估準則的相對權重首先計算第個評估準則下, 各受評者的評分比例 p i = m c i= i c i, i, (9) 則熵值 E 定義為 E = ln( m) m i= p i ln( p ),, Λ, n i = (0) 最後計算出熵值權重 w E, = m E,, Λ, n ( E ) = = () - 4 -

21 ( 二 ) 修訂熵值權重決策矩陣的元素 c i, 即某些評估準則的數據, 不一定全都是正值, 有可能為負值或 0, 因此計算熵值 E 會受到影響所以在不改變資料原始的型態下,Zeleny(982) 改善 Shannon and Weaver(947) 熵值權重的缺失, 解決資料中負值及 0 對計算權重的影響 Zeleny 將 (9) 式中的 p i 作了修訂如下 : 令 q i min ci c =, i, c c max min (2) max 其中決策矩陣元素 c i 在第個評估準則下最大值為 c 則令修訂後之 p i 為 min, 最小值為 c, q i i = m p i= q i, i, (3) 再將此 p i 代入 (0) 及 () 式, 則可以得到修訂後熵值 E 為 E = ln( m) m i= p i ln( p ),, Λ, n i = (4) 及修訂熵值權重 w z, w z, = m E,, Λ, n ( E ) = = (5) 另外, 若 q i 值為 0 時, 亦即 p i 值為 0 時, 在技巧上我們令其為一很小的正數, 而不致於影響權重的計算, 並而得到一組權重 - 5 -

22 ( 三 ) 變異係數權重變異係數 (Coefficient of Variation, C.V.) 是一種相對測度值, 比較兩組或兩組以上資料之間的離散程度, 比值愈大代表資料愈分散, 亦是一種去單位化的統計值決策矩陣中 c i 之間的變異大小扮演著重要角色 Sinha(2003) 建議可以使用 p i 的樣本變異數其中 p = m m i= p i = m s m 2 2 p, = ( pi p ) m i=,, Λ, n = (6) 2, 來衡量評估準則數據的差異, 但是 s p, 又和數據的樣本變異係數平方成比例, 其中 n = cv c = m m i= c i, s 2 = m m i= 2 s 2 s p, = = cv 2,, Λ, n m c m ( c i c ) 不一定會等於, 因此林志娟等 (2005) 建議用 = (7) Sinha(2003) 建議用 cv 作為權重, 但是 cv wcv, = n,, Λ, n cv 作為權重, 稱之為變異係數權重 (C.V. Based Weight) 三計算分離度方法之修正 = = (8) Hwang 和 Yoon (98) 提出可用城間距離 (city block distance), 即絕對值距離來計算以城間距離計算 ~ + ν i 和正理想解 ~ + ν 的分離度 i S 為 S + i = n = v i v +, i, Λ, m = (9) 同理, ~ ν i 和反面理想解 ~ ν 的分離度 i S 為 - 6 -

23 S + i = n = v i v, i,, m = L (20) 城間距離與歐氏距離計算各受評者和正理想解及負理想解間的分離度有些許不同, 但箇中主要想法是相似的另外, 有許多學者也提出不同計算分離度方法, 例如 Olson(2004) 以最小絕對價值期 (least absolute value terms, a first power metric) 來衡量距離, 或是以柴比雪夫度量 (Tchebychev metric) 取代歐氏距離 Shyur 和 Shih(2006) 則在計算分離度時, 以權重歐氏距離 (weighted Euclidean distance) 取代 Lin et al. (2008) 以明科夫斯基距離 (Minkowski distance) 取代歐氏距離第三節本研究之改進一關於決策矩陣用向量正規化或統計標準化來建構決策矩陣其主要目的是將原始之決策矩陣中的數值資料轉換成無計量單位的純數值, 以利在不同屬性的評估準則間作相互比較若是數值資料已是一種無單位的比率值, 則不需再做向量正規化或統計標準化的步驟, 直接使用該數值資料建構的原決策矩陣亦是一種選項二關於權重因為變異係數 cv 值有可能為負值, 進而導致變異係數權重結果, 故再修正變異係數權重為 - 7 -

24 2 cv * wcv, = n,, Λ, n 2 cv = = (2) R 語言為免付費的公開軟體, 其中內建多種統計學及數據分析功能, 是一個整合型的資料統計分析及繪圖工具, 也可以作矩陣計算, 其分析速度可媲美 MATLAB 本研究擬就三種決策矩陣轉換( 正規化標準化及原矩陣 ) 兩種權重方法( 修訂之熵值權重和修訂之變異係數權重 ) 及兩種距離測度 ( 歐氏距離和城間距離 ), 共組合出 2 種評估方法, 使用 R 語言撰寫程式進行模擬運算, 針對決策矩陣大小設計由 4 乘 5 至 28 乘 25, 每種大小皆進行一萬次的模擬, 並選擇一組最佳組合方式本研究認為最佳組合方式是能將每一個受評者和正理想解的相對接近度, 即 RC 值, 區隔愈清楚愈好, 亦即所有受評者的 RC 值的變異數愈大愈好因此, 我們選擇的組合方式是在模擬結果中, 其具有最大變異數比率最高者即是最佳組合第四節模擬結果模擬結果附於附錄, 本節節錄其中一些結果列在表 2., 最大變異數次數最多皆發生在修訂之變異係數權重及歐氏距離下, 故本研究最後以原決策矩陣與修訂變異係數權重及歐氏距離之組合進行績效順序排列本研究修正後 TOPSIS 評估法流程圖, 如圖 2. 所示 - 8 -

25 矩陣大小 m n 歐氏表 2. 2 種組合方式模擬一萬次之結果修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間

26 問題定義數據指標所建構之決策矩陣選用修訂後變異係數值權重選用歐氏距離計算分離度計算受評者之相對接近度對受評者排序圖 2. 修正後 TOPSIS 評估法流程圖

27 第三章實證分析與結果本研究引用公開資訊站 2009 年金融業 28 家銀行 : 台灣銀行中國信託商業銀行兆豐國際商業銀行合作金庫商業銀行臺灣土地銀行國泰世華銀行第一商業銀行華南商業銀行台北富邦商業銀行彰化商業銀行台新國際商業銀行永豐商業銀行台灣中小企業銀行上海商業儲蓄銀行玉山商業銀行花旗商業銀行香港上海匯豐銀行聯邦商業銀行臺灣新光商業銀行台中商業銀行安泰商業銀行元大商業銀行東方匯理銀行陽信商業銀行美商摩根大通銀行京城商業銀行板信商業銀行三信商業銀行國際公認 CAMEL 評級制度 (CAMEL rating system) 五大指標原則, 主要目的為協助金融機構並加強控管, 故上述 28 家銀行參考 CAMEL 評級制度擷取出常用的財務指標資料, 利用前節篩選的方法進行經營績效排序其中經營績效衡量指標包含營收成長率資產成長率自我資本率獲利率資產報酬率 (AOE) 股東權益報酬率(ROE) 員工產值股東權益週轉率負債比率產權比率第一節指標定義本研究採用之經營績效衡量指標其分述如下 : 一營收成長率營收為市場變化及市場占有率的綜合結果, 成長率通常表示產品市場正蓬勃或公司市場占有率持續擴張, 通常一個公司的營收成長率越高, 代 - 2 -

28 表公司產品銷售量增加市場佔有率擴大未來成長也樂觀, 使用標準有 :. 公司的營收成長率和整個市場比較 2. 公司營收成長率和同一產業或同產品公司的比較 3. 公司預估營收成長率和公司本身歷史營收成長率的比較 4. 以營收成長率和營業利益成長率的比較用以考量公司成長穩定性和未來成長潛力或趨勢屬於正向評估準則計算公式如下 : 營收成長率 = ( 當年度營收 - 前一年度營收 ) / 前一年度營收二資產成長率分析公司整體資產變動情形, 避免公司經營過於保守或過度膨脹, 防止財務結構脆弱化, 以 20%~40% 最適宜且 Cooper Gulen and Schill (2008) 提出總資產成長率這個最能夠代表公司整體成長的因子屬於正向評估準則計算公式如下 : 總資產成長率 = ( 本期總資產值 - 上期總資產值 ) / 上期總資產值三自有資本率企業營運資金中自有資本所占比率表示自償能力的大小, 即衡量無法對債權人清償的風險程度自我資本率越高企業結構越健全, 說明自償能力越高且對債權人保障越大屬於正向評估準則計算公式如下 : 自有資本率 = 股東權益 / 資產總額

29 四獲利率此獲利率為稅後純益率, 可用以衡量每一元之銷貨收入 ( 營業收入 ) 對稅後純益的貢獻獲利率愈高愈佳, 愈高表示企業的獲利愈大應與當年同業做比較方有意義屬於正向評估準則計算公式如下 : 獲利率 = 稅後純益 / 營業收入淨額五資產報酬率用以考量資產的使用狀態, 即公司每一元資產的獲利能力, 可以呈現出銀行公司整體的經營效益優劣此數據越高則表示銀行公司對資產管理能力越好報酬率也越高屬於正向評估準則計算公式如下 : 資產報酬率 = ( 稅後純益 + 利息支出 ) / 平均總資產六股東權益報酬率此為該年度股東權益的成長速度, 由股東權益成長率可以看出, 該公司的經營階層的目標是否與股東目標一致並以股東權益為主要考量投資大師巴菲特發現, 有持久競爭優勢的公司, 股東權益報酬率幾乎都居高不下重點在於不下這兩個字, 因為不下才意謂持久屬於正向評估準則計算公式如下 : 股東權益報酬率 = 稅後純益 / 平均股東權益七員工產值該指標用以判斷該公司經營效能, 為衡量營運生產力, 可視為內部流

30 程指標, 擁有高員工產值, 反映內部流程效率好屬於正向評估準則計算公式如下 : 員工產值 = 營收總額 / 員工人數八股東權益週轉率評估運用自我資本賺取營業收入淨額的能力, 該比率越高, 表示公司自我資本運用效率高獲利能力越高屬於正向評估準則計算公式如下 : 股東權益週轉率 = 營業收入淨額 / 股東權益九負債比率代表負債占公司資產總額的比例, 公司大量借債擴充, 好處是能促使業務快速成長, 以小資本做大生意但負債比例愈高, 利息負擔愈重, 企業承擔風險的能力也較弱屬於負向評估準則計算公式如下 : 負債比率 = 負債總額 / 資產總額十產權比率指負債總額與股東權益的比率, 是企業財務結構穩健與否的重要指標之一, 此比率反映出清償債權人權益時的保障程度, 該指標越低, 表示企業償還能力越強, 對債權人權益保障越高, 承擔風險越小, 屬於負向評估準則計算公式如下 : 產權比率 = 負債總額 / 股東權益

31 第二節實證結實證結果在 28 家銀行中, 有 9 家為公開發行公司, 憑藉著資本市場所具有的各項優勢, 擴大營運規模並增強競爭力公司計畫上市上櫃之前, 需將公司股票做某種程度流通稱為公開發行, 表示該公司之財務業務等資訊需對外透明化, 向不特定的社會大眾廣泛發售證券並受證券交易法及相關法令所規範首先計算 9 家公開發行公司之銀行, 其中 0 項財務指標之權重正理想解與負理想解列於表 3. 中, 權重偏好程度由大到小為 : 資產成長率資產報酬率獲利率股東權益報酬率營收成長率員工產值產權比率自我資本率股東權益週轉率負債比率表 3. 9 家銀行 ( 公開發行公司 ) 權重與正負理想解財務指標權重正理想解負理想解營收成長率 E E E-02 資產成長率 E E E-02 自我資本率 E E E-04 獲利率 E E E-03 資產報酬率.89360E E E-04 股東權益報酬率.7426E E E-03 員工產值 E E E-02 股東權益週轉率 E E E-03 負債比率 E E E-05 產權比率 E E E-0 最後計算 9 家銀行與正理想解的相對接近度 (RC 值 ) 並列於表 3.2 中 9 家銀行經營績效排名結果分別為台灣銀行 (0.8989) 兆豐國際商業銀行

32 (0.7334) 中國信託商業銀行 (0.5577) 國泰世華商業銀行 (0.4822) 台灣土地銀行 (0.4756) 台北富邦商業銀行 (0.446) 永豐商業銀行 (0.437) 合作金庫商業銀行 (0.3996) 玉山商業銀行 (0.3929) 台新國際商業銀行 (0.3777) 第一商業銀行 (0.375) 華南商業銀行 (0.3644) 彰化商業銀行 (0.352) 元大商業銀行 (0.3466) 台灣新光商業銀行 (0.366) 板信商業銀行 (0.2709) 台灣中小企業銀行 (0.2480) 三信商業銀行 (0.233) 陽信商業銀行 (0.586), 前三名分別為台灣銀行兆豐國際商業銀行和中國信託商業銀行表家銀行 ( 公開發行公司 )2009 年經營績效排名公司名稱 RC 值排名臺灣銀行兆豐國際商業銀行中國信託商業銀行國泰世華商業銀行台灣土地銀行台北富邦商業銀行永豐商業銀行合作金庫商業銀行玉山商業銀行台新國際商業銀行第一商業銀行華南商業銀行彰化商業銀行元大商業銀行台灣新光商業銀行板信商業銀行台灣中小企業銀行三信商業銀行陽信商業銀行

33 接著計算 28 家公開發行公司之銀行, 其中 0 項財務指標之權重正理想解與負理想解列於表 3.3 中, 權重偏好程度由大到小為 : 資產成長率員工產值股東權益報酬率營收成長率股東權益週轉率資產報酬率獲利率產權比率自我資本率負債比率表家銀行權重與正負理想解財務指標權重正理想解負理想解營收成長率 E E E-02 資產成長率 E E E-0 自我資本率 E E E-05 獲利率 E E E-03 資產報酬率 E E E-05 股東權益報酬率 E E E-03 員工產值 E E E-0 股東權益週轉率 E E E-02 負債比率 E E E-06 產權比率 E E E-0 最後 28 家銀行財務指標資料與正理想解的相對接近度 (RC 值 ) 列於表 3.4 中 28 家銀行經營績效排名結果分別為東方匯理銀行 (0.8764) 美商摩根大通銀行 (0.3423) 花旗商業銀行 (0.254) 台灣銀行 (0.0835) 兆豐國際商業銀行 (0.0638) 中國信託商業銀行 (0.0480) 台灣土地銀行 (0.0454) 國泰世華銀行 (0.043) 台北富邦商業銀行 (0.04) 第一商業銀行 (0.0396) 玉山商業銀行 (0.0392) 合作金庫商業銀行 (0.039) 安泰商業銀行 (0.038) 華南商業銀行 (0.0378) 永豐商業銀行 (0.0376) 上海商業儲蓄銀行 (0.0366) 台中商業銀行 (0.0365) 京城商業銀行 (0.0350) 彰化商業銀行 (0.0342) 台灣中小企業銀

34 行 (0.0323) 台灣新光商業銀行 (0.035) 台新國際商業銀行 (0.035) 香港上海匯豐銀行 (0.0308) 元大商業銀行 (0.0304) 三信商業銀行 (0.0287) 聯邦商業銀行 (0.0276) 板信商業銀行 (0.0268) 陽信商業銀行 (0.0245), 前三名分別為東方匯理銀行美商摩根大通銀行和花旗商業銀行

35 表家銀行 2009 年經營績效排名公司名稱 RC 值排名東方匯理銀行美商摩根大通銀行花旗商業銀行臺灣銀行兆豐國際商業銀行中國信託商業銀行台灣土地銀行國泰世華商業銀行台北富邦商業銀行第一商業銀行玉山商業銀行合作金庫商業銀行安泰商業銀行華南商業銀行永豐商業銀行上海商業儲蓄銀行台中商業銀行京城商業銀行彰化商業銀行台灣中小企業銀行台灣新光商業銀行台新國際商業銀行香港上海匯豐銀行元大商業銀行三信商業銀行聯邦商業銀行板信商業銀行陽信商業銀行

36 第四章結論與建議本研究以財務指標為出發點與 TOPSIS 研究方法做結合, 運用模擬方式從 2 種評估方法中選擇一組最佳組合方式, 建立一套客觀的績效評估準則, 進行眾多銀行之績效排名分析本章將綜合整理前序章節觀點, 說明研究結論及未來可行之建議研究方向第一節結論本研究與以往運用 TOPSIS 研究方法不同之處, 本研究提出一種藉由程式模擬來選擇決策矩陣權重方法及距離測度三者中最適合之組合避免了許多直觀與客觀處理決策矩陣選取權重及距離測度之難題, 此乃最明顯之研究成果從多家銀行績效排名的分析結論中發現, 雖然營運方針不同, 卻也發展出自我長處與優點且彼此競爭力驚人, 台灣銀行兆豐國際商業銀行及中國信託商業銀行從公開發行公司層面來看, 為經營績效排名前三名, 然而整體來說, 東方匯理銀行美商摩根大通銀行和花旗商業銀行三家外商銀行也不遑多讓, 對存款大眾與投資者均是不錯的考量但是績效評比排名無法完美無暇去運算, 當中亦包含數多種突發事件和全球金融環境改變等等因素, 但可以依此提供一平台或借鏡, 使銀行同業可以互相參考探討彼此優劣並加以改善提升營收, 並吸收在不利營運的經濟環境下之寶貴經驗 ; 讓企業客戶與一般大眾身處金融風暴時, 仍有足夠信心選擇投資與存款的依據

37 第二節建議與未來研究方向雖然金融業獲利狀況尚未回到金融風暴前的水平, 但 2009 年已大幅好轉, 至於虧損的企業家數目也降低許多以兆豐國際商業銀行為例, 在 2009 年時營收較 2008 年少了 27%, 但是相較於稅後純益卻從億成長到億, 依靠自身外匯與貿易領域的優勢, 成功壓低成本, 搖身一變為銀行同業中年度唯一稅後純益破百的銀行 200 年面對 ECFA, 對金融業而言是一場艱鉅挑戰, 各家銀行是否能從金融風暴中學習經驗因應難關, 仍然有待觀察從實驗結果中發現企業生態悄悄改變, 不再比大小而是靈活反應與戰術策略經營績效評估可以衡量銀行的好壞程度, 透過準則分析, 判斷決策執行正確性也提供投資選擇性如此才是經營績效評估使用原則本研究主要針對 TOPSIS 輔以模擬進而選取出最佳組合, 然而本研究仍有許多方向可以延伸探討, 如多種權重種類與距離測度選取 ; 銀行業經營績效亦有多種財務指標可供選擇, 若能建立完整性的財務指標對績效評比會更有幫助 - 3 -

38 參考文獻中文文獻 :. 公開資訊站 2. 毛傳志,2008, 台灣地區銀行經營績效與風險指標之研究, 國立中央大學財務金融所, 碩士在職專班論文 3. 王淑芬謝文馨,200, 臺灣地區銀行經營績效之分析 - 以泛公股銀行與民營銀行為例, 台灣銀行季刊,Vol.6,No., 頁王榮祖林文恭蔣昭弘,2005, 信託投資公司改制商業銀行之績效評估 - 納入智慧資本之考量, 商管科技季刊,Vol.6,No.4, 頁吳有龍楊倍箕林瑞源,2009, 應用灰關聯分析與 TOPSIS 方法於遊戲廠商財務績效評估模式, 管理科學研究,Vol.5,No.2, 頁吳朝森阮嬿蓉,2007, 服務品質因子整體服務滿意度與經營績效之研究 -- 以銀行業為例, 環球科技人文期刊,No.5, 頁 - 7. 汪安靜龔本剛桂云苗,2009, 企業物流績效綜合評價的 AHP-TOPSIS 方法及應用, 安徽工程科技學院學報 ( 自然科學版 ),Vol.24,No.4, 頁沈中華王健安,2002, 是粗心放款者, 還是壞的借款者使銀行經營績效低落?, 台灣金融財務季刊,Vol.3,No., 頁林光李選士王昱傑,2003, 以財務比率評估海運業財務營運績效之

39 研究, 航運季刊,Vol.2,No., 頁林志娟劉家佑張慶暉林秋華,2005, 理想解類似度偏好順序評估方法之延伸及其應用, 中國統計學報,Vol.43,No.3, 頁林泉源,2009, 銀行業股權結構對經營績效財務績效與股價之影響, 輔仁管理評論,Vol.6,No.2, 頁林靜雯吳楊浚,200, 銀行業營運流程績效關鍵指標之研究, 會計與財金研究,Vol.3,No.2, 頁施光訓陳佳琪,200, 電子金融營運績效與經營策略研析, 績效與策略研究,Vol.7,No., 頁張幸惠涂登才劉祥熹,2008, 台灣銀行業市場結構分行設立與績效關係之探討, 台灣金融財務季刊,Vol.9,No.4, 頁梁榮輝徐中琦廖振盛,2007, 台灣外商銀行財務經營績效與影響因素之實證研究, 華人經濟研究,Vol.5,No.2, 頁梁榮輝廖振盛,2008, 臺灣地區外商銀行在台分行經營績效因素之研究 - 灰關聯分析之應用, 績效與策略研究, Vol.5,No., 頁畢威寧,2005, 結合 AHP 與 TOPSIS 法於供應商績效評估之研究, 科學與工程技術期刊,Vol.,No., 頁郭秋香,2004, 金融控股法實施 - 台灣銀行業經營績效之研究, 南華大學財務管理研究所, 碩士論文

40 9. 陳大銓林偉崇,993, 多評準決策方法中折衷權重與 TOPSIS 結合之應用, 中華技術,No.8, 頁陳建宏溫怡俐,2006, 本國商業銀行與外商銀行經營績效之實證研究, 臺灣銀行季刊,Vol.57,No.3, 頁曾昭玲陳世能林俊宏,2005, 逾放比對銀行經營績效影響之多期性研究, 台灣金融財務季刊,Vol.6,No.4, 頁黃湞鈺,2003, 銀行業經營績效之研究, 國立政治大學企業管理研究所, 碩士論文 23. 楊馥如趙葳仝家駿,200, 銀行業技術效率與財務績效之分析, 會計與財金研究,Vol.3,No., 頁詹長儒,2006, 台灣金融控股公司經營績效評估之研究 :TOPSIS 方法之應用, 東海大學統計所, 碩士論文 25. 廖振盛,2009, 組織結構與經營績效關聯性之研究 : 銀行業的實證分析, 臺灣企業績效學刊,Vol.2,No.2, 頁趙明哲,2007, 本國銀行經營獲利績效之研究, 國立中央大學產業經濟研究所, 碩士論文 27. 劉祥熹葉思聖,200, 臺灣地區外商銀行業經營績效之分析, 臺大管理論叢,Vol.,No.2, 頁蔡芳美,2005, 我國銀行業經營績效評估之研究, 國立中山大學財務管

41 理研究所, 碩士論文

42 英文文獻 :. Cooper, M. J., Gulen, H. & Schill, M. J. (2008). Asset Growth and the Cross-Section of Stock Returns. The Journal of Finance, 63(4), Deng, H.,Yeh, C.H. & Willis, R.J. (2000). Inter-Company Comparison Using Modified TOPSIS with Obective Weights. Computers & Operations Research, 27, Hwang, C.L. & Yoon, K. (98). Multiple Attribute Decision Making: Method and Application. Springer-Verlag, New York. 4. Lin, M.C., Wang, C.C., Chen, M.S. & Chang, C.A. (2008). Using AHP and TOPSIS Approaches in Customer Driven Product Design Process. Computers in Iudustry, 59(), Lusch, R.F. & Brown, J.R. (996). Interdependenc,Contracting, An-drelational Behavior in Marketing Channels. Journal of Marketing. 60(0), Olson, D.L. (2004). Comparison of Weights in Topsis Model. Mathematical and Computer Modelling, 40(7-8), Robbins, S.P. (989). Organization Theory: Structure,Design,and Application. Prentice-Hall, N.J.. 8. Shannon, C.E. & Weaver, W. (947). The Mathematical Theory of

43 Communication. University of Illinois Press, Urbana. 9. Shyur, H.J. & Shih, H.S. (2006). A Hybrid MCDM Model for Strategic Vendor Selection. Mathematical and Computer Modelling, 44(7-8), Sinha, B.K. (2003). Combining Environmental Indicators. Working paper. Department of Mathematics and Statistics University of Maryland Baltimore County.. Sinha, B.K. & Sinha, B.K. (2002). On Some Aspects of MCDM with Environmental Applications. Journal of Statistical Studies: A special Volume in honor of Professor M.M. Ali, Venkatraman, N. & Ramanunam, V. (986). Measurement of Business Performance in Strategy Research: A Comparison of Approaches. Academy of Management Review, (4), Hwang, C.L. & Yoon, K. (995). Multiple Attribute Decision Making: An Introduction. Sage University, California, USA. 4. Zeleny, M. (982). Multiple Criteria Decision Making. McGraw-Hill, New York

44 附錄 :2 種組合評估方式模擬一萬次之結果矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

45 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

46 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

47 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

48 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

49 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

50 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

51 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

52 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

53 矩陣大小修訂之熵值權重正規化標準化歐氏城間歐氏城間修訂之變異係數權重正規化標準化歐氏城間歐氏城間修訂之修訂之熵值權重變異係數權重實際數據建構之決策矩陣歐氏城間歐氏城間 m n 歐氏

96 年 1 月 1 日至 1 月 31 日止累計信用卡業務委員會單一申訴窗口案件分類統計表排序發卡機構名稱催收問題帳款償還及家人信用卡被冒刷或冒信用卡使用及登聯紀特約代償問題領預借現金費用問題錄問題商店其他合計 1 台灣銀行第一商業銀行華南商業銀行 0 4

96 年 1 月 1 日至 1 月 31 日止累計信用卡業務委員會單一申訴窗口案件分類統計表帳款償還及家人信用卡被冒刷或冒信用卡使用及登聯紀特約代償問題領預借現金費用問題錄問題商店 1 台灣銀行 1 1 2 第一商業銀行 1 1 3 華南商業銀行 0 4 彰化商業銀行 0 5 台灣土地銀行 0 6 合作金庫商業銀行 0 7 台灣中小企業銀行 0 8 兆豐國際商業銀行 0 9 中央信託局 0 10