摘要論文名稱 : 以 FAHP-DEA 建構銀行授信決策模型 - 以中小企業為例頁數 :78 校所別 : 國立臺北科技大學工業工程與管理系碩士班畢業時間 : 九十四學年度第二學期研究生

工業工程與管理系碩士班碩士學位論文以 FAHP-DEA 建構銀行授信決策模型 - 以中小企業為例 Use FAHP-DEA to Build Bank Loans Decision-Making Model- Take Small and Medium-Sized Enterprises as an Example 研究生 : 周昱均指導教授 : 王河星中華民國九十五年六月

摘要論文名稱 : 以 FAHP-DEA 建構銀行授信決策模型 - 以中小企業為例頁數 :78 校所別 : 國立臺北科技大學工業工程與管理系碩士班畢業時間 : 九十四學年度第二學期研究生 : 周昱均學位 : 碩士指導教授 : 王河星關鍵詞 : 授信中小企業模糊層級程序分析法 (FAHP) 資料包絡分析法 (DEA) 大量吸收民間零散資金以進行授信放款一直都是銀行主要之業務, 也是銀行重要的獲利來源, 但自從民國八十年政府核准十六家新銀行成立之後, 金融界競爭日趨白熱化, 授信放款業務乃成為兵家必爭之地, 面對民營銀行的高效率與企圖心, 昔日高枕無憂的公營行庫也不得不全力備戰各銀行除了力求服務上差異化外, 在價格方面利誘消費者更是毫不手軟, 但在獲得相費者青睞之後, 衍生的問題卻非銀行本身消受的起 - 逾放比過高的問題鑒於經濟部中小企業處統計, 中小企業佔台灣企業數九成以上, 中小企業融資餘額占整體企業放款約三成比重 ( 對中小企業銀行而言則遠高於此 ), 對銀行存放款業務有很大的影響, 故本文乃以中小企業為評估標的, 利用模糊層級程序分析法 (FAHP) 評選出授信評估之重要指標並與以權重再加入資料包絡分析法 (DEA) 建立一套完整且有效率之授信決策模式, 以有效預防銀行逾期放款比例過高的問題經本研究分析二十二家廠商後可得知, 以績效評分 90 分為界, 高於 90 分之 4 家廠商皆為銀行之優良客戶 ( 未曾有延遲還款或呆帳之情形 ); 低於 ( 包含 )90 分之 8 家廠商, 其中 3 家為該銀行未核准放款之借戶,3 家為核准放款卻成為呆帳之借戶, 另有 2 家則意外為該銀行之優良客戶, 所以本模型生型 I 誤差之機率為 25%, 產生型 II 誤差的機率 0% 驗證模型中本研究再隨機加入四家廠商之資料, 高於 90 分之十七家廠商為核准之廠商, 低於 90 分之 9 家為不核准之廠商, 本驗證模型產生型 I 誤差之機率 22.2%, 型 II 誤差之機率 5.9% 因此藉由本模型獲得績效排序, 可明確得知廠商營運之優劣 i

ABSTRACT Title:Use FAHP-DEA to Build Bank Loans Decision-Making Model- Take Small and Medium-Sized Enterprises as an Example Pages:78 School:National Taipei University of Technology Department:Department of Industrial Engineering and Management Time:July, 2006 Researcher:Yu-Jun Chou Degree:Master Advisor:Her-Sing Wang Keywords:Loans, Small and Medium Enterprises, Fuzzy Analytic Hierarchy Process (FAHP), Data Envelopment Analysis (DEA) It is a major business as well as an important profit-making source for banks to attract large amounts of scattered capitals for loans. Since the authorized establishment of 6 new banks in 2002, competition in financial industry has become fierce day by day. Faced with high efficiency and enterprise of banks in private sector, once carefree state- operated banks have to fully gear up for the competition. In addition to differentiated services, banks spare no efforts to attract consumers by low price. However, derived problem of too high loan/deposit ratio is what banks cannot stand. According to the statistics of Small and Medium Enterprises Department of Ministry of Economics, Small and Medium Enterprises account for more than 90% of the total enterprises in Taiwan with 30% of total bank loans to enterprises. Small and Medium Enterprises have a huge impact on bank deposit/loan business. Therefore, this paper aims at evaluating small and medium enterprises. A series of complete and efficient loan decision-making models are set up by important loan appraisal indicators produced by FAHP and weighed plus DEA to effectively prevent the problem of too high rate of overdue loans. It can be told from the analysis of the 22 businesses in this study, divided by performance grade of 90, 4 businesses with grades more than 90 are all excellent bank clients (without overdue loans or bad debts). Among the 8 businesses with grades less than (including) 90, 3 businesses are the borrowers never authorized by the bank, 3 ii

businesses are authorized borrowers of bad debts while the rest 2 businesses turn out unexpectedly to be excellent borrowers of the bank. Therefore, Type I error probability is 25% of this model and Type II error probability of this model is 0%. Data of 4 more businesses are randomly added into the validation model of this study, 7 businesses with grades more than 90 are authorized businesses and 9 businesses with grades less than 90 are unauthorized businesses. Type I error probability of this validation model is 22.2% and Type II error probability of this validation model is 5.9%. Hence, with the help of the performance hierarchy acquired from this model, the operational status of businesses can be clearly learned. iii

誌謝兩年前, 以一顆忐忑的心進入北科工管, 總是想著自己是否能勝任這陌生且廣闊的領域, 可是在內心深處我卻又相信, 我一定可以, 就是這股可笑的自信, 讓我在兩年的學習過程中, 不斷挑戰自己, 鞭策自己, 雖然在課堂上我仍時常不敵瞌睡蟲侵襲, 因此我要感謝三位同窗摯友 - 庭瑋大頭 ( 永展 ) 彥毅 ( 依叫我起床次數排序 ), 沒有你們, 我的遠大理想及雄心壯志皆在睡夢中灰飛湮滅! 兩年來, 在工管這塊領域上, 我的所學雖只是滄海一粟, 但在自我學習的訓練上, 卻讓我無論現在或未來皆獲益匪淺, 這都要感謝我的恩師 - 王河星博士與車振華博士, 以及細心指導本人論文的口試委員 - 陳琨太博士, 若非老師們循循善誘諄諄教誨, 學生焉能順利完成學業! 時光荏苒, 我也即將告別校園, 入伍從軍, 感謝一路栽培我的父母爸媽 : 從小, 我總是讓你們掛心, 謝謝你們讓我無後顧之憂, 順利完成學業 ; 感謝從小最疼我的爺爺奶奶, 兩位總在我失意時鼓勵我的姊姊 ; 還有許許多多幫助過我, 鼓勵過我的同學學長 ( 姊 ) 學弟 ( 妹 ), 真的很謝謝你們此外 : 大頭 : 盼你早日完婚, 不必特地等我退伍了彥毅 : 相信你的熱情, 終能融化冰山! 祝福你! 庭瑋 : 今天, 你的馬岱贏了, 我很替你高興! 這是你邁向廠長的一大步! 前年四月, 正是水深火熱, 我卻總在半夢半醒之間, 妳擔心我考不上研究所 ; 去年七月我被存貨模型弄得精疲力竭, 妳不厭其煩教我推導 ; 今年, 更是風風雨雨, 未曾停歇, 儘管如此, 妳依舊伴隨著我, 謝謝妳! 韻芝 iv

目錄中文摘要...i 英文摘要...ii 誌謝...iv 目錄...v 表目錄...vii 圖目錄...viii 第一章緒論.... 研究背景....2 研究動機...5.3 研究目的...6.4 研究範圍與限制...7 第二章文獻探討...8 2. 銀行授信決策...8 2.. 銀行授信之種類...8 2..2 授信決策之形成...0 2..3 授信決策之流程...3 2..4 授信決策之缺失...4 2..5 探討授信決策之相關文獻...4 2.2 台灣中小企業概況...5 2.. 銀行對中小企業授信與相關文獻探討...6 2.3 層級分析法...8 2.3. AHP 基本假設...8 2.3.2 AHP 法進行步驟...9 2.3.3 AHP 的適用範圍...20 2.3.4 AHP 的應用領域...2 2.4 模糊理論...23 2.4. 模糊理論概述...23 2.4.2 模糊集合 (Fuzzy Sets) 與歸屬函數...23 2.4.3 模糊數...24 2.4.4 模糊運算...25 2.4.5 解模糊化...26 2.4.6 模糊語意變數...27 2.5 模糊層級分析法 (Fuzzy AHP)...28 2.6 資料包絡分析法 (Data Envelopment Analysis,DEA)...28 2.6. 資料包絡分析法的定義與衡量...29 2.6.2 CCR 模式...29 2.6.3 BCC 模式...30 2.6.4 DEA 模式之特質...3 2.6.5 DEA 使用程序...32 第三章研究方法與架構...34 v

3. 研究方法...34 3.. 資料包絡分析法之缺陷...34 3..2 層級分析法之缺陷...35 3.2 研究架構...35 第四章案例導入與結果分析...44 4. 因素之選取...44 4.2 FAHP 法之運作...48 4.2. 問卷回收與檢定...48 4.2.2 銀行授信決策準則權重之建立...50 4.3 資料包絡分析法之運作...55 4.3. 資料蒐集與處理...55 4.3.2 分析結果...6 4.3.3 模型之驗證...63 第五章結論與未來方向...66 5. 研究結論...66 5.2 研究貢獻...66 5.3 未來研究方向...67 參考文獻...69 附錄...74 vi

表目錄表 2. 授信決策相關文獻整理...5 表 2.2 中小企業授信之文獻整理...7 表 2.3 模糊語意變數轉換尺度表...27 表 3. 兩者相對重要性之模糊語意尺度...40 表 4. 銀行授信決策之評估準則...44 表 4.2 評估矩陣的隨機指標值...48 表 4.3 合格問卷範例及一致性檢定結果...49 表 4.4 模糊成對比較矩陣...5 表 4.5 整合後之模糊成對比較矩陣...52 表 4.6 各準則之模糊權重...54 表 4.7 第二層四大因素之模糊權重...54 表 4.8 層級串聯後之模糊權重...55 表 4.9 22 家廠商資料表...56 表 4.0 整理後之廠商資料表...60 表 4. 驗證之廠商資料表 ( 已處理 )...63 vii

圖目錄圖. 金融業十大病灶...2 圖 2. 企業授信之種類...9 圖 2.2 銀行授信決策模式... 圖 2.3 授信作業流程...3 圖 2.4 AHP 流程圖...20 圖 2.5 梯形模糊數...25 圖 2.6 三角形模糊數...25 圖 2.7 DEA 流程圖...33 圖 3. 本研究之研究流程圖...37 圖 3.2 研究核心架構圖...38 圖 3.3 模糊語意之歸屬函數...40 圖 3.4 本研究資料處理程序圖...42 圖 3.5 Frontier Analyst Professional 使用介面...43 圖 4. 銀行中小企業授信決策準則之架構...47 圖 4.2 Frontier Analyst 之分析結果...6 圖 4.3 加入驗證廠商之分析結果...64 viii

第一章緒論在 97 年金融風暴席捲亞洲, 台灣雖有鶴立雞群之勢, 風暴過後卻難掩疲態, 不但台幣驟貶, 金融弊病逐一浮現, 最嚴重者莫過於銀行逾放比過高的問題兩千年所爆發的中興銀案更暴露出民間銀行不當授信造成逾放比過高的重大隱憂, 加上近來大型金控紛紛成立, 競爭激烈不在話下, 於是各銀行為求業績不惜放寬借貸之限制, 惡性循環的結果就是接二連三的呆帳, 而中小企業的低信用即是呆帳的主要來源之ㄧ中小企業信用不佳早已是陳年痼疾, 主要因為中小企業本來規模就小, 加上獨資企業佔大多數, 往往缺乏專業經理人治理, 稍有不慎即虧損連連, 因此讓銀行望之卻步, 但中小企業對數十年來的台灣經濟貢獻甚鉅, 可說是台灣經濟奇蹟的最大功臣基於此, 政府一直鼓勵中小企業與銀行間資金融通, 只是, 在資金取得越來越容易的今日, 我們必須用更嚴謹的態度來面對先天不良的中小企業, 才不致使政府多年來的美意淪為全民的負擔本文為此建立一套完善的授信評估決策模型, 並以最繁瑣且難以評估之中小企業為對象, 希望提供給各銀行相關單位作為決策參考標的, 藉此徹底改善銀行逐漸弱化的體質, 進而穩固台灣金融體系!. 研究背景近年來台灣經濟局勢與金融體系發生極大的轉變, 主要是亞洲金融風暴的後遺症與台灣潛在金融危機 97 年 8 月加權指數站上萬點, 社會大眾在歡欣鼓舞之時, 完全忽略東南亞各國經濟已遭金融風暴重創, 尚以為台灣得天獨厚能在哀鴻遍野的情況下逆勢上揚, 不到半年, 央行不敵國際匯市, 台幣由 28 塊多重貶至 3.5 並持續走貶 ; 台股也大跌至七千多點, 同時廣義貨幣 M2 供給額年

增率降至 7.09%, 創下歷年來新低, 可看出銀行放款趨緩, 投資成長銳減, 景氣不佳使資金需求降低, 銀行經營便陷入困境, 銀行業為了拉抬業績, 為求獲利不擇手段的後果 ( 信用卡大戰即是一例 ), 使台灣金融弊病逐一浮現我們可以由陳松興阮淑祥 (2003) 所著一兆元黑洞 - 為台灣金融重建工程把脈一書中看到台灣金融業十大病灶 ( 分為四大項 ): 圖. 金融業十大病灶資料來源陳松興阮淑祥 (2003): 一兆元黑洞 - 為台灣金融重建工程把脈 () 總體經濟環境惡化 : 2000~200 年台灣經濟負成長 2.8%, 失業率竄升至 5% 以上, 景氣衰退程 2

度五十年來僅見銀行面臨呆帳迅速爬升, 獲利不足以打消呆帳, 銀行無法隱藏逾放過多又急需高獲利, 只好從事賭博式的高風險投資 (2) 產業西進與經濟轉型緩慢企業陸續將工廠外移, 大陸開放後, 台商產能大多西進, 使本地銀行企業金融逐漸式微, 人才也紛紛流向大陸另外台灣在製造業優勢被大陸取代之後, 應提升服務業之比重, 但因國內政經情勢不佳而轉型緩慢 (3) 資產泡沫化 989 年開放銀行新設, 造成過度競爭, 各銀行為了爭取放款, 忽略基本授信原則, 企業爭相借款從事投機行為, 直接影響不動產與股市的價格, 造成非理性繁榮的假象, 因此不動產與股票作為擔保品往往被高估其價值, 使呆帳機率大為提高 (4) 金融產業結構設計錯誤台灣金融產業結構的設計一開始便採取仿美國的分業專業經營原則, 主要是因為怕銀行太大無法有效管理, 但此舉並未考量經濟規模與效率的問題, 何況台灣與幅員廣闊的美國差異頗大, 所以財政部在 200 年提出金融控股公司架構允許跨業經營, 並迅速完成立法發放執照, 但草率的過程卻衍生許多問題 (5) 過度競爭與直接金融興起致獲利偏低政府積極開放新銀行加入競爭卻未積極監管營運不佳之金融機構, 造成銀行間削價惡性競爭, 例如以超低利率爭取放款以降低逾放比, 卻無法收取合理的利息 ; 信用卡家家都免年費, 卻非每家銀行都能損益兩平 (6) 擔保品的授信文化 3

過去大家習慣以最能保值的不動產作為擔保品, 但隨著經濟不景氣, 不動產市場低迷, 這些不動產已成為銀行不動的存貨一方面, 銀行授信已不適合以擔保品為主要評估依據 ; 另一方面, 銀行最常收受的擔保品 - 不動產的價值往往被高估且流通性低, 造成違約後回收不易所以銀行應該建立內部信用評估制度, 並支持推動企業信用評等相關制度 (7) 透明度不足本國市場透明度嚴重不足, 市場能揭露的資訊有限, 而銀行也不喜對外發布資訊, 只能依賴主管機關的監管最明顯的例子是銀行逾放比 ( 拖欠本金或利息之放款總額除以放款總額 ), 主要因為監理規定鬆散, 執行不嚴以至於銀行逾放比與國際標準漸行漸遠 (8) 缺乏即時糾正及退出機制即時糾正指銀行財務業務惡化以致對存款人債權人之權益有損失, 主管機關必須介入退出市場則是利用清算合併概括承受過渡銀行等應用, 讓不具生存能力之銀行有秩序的退出市場若無此二機制, 容易對金融市場造成極大傷害, 中興銀案, 即是最好之負面教材 (9) 欠缺獨立性導致不當紓困及干預許多被不景氣擊垮而面臨淘汰的企業, 運用政商關係要求政府介入請銀行團紓困, 以至於銀行投入許多資金在沒有前景的企業, 完全違反市場經濟原則, 也讓銀行暴露在更大的風險之中簡單說, 不當紓困只是浪費社會資源, 對經濟成長與產業競爭力都只有負面的影響安鋒鋼鐵與東帝士集團即是不當紓困造成社會動盪不安 (0) 監理機關的寬容與姑息金融監理旨在維護金融體系的安定確保存款人權益, 所以監理機關 4

必須注意市場健全與否, 銀行資訊是否充分被揭露, 銀行是否涉及違法, 但監理官都非常清楚積極查核的結果將會慘不忍睹, 例如對逾期放款認定的寬鬆導致資本適足率失真另外, 由於法律授權不完整導致監理官介入時通常已經病入膏肓, 只好任其維持營運之假象, 以求社會秩序安定由陳阮二人所著當中可清楚了解本研究之背景, 即近年來台灣金融體系之轉變與弊病, 簡言之, 台灣金融業已非數十年前金飯碗時代, 取而代之的是烽火連天的殺戮戰場, 金融業在內憂外患之下, 除了削價競爭, 勢必得另謀出路, 才能在這風雨飄搖的時代中站穩腳步.2 研究動機根據管理大師 Michael Porter(980) 提出企業競爭兩大策略 : 產品差異化與價格領導, 我們可以看見檯面上的價格競爭早已是短兵相接的割喉戰, 思考如何使產品服務差異化成為各銀行當務之急由本文背景我們了解現今台灣金融環境之困境, 所以本研究以金融業者的角度來尋找可行之道大環境的不景氣與大陸磁吸效應自然不是金融業者本身所能掌控 ; 而結構面的問題由來已久, 需要政府與立法機關積極修改, 金融業者充其量也只是任人擺佈的棋子, 所以我們必須知道當外在環境因素不可抗拒之時, 我們是否應著力於金融業者內部的控管! 在市場激烈的競爭下, 表面的數字蒙蔽了大眾也讓業者本身忽略了真正的危機, 由之前現金卡浮濫至今許多銀行停止現金卡業務可知, 亮麗的現金卡發卡量, 造就驚人的呆帳, 更造就許多年紀輕輕便信用破產的新貧戶相關主管機關與金融業者也發現不能一味的以促銷式手法拓展業務, 銀行本身對資金需求者也必須審慎評估, 降低風險經建會更是具體地指出, 信用評等可促進債市建康及資訊透明度的提升在財政部輔導下, 民國 86 年 5 月 29 日正式成立的我國第一家信用評等公司, 但是台灣推行信用評等的速度仍然緩慢, 至今公佈信評結果的公司仍是少數, 這跟 5

本土企業不喜自我揭露資訊也有關係, 但大眾對信評認識不深, 不知其重要性恐怕才是主因如上所述, 銀行業者要依賴不知何時能普及的信評機制, 似乎緩不濟急, 而巴塞爾第二號資本協議中提及的內部信用評估 (Internal Rating Based) 又是植基於外部信評機構所提供之信用等級, 另外, 廣大中小企業是否都會申請信用評等也是一大問題, 但銀行卻不可避免必須跟中小企業往來, 所以本研究希望能在企業信用評等制度尚未普及前, 讓血流不止的銀行業止血, 以撐過寒冷的後金融風暴時代.3 研究目的銀行授信決策無可避免以人為決策最為關鍵, 相對的使不當授信的風險提高 (ex. 關係人放款 ), 何況業務繁重, 人難免也會出錯, 所以本研究以模糊層級分析法結合資料包絡分析法建構一授信決策模型, 讓銀行業者在從事授信放款業務時, 有更精確的依據, 本研究還有幾項主要目的, 條列如下 : () 資料包絡分析法 (DEA) 一向被運用在績效評估之領域, 本研究希望藉由 DEA 做為信用評估之工具, 將無形的信用具體化, 成為一有形的效率指標, 作為授信與否最重要之依據 (2) 本研究如果純粹以資料包絡法評估各企業之信用, 在權數設定方面會有權數為零的缺失, 所以本文嘗試以模糊層級分析法解決資料包絡分析法權數設限的問題, 讓 DEA 分析結果更客觀 (3) 由於本研究評估標的是各企業之信用, 所以在投入與產出的選取方面會遇到非量化或無法以單期來評斷的問題, 本研究嘗試利用模糊理論 (Fuzzy Theory) 解決此一問題, 使蒐集到的投入產出資料得以順利的被分析 (4) 本研究將蒐集民間銀行業者相關授信決策資料, 作為投入產出之依據, 並追 6

蹤觀察各樣本後續還款情形是否良好, 以便與分析結果做驗證.4 研究範圍與限制 () 本研究旨在建立銀行授信決策模型, 模型主要在於評估企業經營與信用狀況 (2) 本研究基於資料包絡法對受測單位限制, 僅針對中小企業, 不考慮大型企業 (3) 由於資料取得不易, 故本模型之準則僅限於可收集到之企業報核書內, 其餘皆不考慮 (4) 本研究著重於銀行對中小企業之授信業務之融資業務, 對業務細節, 例如, 金額大小, 幾年償還皆不考慮 7

第二章文獻探討授信決策並非一個全新的議題, 對於一間銀行或一家金融業者來說, 這是每天都必須面對的重大決策, 從受理徵信分析審查簽約撥款以致於事後管理, 往往花費大量人力物力, 結果卻不如人意, 尤其授信業務受景氣影響至深, 讓人有靠天吃飯之疑慮有鑒於此, 多年前便有學者專家針對授信相關議題進行探討, 企圖在有限的線索中找出規律性, 以便最出最佳之決策本章共有銀行授信業務探討台灣中小企業概況層級分析法模糊理論模糊層級分析法資料包絡分析法六部分 2. 銀行授信決策依據銀行法第 5 條之 2 規定, 稱授信者, 謂銀行辦理放款透支貼現保證承兌及其他中央主管機關指定之業務項目, 所以授信意指銀行對客戶授與信用, 並負擔風險已賺取利息之業務 2.. 銀行授信的種類所謂授信, 係指銀行對於顧客授與信用, 並負擔風險之業務, 銀行授與信用之型態可分為兩種, 一為銀行以其所有之資金貸與需要者, 以賺取利息之直接授信 ; 一為銀行利用其特有之信用創造功能辦理保證匯票承兌簽發信用狀等, 非直接貸與資金之間接授信依財政部函頒之銀行對企業授信規範, 將銀行辦理之授信業務分為融資業務票據承兌業務及保證業務三大類 : 8

圖 2. 企業授信之種類資料來源 : 金融人員研究訓練中心銀行授信實務概要 (2000) 另依本國銀行現行實務劃分, 授信種類如下 ( 邱潤容,2003): 一依期間來劃分 :. 短期放款 : 期間在一年以內 2. 中期放款 : 期間在一年以上, 七年以內 3. 長期放款 : 期間在七年以上二依擔保品分 :. 擔保放款 : 對銀行之授信, 提供下列之一為擔保者 : a. 不動產或動產抵押權 b. 動產或權利質權 c. 借款人營業交易所發生之應收票據 d. 各級政府公庫主管機關銀行或經政府核准設立之信用保證機構之保證 9

2. 無擔保放款 : 謂無前條各款擔保之授信三依授信戶之借款用途與還款來源可分為下列三種授信型態 :. 資產轉換型 (ASSETS CONVERSION) 融資使企業能支應取得原物料增加存貨支付工資或購買應收款項等短期性營運資金之需求, 還款財源為營業收入 2. 現金流量型 (CASH FLOW) 提供企業中長期所需資金, 包括融通經常性營運資金特定資本支出投資理財等, 還款財源為保留盈餘 3. 資產保障型 (ASSETS PROTECTION) 銀行是當鋪這句話所表示的即是此一類型之授信, 銀行並不重視資金的借款用途及還款來源, 僅著重擔保品的變現價值是否足以償還借款金額 2..2 授信決策的形成銀行要形成最佳授信決策首先, 須蒐集相關的資訊, 可由企業的財務資料及非財務資料兩方面著手, 然後, 運用授信 5P 原則償債能力分析客戶毛利率貢獻分析等決策方法, 將企業的財務資料及非財務資料加以分析研判, 以作為是否授予信用的依據授信決策模式如圖 2.2 0

圖 2.2. 銀行授信決策模式資料來源 : 潘錫將銀行如何利用企業財務報表資料作授信決策 ( 994) 銀行業採用一般公認較能符合判斷標準的評估因素有五項, 即美國銀行家 Paul H. Hunn 提出的五項基本原則 ( 通稱為 5P 原則 ) 借款戶 (Personal factor) 資金用途 (Purpose factor) 還款財源 (Payment factor) 債權確保 (Protection factor) 授信戶展望 (Perspective factor) 茲將授信 5P 原則簡述如下 :( 謝文堅, 2002) 一借款戶因素 (Personal factor) 主要在於評估借款戶的責任感經營成效及與銀行往來之情形, 所需了解的事項包括 :

. 營業歷史 ( 創立時間企業生命週期及營業項目 ) 2. 經營能力 ( 營收金額增減趨勢獲利能力 ) 3. 誠實信用 ( 過去對承諾之履行財務報表之可信度 ) 4. 關係企業情況 5. 往來銀行之存款外匯往來實績與放款是否相稱, 是否主動提供徵信資料等二資金用途因素 (Purpose factor) 借款資金的運用目的, 是作為授信評估的重要因素之一, 健全的授信業務應重視借款資金用途是否正當, 並在貸放後加以追蹤是否依原定之資金用途運用, 借款用途可分為三類 :. 購買資產 2. 償還既存債務 3. 替代股權一般而言, 以購買資產為最佳之資金用途, 償還既存債次之, 替代股權銀行要承擔最高之風險, 為最差三還款財源因素 (Payment factor) 還款財源是確保借款本利回收的先決條件, 因此為授信人員評估授信案件的核心, 各項借款之還款財源為 :. 臨時性週轉金貸款 2. 經常性週轉金貸款 3. 設備資金貸款四債權保障因素 (Protection factor) 債權保障為銀行收回貸款之第二道保障, 債權保障主要可分為 :. 內部保障 2. 外部保障五授信戶展望因素 ( Perspective factor) 即承接本件授信案之利弊如何銀行承接一授信案件之利益不外有利息手續費保證費及承兌費等收入或借款戶所能為銀行增加之相關業務 ( 如存款外匯等 ) 之往來但銀行相對的也需承擔下列的風險 :. 無法按期收回的流動性風險 2. 無法收回本金利息的財務風險 2

3. 利率及匯率不利變化可能遭受損失之利匯率風險 2..3 授信決策之流程流程包括與客戶的洽談受理申請徵信調查擔保品之鑑估分析審核核准貸放進行借保戶之對保簽約擔保品之抵押權設定以致最後將資金以轉帳方式撥貸至借款戶之銀行帳戶內, 茲將相關授信作業流程列示如圖 3.3 圖 2.3 授信作業流程資料來源 : 初復新銀行放款實務 (98) 3

2..4 授信決策之缺失授信過程的瑕疵或是決策失當都是造成逾放比過高的元兇, 而本研究最終目的即為降低銀行逾放比, 因此本研究在建立模型前, 必須了解銀行授信之缺失, 以下分為放款管理因素與銀行授信因素兩部分 :( 林俊吉,2002) ㄧ銀行放款管理因素 :. 企業徵信資料失實或不完整 2. 擔保品鑑價失當 3. 銀行承受過度經營績效壓力或同業的競爭情勢, 從事高風險性放款 4. 放款管理不當, 未掌握確實償債財源或資金流向 5. 銀行主管或高層指示不當放款二銀行授信決策因素 :. 授信專業人才不足 2. 貸放後疏於管理, 未提早發現借戶危機 3. 授信決策過度依賴擔保品以上缺失為授信放款失當導致逾放比過高之主要原因本研究以上述原因為解決摽的, 將採用資料包絡分析法建立授信決策模型, 將參閱各文獻並採用專家問卷挑選出若干項評估準則作為投入與產出, 但資料包絡法尚不足以使模型完善運作, 所以本研究將採取其他方法作為輔助 2..5 探討授信決策相關文獻關於授信決策模型, 約起源於 80 年代, 以下為本研究針對授信決策相關文獻所作之整理 : 4

表 2. 授信決策相關文獻整理作者 / 年份分析方法 Capon(982) 利用迴歸分析與區別分析 Srinivasan, Venkat & Kim (988) 區別分析法線性規劃 Logistic 迴歸模式分析層級程序法 (AHP) 蘇秋凰陳耀竹 (99) 模糊理論與模糊排序分析應用在信用評等林蔓蓁 (994) 類神經網路來評估授信客戶的風險 Begley et al.(996) 區別分析法 Logistic 迴歸分析馮志剛 (996) 張志向 (997) 吳俊儒 (2002) Stepanova and Thomas(2002) 運用因素分析法, 模糊層級程序法建立授信評估模型以國內某商業銀行符合中小企業的授信案件進行實證研究存活分析法 Malhotra(2003) 區別分析法倒傳遞類神經網路 Lundstedt(2004) MDA Logit 模型與 BSM 模型 Berg(2005) 區別分析法類神經網路 2.2 台灣中小企業概況所謂中小企業係指經營規模相對比大企業為小之企業然企業之規模應如何認定, 常需依許多衡量標準, 如總產出銷售總值總資產總資本投入及雇用人數等不同之經濟指標來衡量企業規模大小, 且可能因政府之政策產業特性及國情差異有所不同, 故中小企業之定義並非是絕對一成不變的, 而 5

是會依經濟指標彈性修訂的我國首次正式公布中小企業之定義始於民國五十六年九月, 其後經過七次修正, 並於八十四年九月所修訂之中小企業認定標準, 除將實收資本額予以調升外, 也參考其它國家對中小企業之認定標準, 增訂經常雇用人數之條件限制, 而採行雙軌制之認定標準本研究中之中小企業定義, 將依經濟部於民國八十九年五月所頒定之最新中小企業認定標準中之資本額及雇用員工數兩項條件為基礎 ( 經濟部中小企業處, 民 92) 凡合乎下列標準之一者, 均視為本研究所定義之中小企業 ( 一 ) 製造業營造業礦業及土石採取業 : 實收資本額八千萬元以下者或經常雇用員工數未滿二百人者 ( 二 ) 農林漁牧業水電燃氣業商業服務業 : 前一年營業額在新台幣一億元以下者或經常雇用員工數未滿五十人者 2.2. 銀行對中小企業授信與相關文獻探討楊和炳 (993) 就銀行授信評估的角度看中小企業融資問題的癥結主要在 : () 中小企業本身財務結構不健全, 財務報表與實際不符, 造成報表審核困難 (2) 企業營業額銳減, 形成新貸續貸案件之障礙 (3) 企業資金外移, 利率匯率變動, 中小企業營運風險提高 (4) 企業自有資金不足, 且用途不當 (5) 貨幣政策提高銀行經營轉趨穩健保守 (6) 中小企業缺乏理財人才, 經濟環境變動時易造成錯誤的投資判斷 (7) 中小企業多屬勞力密集之家族企業, 技術提升困難, 競爭力較薄弱 (8) 中小企業購置土地, 貸款成數過低, 形成資金壓力 (9) 資金緊俏時, 商場交易習慣改變, 如購料採現金交易, 引起週轉失靈 (0) 企業還款來源無法掌握 6

以下為中小企業授信之相關文獻 : 表 2.2 中小企業授信之文獻整理作者 / 年份 Petersen and Rajan (994) Ang, Lin and 研究內容以中小企業為樣本, 指出銀行與企業的長期往來關係可減輕借貸市場中資訊不對稱的問題強調負責人信用風險對中小企業信用品質有顯著影響 Tyler (995) Nadine(996) 認為中小企業借方潛在議價能力相對不如大企業, 其融資管道亦較大企業少 Francis, Graham and Patrick(996) 黎法寬 (997) 針對中小企業所做的實證研究以多元迴歸分析法為計量工具, 發現清算價值公司規模及已為上市公司與中小企業長期負債呈正相關建立中小企業信用分析模式, 除財務資料外, 加入三項銀行往來關係變數, () 往來銀行家數 (2) 是否以短期融資為主 (3) 融資寬裕度等非財務性資料黃重菁 (998) 探討新舊銀行在中小企業授信決策上的考量因素有何差別, 研究發現新舊銀行都很重視擔保品因素劉凌鋒 (998) 以個案研究法為主, 訪談中小企業主, 歸納出中小企業在借款上面臨的問題劉玉皙 (200) 認為信用評等主要是對企業的償債能力進行評比, 可以提供借款人與債權銀行許多好處唐于雅 (2003) 探討銀行往來關係對中小企業借款條件與授信風險之影響陳忠賢 (2004) 以違約風險高低當作銀行對中小企業授信案之授信訂價依據, 充分反映不同信用風險溢價, 以公平向客戶收取費用 7

2.3 層級分析法層級分析法 (AHP) 是由美國匹茲堡大學教授 Thomas L. Saaty 在 97 年 (Saaty, 977, 980) 為美國防部從事應變計畫問題研究所發展的決策方法, 多年來其已運用於經濟規劃以及許多社會管理科學的領域當中, 主要目的是協助決策者解決含有多屬性的複雜問題, 並藉由系統結構法, 將錯綜複雜的評估問題建立不同層級架構, 由不同層面給予層級分解, 藉由決策者進行兩兩因子的比較, 且給予一個相對重要值的判斷, 以構建出所有因子對於決策問題的影響性大小, 透過量化判斷, 有助決策者對事物瞭解, 減少決策錯誤風險性 2.3. AHP 基本假設 (Satty,980): 在使用 AHP 前, 需要了解幾個主要的假設, 該方法的基本假設如下 :( 鄧振源等,989) ( 一 ) 一個系統問題可分解成許多種類或成份, 並形成網路層級結構 ( 二 ) 層級結構中, 每一層級的要素均假設具有獨立性 ( 三 ) 每一層級內要素, 可用上一層級內某些要素作為評準進行評估 ( 四 ) 進行評估時, 可將絕對數值尺度轉換為比例尺度 ( 五 ) 各層級要素進行成對比較後, 可使用正倒矩陣處理 ( 六 ) 偏好關係滿足具遞移性, 且優劣與強度關係也滿足遞移性 ( 七 ) 容許不具遞移性的情形, 但需測試其一致性的程度 ( 八 ) 要素的優先程度, 可用加權法則求得 ( 九 ) 任何要素只要出現在層級結構中, 不論其優先程度如何, 均被認為與整個評估結構有關 8

2.3.2 AHP 法進行步驟 ( 曾國雄鄧振源,989) ( 一 ) 問題的界定宜儘量擴大, 將可能影響問題的要素, 均納入問題中 ( 二 ) 主要找出階層結構中的各要素, 並建立要素之間階層關係, 基於人類不易同時對七種以上事物進行比較, 每一層要素不宜超過七個此階段包含形成問題確立定義確定要素及階層三步驟 ( 三 ) 在上一層級某要素作為評估基準下, 進行要素間的成對比較因此需設計問卷, 在至 9 尺度下, 讓參與者填寫, 此問卷需清楚敘述每一成對比較之問題其後, 根據問卷調查結果建立成對比較矩陣 ( 四 ) 計算特徵值特徵向量得到成對比較矩陣後, 求取各層級要素權重, 使用數值分析 Eigenvalue 解法, 求特徵向量或優勢向量 ( 五 ) 進行一致性檢定, 做成一致性指標 (Consistency Index, C.I.) 檢查決策者回答所構成的成對比較矩陣, 是否為一致性矩陣而一致性指標, 不論在決策者判斷的評量或是整個層級結構的測試,Saaty 建議左右為可接受的偏誤, 如此一致性才能獲得保證 ( 六 ) 各層級要素間的權重計算後, 再進行整體層級權重的計算, 最後依各方案權重, 以決定最適方案 9

圖 2.4 AHP 流程圖資料來源.. 鄧振源曾國雄 (989) 2.3.3 AHP 的適用範圍 AHP 主要應用在決策問題 (Decision Making Problems), 依 Saaty (980) 的 20

經驗,AHP 可應用在下列十二種類型之問題上 () 決定優先次序 (Setting Priorities) (2) 產生替代方案 (Generating a Set of Alternatives) (3) 選擇最佳方案 (Choosing a Best Policy Alternatives) (4) 決定需求 (Determining Requirements) (5) 資源分配 (Allocating Resources) (6) 預測結果或風險評估 (Predicting Outcomes / Risk Assessment) (7) 衡量績效 (Measuring Performance) (8) 系統設計 (Designing Systems) (9) 確保系統穩定 (Ensuring System Stability) (0) 最佳化 (Optimizing) () 規劃 (Planning) (2) 解決衝突 (Conflict Resolution) 2.3.4 AHP 的應用領域層級分析法 (AHP) 的應用領域眾多, 大約可區分為以下 30 項 ( 鄧振源曾國雄, 989b) () 經濟與規劃 (2) 能源 ( 政策與資源分配 ) (3) 健康 (4) 衝突解決軍事管制及世界影響 2

(5) 材料控制與採購 (6) 彈性製造系統 (Flexible Manufacturing Systems) (7) 人力選擇與績效評估 (8) 專案計畫選擇 (9) 行銷管理 (0) 資料庫管理系統的抉擇 () 辦公室自動化 (2) 微電腦的選擇 (3) 預算分配 (4) 投資組合的選擇 (5) 成本 - 數量 - 利潤 (Cost-Volume-Profit) 分析的模型選擇 (6) 會計與審計 (7) 教育 (8) 政治 (9) 主觀機率的估計與交叉影響分析 (Cross Impact Analysis) (20) 社會學 (2) 區域間遷移型態 (22) 競爭下的行為研究 (23) 環境 (24) 建築 (25) 模糊集合 (Fuzzy Set) 中用以評量隸屬程度 (Membership Grade) (26) 方法論的發展 (27) 諮詢 22

(28) 運輸規劃 (29) 多目標規劃 (30) 大規模系統的設計 2.4 模糊理論 2.4. 模糊理論概述 965 年, 美國加州柏克萊大學 Zadeh 教授發表模糊集合 (FUZZY SET) 論文是一門模仿人類思考, 處理存在於所有物理系統中的不精確本質的數位控制方法學模糊理論認為, 人類的思考邏輯是模糊的, 即使是條件和資料不明確時, 仍必須作下判斷, 例如人類對冷熱的認知因人而異而現代電腦是兩極邏輯, 非 0 即, 這和人類思考方式剛好背道而馳, 毫無改變空間, 所以我們必須仰賴模糊數學方法取代傳統數學方法來求解模糊性的問題, 因模糊邏輯理論能提供一種方法, 將研究對象以 0 與之間的數值來表示模糊概念的程度, 稱為歸屬函數 (membership function) 將人類的主觀判斷數值化, 使得研究結果更能符合人類思考模式 ( 張維文,2005) 2.4.2 模糊集合與歸屬函數模糊集合是模糊理論的基礎, 也是傳統集合觀念的延伸, 由 Zadeh 教授提出也就是用傳統集合描述特徵函數從非 0 即的二值選擇, 推廣為可從 0 到之間的任何值作選擇, 此新型的特徵函數, 稱之為歸屬函數利用歸屬函數可以描述模糊集合的性質, 而透過歸屬函數, 才能對模糊集合進行量化, 也才有可能利用精確的數學方法去分析和處理模糊性資訊但要順利建立一個足以表達模糊概念的歸屬函數卻不是容易的工作歸屬函數決定時, 模糊集合即隨之決定, 通常如何選擇適當的歸屬函數往往是決定是否能成功應用歸屬涵數的關 23

鍵, 一般而言並無公式或定理, 通常是根據經驗與統計方法來加以確認, 很難具有客觀性 ( 張銘仁,2004) 令 U 為討論的全體對象, 稱為論域 (Universe of Discourse), 論域中的每個對象, 稱為元素, 以 u 表示而 U 上的一個模糊子集合 A, 是指 : 對任何 x 屬於 U 的都指定一個數 ( x) [ 0,] f A, 稱 x 隸屬於 A 程度, 該影射稱為 A 的歸屬函數 (Membership Function) A 的歸屬涵數值域 {0,} 時, f A 變化為一個普通的子集合之特徵函數,A 變化成一個普通子集當 A 單獨出現或使用時, 稱為模糊集合 (Fuzzy Sets), 而它的特性函數被稱為歸屬函數 (Membership Function) ( 李允中, 200) 許多研究學者為了能夠找到系統性的方法, 以便建立較客觀的歸屬函數通常, 他們會先建立粗略的歸屬函數, 然後透過 " 學習 " 和不斷的學習經驗, 逐步修正和調整, 使歸屬函數更臻於完善也更加客觀 2.4.3 模糊數 ( 闕頌廉,98) 模糊數乃為信賴區間 (Confidence Interval) 概念之擴充, 結合可能性分析之 α 水準 (Level a Presumption) 與 α 水準信賴區間之性質模糊數為一不精確值 (Imprecision Numbers), 與機率論中之隨機變數 (Random Numbers) 是不同的數學上而言, 模糊數之定義為 : 以實線 (Real Line) 集合為全集合之模糊集合, 正規化且為凸集合, 以具有區段性連續之隸屬函數之模糊集合, 稱之為模糊數, 意即模糊數須滿足下列條件 :. 凸模糊子集 (Convex Fuzzy Subset) 2. 正規化模糊子集 (Normality of A Fuzzy Subset) 3. 區段連續模糊數一般分為梯形模糊數 (Flat or Trapezoidal Fuzzy Numbers) 與三角形模糊數 (Triangular Fuzzy Numbers), 其圖形如 2.4 2.5 所示 24

圖 2.5 梯形模糊數圖 2.6 三角形模糊數 2.4.4 模糊運算 ( 闕頌廉,98) 在此將本研究所用到的模糊運算作一定義依據模糊數的性質及擴張原理, 假設有模糊數 A 及 A2: 25

26 ( ) ( ) ( ) ( ) R L n n n n R L R L R L R L R L R L R L u m l A l m u A u u u l u l l l m m u u u l u l l l A A u u u l u l l l m m u u u l u l l l A A u u m m l l A A u u m m l l A A u m l A u m l A = = = = = + + + = = = ),, ( ~ 6. ),, ( ~ 5. /, /, /, / max, /, /, /, /, / min ~ / ~ 4. :,,, max,,,,, min ~ ~ 3. ),, ( ~ ~ 2. : ),, ( ~ ~. ),, ( ~ ),, ( ~ / / / / 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 開根號倒數除法模糊數乘法運算子乘法減法模糊數加法運算子加法 2.4.5 解模糊化解模糊化就是將模糊資料轉換為明確的資料, 以方便模糊排序過程中所使用的工具解模糊化並無一確定方法, 需視問題的特性而定一般較常用的方法有以下幾種 :( 吳彥輝,999) ( 一 ) 重心法其理念就是求取模糊集合中心值來代表整個模糊集合 ( 二 ) 形心法形心法與重心法類似, 其目的為求出三角形面積的形心值 ( 三 ) 平均最大隸屬度法平均最大隸屬度法是以隸屬度函數中最高隸屬度值的元素, 代表解模糊化後的值 ; 若符合此條件的值不只一個, 則取所有符合條件的值之平均值代表解模糊化的值

2.4.6 模糊語意變數 Zadeh(972) 在其 972 年發表的文章中提到, 當我們處理的問題太過於複雜或難以定義, 且傳統量化方法很難合理的加以描述的情況下, 此時可能需要以模糊語意變數 (Fuzzy Linguistic Variable) 的概念來處理而所謂模糊語意變數, 是一種針對人類語言之語意程度的不同所相對應的變數, 當我們要明確反映出語意變數的價值時, 則需要有適當的轉變方式才能達成 Chen & Hwang(992) 針對以往眾多的模糊多屬性決策方法, 在使用上常遭遇困難, 因此, 發表了一種較簡單的方法, 利用八種模糊語意種轉換尺度表, 系統地讓決策者方便使用, 如表 2.3 所示此法的基本假設為多屬性決策問題可以包含模糊與明確資料, 並且模糊資料可以用模糊語意性措詞或模糊數加以表示, 將決策者所給予之語意變數值, 轉換成相關地模糊數表 2.3 模糊語意變數轉換尺度表 Scale 2 3 4 5 6 7 8 Linguistic No.of terms used 2 3 5 5 6 7 9 None V Very low V V V V V Low-very low V Low V V V V V V V Farily low V V V V Mol low V V Medium V V V V V V V Mol high V V Farily high V V V V High V V V V V V V V high-very high V very high V V V V V Excellent V 資料來源 Chen and Hwang (992) 27

2.5 模糊層級分析法本研究所發展之模糊 AHP 法模式, 乃是以 Buckley 的模糊 AHP 改善模式作為基礎 Buckley 的作法是首先要求各專家以順序尺度排列各決策準則及所有替代方案的優先順序, 以取代傳統 AHP 法中以數字的比率 (ratios of numbers) 來表示其對兩兩準則間相對重要程度的看法, 以解決成對比較值過於主觀不精確模糊等缺失然後, 再將這群專家所給予每一準則下各替代方案, 以及各決策準則的優先順序分別轉成模糊集合最後, 利用平均及總計的方法串聯各層級, 即可求算出各替代方案的等級此種作法要求專家以順序尺度來表達其對各決策準則及所有替代方案相對重要程度的看法, 而不是使用數字比率值, 對專家而言較為容易, 尤其是當決策準則及替代方案的數目很多時, 更可發揮避免成對比較值過於主觀不精確的結果 Buckley 基於 () 傳統 AHP 法的不精確問題 ; 以及 (2)Saaty 用來求取權重的 λ-max 方法, 難以被使用在模糊矩陣的求算上等缺失, 亦將模糊集合理論應用在傳統 AHP 法上, 並且將一致性的概念一般化到模糊矩陣中,Buckley 的作法是要求決策者以梯形模糊數 (flat or trapezoidal fuzzy numbers) 來表示其對兩兩準則間相對重要程度的看法, 形成模糊正倒值矩陣 (fuzzy positive reciprocal matrix); 接著, 利用幾何平均數方法來計算每一模糊矩陣的模糊權重 ; 然後, 經由各層級的串聯, 以決定各替代方案的最後模糊權重 ; 最後, 以各替代方案模糊權重的特徵函數圖形來排列各替代方案的優先順序 2.6 資料包絡分析法早期學者衡量效率皆著重在配置效率 (allocation efficiency), 直到 Farrell 於 957 年提出以生產前緣 (production frontier) 的觀念來衡量技術效率 (technical efficiency), 技術效率才逐漸受到重視 DEA 效率評估模式即是根據 Farrell 的技術效率概念而來 (Charnes et. al.;978),charnes 等學者將單一投入 28

單一產出的觀念擴展成多元投入多元產出的形式, 並搭配不同權重加以線性組合, 用於評估決策單位 (Decision Making Unit;DMU) 之相對效率 - 即 CCR 模式, 此方法也至此確立為資料包絡分析法 (DEA) 2.6. 資料包絡分析法的定義與衡量資料包絡分析法 (Data Envelopment Analysis, DEA) 是 Charnes, Cooper &Rhode 在 978 年發展的效率評估數學模式, 以非預設生產函數代替常用的預設函數來推估效率值, 並採用數學規劃模式求算效率前緣 (Efficency Frontier) 曲線, 在幾何意義上是利用包絡線原理將所有被評估的決策單位 (Decision Making Unit, DMU) 之投入項與產出項映射至空間中, 用以評估其組織之相對效率, 找出可以包絡所有觀察資料的效率包絡面, 以形成效率前緣, 再計算個別 DMU 觀察值與效率包絡面的距離求出各相對效率水準經由 DEA 模式所計算出之生產邊界 (Production Frontier), 在經濟學上所代表的意義即為一包絡線, 而包絡線即為所有可能解中, 由最佳解形成的一條邊界 DEA 模式即是利用上述原理, 將所有決策單位 (Decision Making Units,DMU) 之投入與產出項通通加以考量, 以加權產出除以加權投入的概念計算出個別廠商相對於其他廠商之效率值, 凡是相對效率值為者 ( 落於生產邊界上 ), 即為具效率單位 ; 凡是相對效率值小於者, 即屬無效率單位 ( 未落於生產邊界上 ) ( 曾瑞雯,2000) 2.6.2 CCR 模式 CCR 模式是由 Charnes, Cooper & Rhodes (978) 所發展出來的, 他們將 Farrell(957) 所定義的單一產出及投入的績效模型, 拓展為多重產出及投入的績效模型, 並假定規模報酬固定假設有 N 家廠商, 而每一家廠商有 S 個投入與 T 個產出第 i 家廠商的投入產出以向量表示則為 xi(xi=s ) 及 yi(yi=t ), i=,2,.n m 為產出項 y 之權重 ;n 為投入項 x 之權重 : 29

MAX s. t m, n m,n 0 my nx my nx j j i i j =...N (2.) 由於上式為分數線性規劃模式, 將造成 m,n 有無限多組解, 於是 Charnes, Cooper and Rhodes 將其轉換為線性規劃模式 (linear programming,lp), 如 (2.2) MAX st. m, n m,n 0 my i my j i nx = - nx j 0 j=...n (2.2) 為了降低其限制式個數, 以方便計算, 在將 (2.2) 式作對偶轉換 (duality), 此對偶模型如 (2.3) Min θ, λ θ s. t y θx i i λ 0 + Yλ 0 Xλ 0 (2.3) 其中 θ 是一個純量的效率值,Y 是所有 DMU 的產出矩陣,X 為投入矩陣,λ 為一個 N 的常數向量,λ 表示每一個 DMU 的權重假如有 N 家廠商,(2.3) 式必須求解 N 次, 因此會有 N 個 (θ, λ) 值當 θ i=, 表示第 i 家廠商具有相對效率, 但當 θ i<, 表示第 i 家廠商具相對無效率因為此模型為投入導向模型, 因此 θ 值小於時, 表示其要素投入量有過多浪費的情形, 必須減少投入 2.6.3 BCC 模式 Banker Charnes and Cooper 在 984 年將 CCR 模型中的固定規模報酬 (CRS) 假設剔除, 以衡量不同規模報酬型態的效率估計值 (Banker et. al.; 30

984) 將技術效率再分解成純技術效率 (PTE) 與規模效率 (SE) 這表示廠商無效率產生時, 除了技術方面問題, 更可能是規模不當的問題, 因此當廠商面對無效率因素時, 除從調整投入產因素外, 也可從調整規模因素以改進其無效率的情形其模型如下 : Min s. t θ, λ θ y i + Yλ 0 θx Xλ 0 p λ = i λ 0 (2.4) 與 CCR 模型唯一不同處, p λ = 其中 P 是一個由組成的 P 的行向量由 BBC 模型所求得的技術效率比 CCR 模型的技術效率大 BBC 模型中的規模效率值 (SE), 可比較某一特定廠商 CRS 中的技術效率值與 VRS 中的技術效率值, 其值若無差異, 表示廠商的無效率並非來自規模的因素 ; 但若其間有差異, 其差值表示無效率來自規模無效率部所以我們可以下式表示其間的關係 TE = PTE SE 其中 TE 表示固定規模下的技術效率值 PTE 表示變動規模下的技術效率值 SE 表示規模效率值 2.6.4 DEA 模式之特質 DEA 應用在效率評估模式中具有以下特質 :(Lewin et. al. 982) () DEA 可處理多項投入多項產出之評估問題 (2) 提供單一的綜合性指標, 將一連串的指標透過效率比值來表達各 DMU 的差異 (3) 不需預設投入產出關係之函數型式, 此特性可解決因設定生產函數而導致 3

的誤差與實務上投入產出間關係不明確的問題 (4) 投入產出間之權重不受人為主觀因素影響,DEA 中投入產出間之權重是由數學規劃所產生, 無須人為判斷, 可降低主觀成份, 提高評估的公平性 (5) 可處理定量及定性之問題, 因素可以是數量或非數量的, 其衡量單位也不需相同 (6) 可區分相對有效率與相對無效率單位, 是一種相對性而非絕對性的比較, 並可瞭解無效率單位的改善目標 2.6.5 DEA 使用程序根據 Golany and Roll(989) 的文章敘述, 可將 DEA 的使用程序規劃為四部份, 其流程如圖 3.4 所示 () 定義及選擇欲評估之 DMU 及其數量使用數量較少的 DMU 做評估時, 其研究結果可能會有潛在的誤差存在 ; 而使用較多的 DMU 數量做評估時, 其 DEA 的結果是較具有強健性 (Robustness)(Ronald and Lawrence 999) 當 DMU 的數量增加時, 平均效率 (Mean efficiency) 會隨著下降, 而下降的比率是與樣本大小有關的當樣本數較小時, 則平均效率降幅會較陡 ; 而樣本數較大時, 平均效率之降幅會趨於平緩 (2) 投入產出項之選取所謂的投入產出項之選擇, 乃是指由所收集的投入產出資料, 進一步的確認投入產出項是否適當投入項透過不同的 DMU 而有產出項的產生 ; 以另一角度來看, 投入項可以資源 (Resources ) 產出項可以績效 (Performances) 來替代, 則不同的 DMU 使用各種的資源, 因而產生不同的績效, 藉以評估各個 DMU 的優劣 (3) DEA 模式之選取 32

(4) 評估結果之分析效率分析差額變數分析敏感度分析等圖 2.7 DEA 流程圖資料來源郭鈞偉 (200) 33

第三章研究方法與架構本研究針對中小企業信用不佳以及銀行授信之弊病提出銀行對中小企業之授信決策模型, 由於本研究建立之模型並非單一方法形成, 所以本節不僅僅描述本研究遭遇之問題並針對各研究方法之缺失進行改善並使之相輔相成, 以達到本研究之最終目的 3. 研究方法 3.. 資料包絡分析法之缺陷本文採用之方法是以資料包絡法為基礎輔以模糊層級程序分析法, 主因乃是 Dyson&Thanassoulis(988) 認為 DEA 模式所運算得出之權數具有以下缺點 : 權數的刻意選擇可能造成該 DMU 為相對有效率, 但是此效率未必來自於本質效率 (inherent efficiency), 而是來自於權數的選擇 Charnes 等三人於 978 年提出的 CCR 模式, 對於權數的設定是設定其大於等於零, 此一限制會使各 DMU 為求本身效率極大, 捨棄不利之因子, 令其權數為零, 此為 CCR 模式的缺點基於上述權數設定產生的問題, 其後學者乃不斷修正 CCR 模式,Charnes 等人於 978 年修正其原始模式中權數的限制, 從非負條件調整為絕對為正的限制 (Charnes et. al. 978) Charnes 等學者於 985 年後引進非阿基米德數 ( ) 來限制各投入產出項之權數 ( 劉春初,998), 使其不為零, 陸續有許多學者針對權數設定提出不同的修正方向 ( 如權數應該設限與權數順序之觀念 ), 但仍無法適用於所有情況, 還是難以解決前述之問題 34

3..2 層級分析法之缺陷授信評估的許多準則往往不易以傳統的數量方式來表達, 在模糊理論中便藉由語意變數來克服, 表達此因素重要的程度在實際應用中, 梯形模糊數的運算過於複雜, 實用性也較低, 因此, 本文運用三角模糊數表達每一語意評判值, 使得決策過程中的模糊性能充分表達, 以下是 FAHP 與傳統 AHP 的差異, 也是本研究使用 FAHP 的原因 ( 張銘仁,2004): 一傳統的評估方式是將填答者心中模糊的意念以一明確數值作為輸出, 完全摒除了語意數值間的模糊性而為了彌補傳統方法的不足, 採用模糊理論的計算方法, 且以隸屬函數來表達語義變數值所代表的含意, 能比較客觀量測出專家對風險程度的模糊意象二因 FAHP 方法使用了模糊的概念, 並以幾何平均數整合專家意見, 所以不會產生因專家對某項因素的偏好, 而使整體差距懸殊的情形, 又能呈現每個專家的意見, 其客觀程度更勝以往得知權數設定影響如此深遠, 本文乃利用模糊層級程序分析法建立成對比較矩陣, 求算出投入與產出之個別權重, 在通過一致性比率 (CR-Consistency Ratio) 與一致性指數 (CI-Consistency Index) 的檢定之後帶入 DEA 模式中, 將其中權數加以設限以求出更貼近現實的實證結果 3.2 研究架構本研究計劃之研究流程列述如下 : 步驟一 : 訂定研究主題步驟二 : 文獻探討 ( 銀行授信中小企業 DEA FAHP) 步驟三 : 界定問題與研究方法分析 35

步驟四 : 蒐集資料步驟五 : 利用 FAHP 法選出準則並計算其權重步驟六 : 將資料依 DEA 法與模糊理論分為投入產出的資料步驟七 : 建立 FAHP-DEA 授信決策模型步驟八 : 實際案例分析與追蹤 ( 以某銀行為例 ) 步驟九 : 結論與建議下圖為本研究之研究流程圖 : 36

圖 3. 本研究之研究流程圖本研究重心著重於研究流程步驟四至八, 所以本節將針對步驟四至八作詳細解說, 至於步驟一至四本研究在前兩章與上節已有詳述, 本節不再贅述在解說之前, 本研究將步驟四至八作一更精細完整的研究架構圖, 以供參考 : 37

圖 3.2 研究核心架構圖 ( 步驟四 ): 資料蒐集資料蒐集主要可分為三部份 : ( 一 ) 在文獻探討過程中, 本研究蒐集眾多銀行授信放款評估之文獻資料, 從 38

文獻中我們可以歸納出若干項授信業務需要考量之因素 ( 二 ) 參照 ( 一 ) 擷取之因素製成問卷, 並請本研究案例之銀行授信人員進行專家問卷以建立 FAHP 之權重矩陣 ( 三 ) 而這些授信決策所必備的資料即為受評估廠商之營運相關資料, 本研究由案例銀行授信部門取得, 即為企業授信報核書 ( 步驟五 ): 用 FAHP 法選出準則並計算其權重 ( 一 ) 建立層級架構利用詳述法或目標 - 手段法, 對目標進行逐層分析, 建立層級結構 ( 二 ) 建立成對比較矩陣以層級分析法的概念設計成因素間兩兩比較的形式的專家問卷, 顧名思義, 問卷填寫者須具備銀行授信相關業務兩年以上者, 由於 Saaty(980) 所建議的九分評估尺度過於瑣碎, 無形中增加填答者之困擾, 所以本研究採用七分評估尺度之問卷, 依次進行同層指標間兩兩成對比較, 由此獲取專家對於兩因素間相對重要性關係的看法, 再將原始資料轉換成模糊數形式, 建立模糊成對比較矩陣 ( 三 ) 群體整合本研究將各專家填寫之數據依據圖 3.3 轉為三角模糊數, 減少人類思維之模糊及不精確等特性對研究所產生之影響, 使決策者的真正意圖能更清晰的顯現本研究的模糊語意是採用的尺度為七點尺度, 為同等重要重要非常重要絕對重要, 並在兩尺度間加入折衷值, 詳見於表 3. 所示, 透過此七點尺度讓受訪專家表達意見 39

表 3. 兩者相對重要性之模糊語意尺度語意措辭三角模糊數同等重要 =(,,) 介於兩者之間 2 =(,2,3) 重要 3 =(2,3,4) 介於兩者之間 4 =(3,4,5) 非常重要 5 =(4,5,6) 介於兩者之間 6 =(5,6,7) 絕對重要 7 =(6,7,8) 同等重要重要非常重要絕對重要 2 3 4 5 6 7 隸屬度 2 3 4 5 6 7 8 圖 3.3 模糊語意之歸屬函數就模糊數而言, 整合專家意見方法有平均數眾數極大值極小值或極大與極小值混合加權處理等方法在此, 本研究採 Buckley(985) 所建議之平均數法加以整合, 其方法如下 : ~ ij = N ( m ~ (/ ) ij m~ 2 ij M ~ M m~ ij N ij = 整合後之三角模糊數 = 專家 N對第 i個評估要素與第 j個評估要素之兩兩比較值 N = 專家總數 m~ N ij ) (3.) 40

( 四 ) 建立模糊正倒值矩陣當整合完所有專家的意見後, 即可得到許多表達專家意見的三角模糊數, 接著便可進一步建立模糊正倒值矩陣 ~ M = M L C [ ] M : 模糊正倒值矩陣 ~ M =( L, C, R ) ij ij ij : 第 i個因素下第 j個評估準則之表達專家意見的三角模糊數之左值 : 第 i個因素下第 j個評估準則之表達專家意見的三角模糊數之中間值 Rij : 第 i個因素下第 j個評估準則之表達專家意見的三角模糊數之右值 ~ ~ M = / M, i, j =,2,, n ij ij ij ji ij ij (3.2) ( 五 ) 計算模糊權重在建立模糊正倒值矩陣後, 接著便進行權重的計算本方法採用 Buckley(985) 的近似法, 如此不但考慮到一致性, 也具正規化的概念計算方法如下 : n Zi ( a ~ a~ a~ / = i i2 in ) ~ ~ ~ ~ Wi = Zi ( Z Z 2 Z n ) a~ : 模糊正倒值矩陣中第 i列第 j欄之三角模糊數 ij Z: i 三角模糊數之幾何平均值 ~ W: 第 i項因素之模糊權重 i ( 六 ) 解模糊化本研究採用 Teng and Tzeng(993) 所提出之重心法則的公式, 進行解模糊化, 以求出最佳方案當模糊數為三角模糊數時, 重心法之公式為 : 假設有一三角模糊數其解模糊值為 DF IJ = ~ A [( RIJ LIJ ) + ( M IJ LIJ )]/ 3 + LIJ IJ = ( L IJ, M ( 七 ) 層級串聯經由前述幾個步驟, 可求得在第一層最終目標下第二層第 i 個主準則的權重 Wi, 第二層第 i 個主準則下第三層第 p 個次準則的權重 Wip, 若要求得第一 IJ, R IJ ) (3.3) (3.4) (3.5) 4

層總準則下第三層之權重 Wp 則必須進行層級串聯, 其串聯方法如下 : W = W W P i ip (3.6) ( 步驟六 ): 將資料依 DEA 法與模糊理論分為投入產出的資料本小節以下列程序圖做為解說 : 圖 3.4 本研究資料處理程序圖 ( 步驟七 ):FAHP-DEA 授信決策模型將 3.2. 所算出之準則權重與 3.2.2 經 DEA 法與模糊理論處理過之投入產出資料代入本研究 DEA 模型中加以分析, 以求得位在效率前緣之決策單位 (DMU) 本研究將採用 Frontier Analyst Professional 套裝軟體做為分析工具, 其使用介面如下 : 42

圖 3.5 Frontier Analyst Professional 使用介面 ( 步驟八 ): 實際案例分析與追蹤 ( 以某銀行為例 ) 經由上述套裝軟體分析後, 我們可以獲得各 DMU 之多項數據, 由此本研究可初步區分, 該廠商是否合乎本研究授信放款之條件, 我們將持續追蹤各 DMU, 觀察其還款情況, 以佐證本研究之分析, 若分析結果與實際案例有所差異, 本研究將透過訪談了解問題之癥結所在, 並做為未來研究之參考與方向 43

第四章案例導入與分析結果本章將照前章描述之架構與方法進行案例導入, 並將實際資料處理後輸入模型並進行分析, 以下即為詳細操作過程 4. 因素之選取本文採用謝文堅 (2002) 依據問卷與因素分析法所建立之銀行授信決策多準則評估架構, 作為本研究案例導入之基礎, 如表 4. 所示表 4. 銀行授信決策之評估準則償債能力與財務結構因素營運效能因素企業營運狀況因素企業信用因素營業活動現金流量 / 銀行短期借款流動比率速動比率負債總額 / 淨值利息費用 / 營業收入短期銀行借款 / 營業收入營業收入 / 應收帳款銷貨的收款方式申貸企業近期是否曾更換財務經理資金用途是否與租賃公司往來民間借款或不動產有非金融機設定之情事會計師之查核公司有無逾期呆帳及退票紀錄金融同業照會申貸企業其他銀行往來情形之變動以下為各準則之說明 ( 謝文堅,2002): 44

( 一 ) 營業活動的現金流量 / 銀行短期借款 : 主要是用來衡量企業的短期償債能力, 即衡量企業每一元的銀行短期借款可由若干從營業活動所產生的淨現金流入來支應的程度, 是企業衡量流動性的動態指標 ( 二 ) 流動資產 / 流動負債 : 即流動比率, 流動比率係指流動資產與流動負債之間的比率關係, 表示每一元的流動負債有幾元的流動資產來抵償, 通常用來測度一企業的短期償債能力 ( 三 ) 速動資產 / 流動負債 : 即速動比率, 速動比率係指速動資產與流動負債之間的比率關係, 又稱為酸性測驗比率, 速動比率中所稱的資產, 乃是指現金與約當現金有價證券及應收帳款等, 可以迅速支付流動負債的資產, 其較流動比率更能精確測驗出一企業的短期償債能力 ( 四 ) 負債總額 / 淨值 : 即負債比率, 負債比率係指負債總額與淨值之間的比率關係, 主要是用來表示每一元的自有資本可償還若干負債的指標, 以衡量企業的長期償債能力及企業的舉債程度 ( 五 ) 利息費用 / 營業收入 : 即財務費用率, 主要是用來衡量一企業財務負擔的程度, 由於利息費用是企業舉債的固定支出, 若企業的營業收入無法支應固定的利息支出, 表示企業的營運發生問題 ( 六 ) 短期銀行借款 / 營業收入 : 主要是用來衡量企業之營業收入與其銀行短期借款間之比率關係, 因短期借款之主要還款來源為企業之營業收入, 因此企業之營運情形所產生之營業收入是否足以償還銀行之短期借款, 為授信時之考量因素 ( 七 ) 營業收入 / 應收帳款 : 即應收帳款週轉率, 係指銷貨淨額與應收帳款之間的比率關係, 主要是用來衡量一企業的收現能力 ( 八 ) 銷貨的收款方式 : 徵授信人員在辦理一企業授信案時, 對於借戶銷貨之收款方式應詳細了解, 例如現金交易收受期票之期間信用狀 D/A D/P T/T 等, 以了解借戶之週轉金需求, 及借戶之信用交易風險是否合理 45

( 九 ) 申貸企業近期內是否曾更換財務經理或主辦會計 : 財務經理或主辦會計為一企業內最了解企業財務狀況及負責資金調度之人員, 當企業近期內曾更換財務經理或主辦會計時, 應了解其真正之離職原因為何 ( 十 ) 資金用途 : 一個授信案件的資金用途, 大約可分為購買資產償還既存債務及替代股權三種, 一般而言以購買資產為最佳, 償還既存債務次之, 至於替代股權之用途, 則屬最差 ( 十一 ) 是否有與租賃公司往來民間借款或不動產有非金融機構設定之情事 : 一般而言, 租賃公司之利率較銀行高出許多, 因此企業常在無法由銀行取得融資時, 轉而向租賃公司借款, 若連租賃公司也無法取得融資額度時, 企業只好轉向民間借款, 如地下錢莊等, 付出極高之利息來取得資金週轉 ( 十二 ) 金融同業照會 : 徵授信人員可依借戶所提供之存借款明細表, 來作金融同業照會, 例如借戶之還款繳息情形是否正常利率水準存款積數金融同業對借戶之評價等 ( 十三 ) 公司以往有無逾期呆帳及退票紀錄 : 徵授信人員在辦理一企業授信案時, 會藉由查詢金融聯合徵信中心之資料來了解一企業是否曾有逾期呆帳及退票紀錄, 以了解企業之信用狀況 ( 十四 ) 會計師之查核意見 : 依財政部 69.7.29 台財錢第一九 O 七 O 號函之規定, 總授信歸戶金額 ( 包括一般放款遠期信用狀及保證款項 ) 達新台幣參仟萬元以上之民營營利事業, 其財務報表即須經會計師財務簽證, 會計師查核報告之類型可分為標準式無保留意見修正式無保留意見保留意見否定意見及無法表示意見 ( 十五 ) 申貸企業或負責人是否存有尚未終結之訴訟案件或有為第三者作保之情事 : 尚未終結之訴訟案件及為第三者作保皆為一企業之或有負債, 一但敗訴或借款之第三者逾放時, 將會成為企業之實質負債, 如金額龐大時將會對企業之營運產生重大之影響 46

( 十六 ) 申貸企業其往來銀行往來情形之變動 : 徵授信人員在辦理一企業授信案時, 可藉由查詢金融聯合徵信中心之資料來了解企業其往來銀行往來情形之變動, 例如借款金額是否逐年增或減主力往來銀行是否變動各往來銀行融資額度之變動等由上可知, 流動比率與速動比率皆在衡量一企業短期償債能力, 所以本研究即以流動比率概括衡量 ; 營業活動的現金流量 / 銀行短期借款本研究不加以考慮, 原因在於大多數中小企業對現金流量等財務報表資訊記錄並不確實, 甚至毫無紀錄, 所以此準則不適用於本研究 ; 是否有與租賃公司往來民間借款或不動產有非金融機構設定之情事此項則是有資料取得上之困難, 一般申貸之中小企業背景複雜, 銀行授信部門所能取得之資訊難以萬全, 故銀行難以獲知申貸企業是否有以上相關情事, 僅能依據可掌握之資料進行判斷 ; 金融同業照會申貸企業其往來銀行往來情形之變動此二項皆屬於與金融同業照會之意, 故本研究以金融同業照會概括之圖 4. 銀行中小企業授信決策準則之架構 47

4.2 FAHP 法之運作 4.2. 問卷回收與檢定研究問卷共寄發 30 份, 回收 25 份, 問卷回收率為 83.33% 問卷回收之後, 將篩選合格的問卷之資料, 輸入 Microsoft Excel 計算, 獲得每份問卷的各層級之優先向量一致性指標 (C.I.) 一致性比率 (C.R.), 及整個層級結構的一致性比率 (C.R.H.) 之後, 就每一份合格的問卷進行一致性檢驗, 將不符合一致性者剔除本研究以下列公式進行檢定 : C. I. = ( λ MAX n) /( n ) n = 準則數, λmax 為最大特徵值 (4.) R.I. 可由下表得知 : 表 4.2 評估矩陣的隨機指標值資料來源 :( 鄧振源曾國雄,989) C. R. = C. I./ R. I. (4.2) 本研究以各層級的 C.R., 及整個層級結構的 C.R.H., 任一值大於 0. 就剔除, 檢定結果合格的有效問卷共 20 份 48

表 4.3 合格問卷範例及一致性檢定結果第二層矩陣企業償債能力企業營運狀況企業營運效能企業信用 C.I R.I C.R 企業償債能力 3 5 7 0.039 0.9 0.043 企業營運狀況 /3 3 5 企業營運效能 /5 /3 3 企業信用 /7 /5 /3 第三層 ( 企業償債 ) 流動資產 / 流動負債負債總額 / 淨值流動資產 / 流動負債 /3 負債總額 / 淨值 3 第三層 ( 企業營運 ) 近期是否更換財務經理近期是否更換財務資金用途銷貨收款 ' 方式 C.I R.I C.R 經理 /5 /7 0.032 0.58 0.056 資金用途 5 /3 銷貨收款 ' 方式 7 3 第三層 ( 營運效能 ) 利息費用 / 營業收入營業收入 / 應收帳短期銀行借款 / 營款業收入 C.I R.I C.R 利息費用 / 營業收入 7 5 0.032 0.58 0.056 營業收入 / 應收帳款 /7 /3 短期銀行借款 / 營業收入 /5 3 第三層 ( 企業信用 ) 公司有無逾期. 呆帳會計師之查核金融同業照會 C.I R.I C.R 公司有無逾期. 呆帳 5 3 0.09 0.58 0.033 會計師之查核意見 /5 /3 金融同業照會 /3 3 49

4.2.2 銀行授信決策準則權重之建立本研究主要採用 Buckley(985) 所提出的模糊層級分析法的概念, 不過在研究中採用三角模糊數取代梯形函數, 而評估問卷尺度是以七個尺度來取代九個評估尺度在整合專家意見上依據 Saaty(980) 的建議, 採用幾何平均數, 而解模糊化過程則採用 Teng and Tzeng(993) 所提出的重心法以上運算過程均用 Excel 2003 工具進行計算以下並說明如何將問卷尺度轉換為量值整合專家意見建立模糊正倒矩陣計算模糊權重與正規化以及層級串聯等步驟 ( 一 ) 語意轉換根據圖 3.3 的糊語意尺度之轉換, 先將 20 份專家所填的問卷整理, 再將每個因素兩兩比較的明確值轉換成模糊值表 4.4 為 20 份問卷之一 50

表 4.4 模糊成對比較矩陣第二層企業償債能力企業營運狀況企業營運效能企業信用企業償債能力 /4 /3 /2 /4 /3 /2 2 3 4 企業營運狀況 2 3 4 /4 /3 /2 2 3 4 企業營運效能 2 3 4 2 3 4 4 5 6 企業信用 /4 /3 /2 /4 /3 /2 /6 /5 /4 第三層 ( 企業償債 ) 流動資產 / 流動負債負債總額 / 淨值流動資產 / 流動負債 /4 /3 /2 負債總額 / 淨值 2 3 4 第三層 ( 企業營運 ) 近期是否更換財務經資金用途理銷貨收款方式近期是否更換財務經理 /6 /5 /4 /8 /7 /6 資金用途 4 5 6 /4 /3 /2 銷貨收款方式 6 7 8 2 3 4 第三層 ( 營運效能 ) 利息費用 / 營業收入營業收入 / 應收短期銀行借款 / 帳款營業收入利息費用 / 營業收入 2 3 4 4 5 6 營業收入 / 應收帳款 /4 /3 /2 2 3 4 短期銀行借款 / 營業收入 /6 /5 /4 /4 /3 /2 第三層 ( 企業信用 ) 公司有無逾期. 呆帳會計師之查核金融同業照會意見公司有無逾期. 呆帳 4 5 6 2 3 4 會計師之查核意見 /6 /5 /4 /4 /3 /2 金融同業照會 /4 /3 /2 2 3 4 ( 二 ) 整合專家意見並建立模糊正倒值矩陣運用公式 (3.) 的幾何平均數整合 20 份問卷的專家意見, 也就是根據三角模糊數之左中與右值, 分別取其幾何平均數, 以表 4.3 企業營運狀況 / 企業償債能力為例,: 5

左值之幾何平均數 = 中值之幾何平均數 = 右值之幾何平均數 = 20 20 20 2 /4 /6 /4 2 /8 /8 = 0.34 /6 /8 /8 /8 /6 /6 /4 /4 3 /3 /5 /3 3 /7 /7 = 0.40 /5 /7 /7 /7 /5 /5 /3 /3 4 /2 /4 /2 4 /6 /6 = 0.48 /4 /6 /6 /6 /4 /4 /2 /2 建立以下之模糊正倒值矩陣, 如下表 4.5 所示表 4.5 整合後之模糊成對比較矩陣第二層企業償債能力企業營運狀況企業營運效能企業信用企業償債能力.00.00.00 2.07 2.50 2.96 2.6 2.77 3.44 3.3 4.27 5.9 企業營運狀況 0.34 0.40 0.48.00.00.00 0.73 0.90.0.49 2.0 2.58 企業營運效能 0.29 0.36 0.46 0.9..36.00.00.00.74 2.30 2.86 企業信用 0.9 0.23 0.30 0.39 0.50 0.67 0.35 0.43 0.57.00.00.00 第三層 ( 企業償債 ) 流動資產 / 流動負債負債總額 / 淨值流動資產 / 流動負債.00.00.00.49.89 2.34 負債總額 / 淨值 0.4 0.5 0.65.00.00.00 第三層 ( 企業營運 ) 近期是否更換財務經理資金用途銷貨收款方式近期是否更換財務經理.00.00.00 0.55 0.65 0.78 0.88.7.49 資金用途.07.53.47.00.00.00.37.79 2.28 銷貨收款方式 0.67 0.86.4 0.44 0.56 0.73.00.00.00 第三層 ( 營運效能 ) 利息費用 / 營業收入營業收入 / 應收短期銀行借款 / 帳款營業收入利息費用 / 營業收入.00.00.00.68 2.8 2.67 2.4 2.55 2.96 營業收入 / 應收帳款 0.37 0.46 0.59.00.00.00.6.49.90 短期銀行借款 / 營業收入 0.34 0.39 0.47 0.53 0.67 0.87.00.00.00 第三層 ( 企業信用 ) 公司有無逾期. 呆帳會計師之查核金融同業照會意見公司有無逾期. 呆帳.00.00.00 4.00 5.00 6.00 2.00 3.00 4.00 會計師之查核意見 0.7 0.20 0.25.00.00.00 0.25 0.33 0.50 金融同業照會 0.25 0.33 0.50 2.00 3.00 4.00.00.00.00 ( 三 ) 準則權重之計算評估各準則權重用公式 (3.3) 與公式 (3.4) 求出各矩陣之模糊權重以第 52

二層及四大因素為例 : Z Z Z L M R ( 償債能力 ) = ( 2.07 2.6 3.3) ( 償債能力 ) = ( 2.5 2.77 4.27) ( 償債能力 ) = ( 2.96 3.44 5.9) Z: 三角模糊數之幾何平均值比照上列計算方式可獲得 : Z Z Z Z L L L L ( 償債能力 ) =.96 ( 營運狀況 ) =0.78 ( 營運效能 ) =0.82 ( 企業信用 ) =0.40 將上列各值縱向加總可得 SZ =3.96 L SZ M Z Z Z Z =4.7 M M M M / 4 / 4 / 4 =.96 =2.33 =2.7 ( 償債能力 ) =2.33 ( 營運狀況 ) =0.92 ( 營運效能 ) =0.98 ( 企業信用 ) =0.47 SZ =5.52 R ( 償債能力 ) =2.7 ( 營運狀況 ) =.08 ( 營運效能 ) =.6 ( 企業信用 ) =0.58 償債能力之模糊權重 =(.96 3.96,2.33 4.7,2.7 5.52)=( 7.76,,4.9) 同上營運狀況之模糊權重 =( 3.09,4.34,5.98) 營運效能之模糊權重 =( 3.26,4.62,6.4) 企業信用之模糊權重 =(.59,2.23,3.23) 所以本研究可獲得結果如下表 4.6 所示 Z Z Z Z R R R R 53

表 4.6 各準則之模糊權重下限值中間值上限值企業償債能力 7.76 4.9 企業營運狀況 3.09 4.34 5.98 企業營運效能 3.26 4.62 6.4 企業信用.59 2.23 3.23 流動資產 / 流動負債 2.26 2.87 3.57 負債總額 / 淨值.85.49.88 近期是否更換財務經理 2.03 2.83 3.66 資金用途 2.95 4.34 5.22 銷貨收款方式.72 2.42 3.28 利息費用 / 營業收入 (a) 4.37 5.83 7.52 營業收入 / 應收帳款 (b) 2.6 2.9 3.93 短期銀行借款 / 營業收入 (c).60 2. 2.79 公司有無逾期. 呆帳 6.28 9.55 3.4 會計師之查核意見.09.57 2.32 金融同業照會 2.49 3.87 5.85 ( 四 ) 解模糊化與層級串聯本研究之模糊層級分析法旨在解決資料包絡法之權重設定問題, 在 3.. 節中已有詳述, 故本研究僅針對第二層之四大因素模糊權重 ( 表 4.7) 進行解模糊化 : 表 4.7 第二層四大因素之模糊權重下限值中間值上限值企業償債能力 7.76 4.9 企業營運狀況 3.09 4.34 5.98 企業營運效能 3.26 4.62 6.4 企業信用.59 2.23 3.23 利用公式 (3-5) 計算解模糊化, 以企業營運效能為例 : 解模糊值 = [( 6.4 4.62) +( 4.62 3.26) ]/ 3+ 3.26=4. 76 即以公式 (3-6) 進行層級串聯, 以利息費用 / 營業收入為例 : 上限值 =4.76 7.52= 35.8 中間值 =4.76 5.83= 27.75 下限值 =4.76 4.37=20.79 54

本文將第三層之十一項準則權重保持模糊數型態, 以便進行與資料包絡法之整合各準則層級串聯後之權重如表 4.8 所示表 4.8 層級串聯後之模糊權重下限值中間值上限值流動資產 / 流動負債 25.39 32.24 40.03 負債總額 / 淨值 3.29 6.66 2.05 是否更換財務經理 9.09 2.64 6.37 資金用途 3.7 9.38 23.33 銷貨收款方式 7.7 0.8 4.64 利息費用 / 營業收入 20.79 27.75 35.8 營業收入 / 應收帳款 9.63 3.83 8.73 短期銀行借款 / 營業收入 7.62 0.04 3.30 公司有無逾期. 呆帳 4.78 22.47 3.52 會計師之查核 2.56 3.69 5.46 金融同業照會 5.86 9. 3.77 4.3 資料包絡分析法之運作 4.3. 資料蒐集與處理本研究蒐集 22 家中小企業之企業授信報核書, 取得授信決策項準則之實際數據以作為 DEA 模型之投入產出, 如表 4.9 55

表 4.9 22 家廠商資料表 56

上表所列之數據包含定性與定量之資料, 無法直接輸入 DEA 模型進行運算, 於 58

是本研究作了以下處理 : ( 一 ) 流動資產 / 流動負債負債總額 / 淨值利息費用 / 營業收入營業收入 / 應收帳款短期銀行借款 / 營業收入此四項準則本文蒐集到三年之數據, 於是本文利用模糊理論之概念將各項準則之三年數據視為一三角模糊數, 進行 22 家廠商之模糊矩陣建構, 可建構出四個 22*22 之矩陣, 求出之權重即為該廠商在該項準則之三年表現總結 ( 二 ) 資金用途近期是否更換財務經理公司有無逾期. 呆帳會計師之查核 ( 融資簽證 ) 此四項屬於定性化之資料, 本研究以 (,0.) 作為代表資金用途正當近期無更換財務經理公司無逾期. 呆帳紀錄有會計師之查核 ( 融資簽證 ) 本研究均給予之值, 反之則給予 0. 之值 ( 資料包絡法之投入與產出項不得為零 ) ( 三 ) 銷貨收款方式本研究蒐集之 22 家廠商共有九種收款方式, 本研究以現金優於短期票據優於長期票據之原則給予 9 分至分為了避免定量性指標出現負值, 影響整體分析結果, 本研究參考宋忠儒 (200) 之資料轉換方式, 即將標準化加減三個標準差之範圍分為一百等分, 將各定量性指標轉為 0 至 00 之區間值如式 4.3 所示 p ij p σ j 其中 p p σ ij j j j 00 6 廠商 i於指標 j之數值指標 j之平均數 + 50 指標 j芝標準差 (4.3) 整理後可得表 4.0: 59

表 4.0 整理後之廠商資料表接著進行 DEA 求取效率值, 以公式 (2.) 為例, 將表 4.0 數據帶入並展開 : MAX s. t m, n (6mr + 4m + + m ) + ( m i 2 E = (60.84n + + 4.3n ) + (6.63n (60.84n m, n (6m r i r i + 0 r i + 4m + + + m ) + ( m 4.3n ) + (6.63n 2 2 2 + + + + + + + + 2 m m ) + 45.92n 2 ) 45.92n + 2 ) + + 2 ) + (6.63m + + (6.63m + 6 (66.0n (66.0n 5 6 + + + + 5 45.92m + + 45.92m + + 6 ) 6.50n (4.4) 6.50n 5 6 ) ) i 5 ) i 式 ( 4.4) 即為本研究求取相對效率之目標函數與限制式, 以下繁複之數學運算, 本文將表 4.0 代入 Frontier Analyst 套裝軟體後進行運算, 並進行權重之設定, 由於此軟體之權種以百分比形式表現, 故本研究將表 4.8 之模糊數轉為百分比形式, 由於本研究欲改善資料包絡法之權重為零之缺陷 ( 詳見 3.. 節 ), 所以將所有準則權重之下限值代入軟體中, 更進一步限制 DEA 之權重 60

4.3.2 分析結果經分析可獲得以下結果 : 未核准呆帳圖 4.2 Frontier Analyst 之分析結果本研究模型分析 22 家廠商, 經由該銀行授信部門提供之實際結果比對可得知, 若以績效評分 90 分為界定值, 績效評分高於 90 分之 4 家廠商皆為銀行之優良客戶 ( 未曾有延遲還款或呆帳之情形 ); 低於 ( 包含 )90 分之 8 家廠商, 其中 3 家為該銀行未核准放款之借戶,3 家為核准放款卻成為呆帳之借戶, 另有 2 家則意外為該銀行之優良客戶即為假設檢定中之型 I 誤差 (H 0 為真, 卻拒絕 H 0 ), 6

所以本模型產生型 I 誤差之機率為 25%, 產生型 II 誤差的機率 0% 由分析結果可知, 與銀行實際操作仍有出入,G.F 兩家廠商經本研究分析績效偏低, 卻仍獲得銀行授予信用, 觀察後, 雙方往來情況持續良好, 經訪談相關單位主管, 獲得原因如下 : G:92 年營收較 9 年成長 28.07%, 為近期土木營建業受景氣好轉所致, 預期營收將持續成長借戶與其往來之客戶交易約 20 年, 客戶群相當穩定且營運順利 F: 借戶主要生產汽車零件, 由於國內景氣復甦, 及汽車公司核心技術獲得原廠轉移, 以致成本大幅降低, 進而影響下游之售價降低, 預期將帶動市場買氣, 因此對汽車生產之上下游廠商前景應持續樂觀經由分析結果得知 D N Q 三家廠商績效偏低, 銀行也未准予放款, 經本研究查閱資料與專家訪談後調查原因如下 : D: 本案採取基金專案, 因申辦期間過久, 逾三個月之規定, 又因基金表示近兩個月其他行庫增貸金額過多, 無法再做承保, 故通知撤回 N: 購地自籌款薄弱, 且補件時效過久, 予以退件 Q: 授信金額含關係放款金額過高, 且三角貿易 ( 由買方向借戶下單購料, 借戶在開狀向多家供應商購料, 並直接由供應商出貨至買方 ) 不易控管由分析結果可得知,U T S. 三家廠商經分析結果績效偏低, 銀行卻准予放款, 以致成為呆帳, 經本研究進行深入之專家訪談後調查原因如下 : ( 一 ) 借戶以特權關說向銀行施壓 ( 二 ) 中小企業之財務報表多有闕漏, 已脫離現實 ( 三 ) 景氣循環與產業特性影響甚鉅, 造成判斷上失誤 62

( 四 ) 借戶意外遭受天災人禍以致營運失敗 4.3.3 模型之驗證由於 DEA 之績效評估並非絕對效率, 而是相對效率, 所以績效評分將因廠商數不同或受測廠商不同而有所改變, 換句話說, 本研究自行假設之績效評分 90 分並不足以作為核准授信或是不核准授信之判斷依據本研究從該銀行取得另外四家申貸企業之營運資料並仿 4.3. 節之處理方式可得表 4.: 表 4. 驗證之廠商資料表 ( 已處理 ) 近期資金融同業銷貨利息負債短期銀是否營業收金照會 ( 核收款費用 / 總額 / 行借款更換入 / 應用貸後負債 ' 方營收淨值 / 營收財務收帳款途比率 ) 式經理公司會計師流動資有無之查核產 / 流逾期. ( 融資動負債呆帳簽證 ) W 52.63 48.53 56.60 62.59 6 6.92 54.24 X 55.85 40.52 52.86 55.75 7 64.99 60.32 Y 66.54 70.20 68.55 92.90 5 56.27 0. 64.45 Z 79.40 63.76 67.20 76.04 5 56.5 0. 58.55 本研究將此四家廠商之資料與原先二十二家廠商資料一起代入軟體中進行分析, 可得圖 4.3 之結果 : 63

驗證之廠商未核准呆帳圖 4.3 加入驗證廠商之分析結果由上圖可知若同樣以 90 分為界定值, 績效值高於 90 分之十七家廠商為核准之廠商, 低於 90 分之 9 家為不核准之廠商驗證之四家廠商,X W 高於 90 分, 本模型判斷為可核准之廠商, 經證實後確實為銀行核准之客戶且還款情形正常 ;Y Z 低於 90 分, 本模型判定為不核准之廠商, 經證實為銀行未核准之廠商本驗證模型產生型 I 誤差 (D 廠商 ) 之機率 22.2%, 型 II 誤差 (G F) 之機率 5.9% 由此可知本研究所自行假設之績效評分 90 分將使受評估之樣本產生型 I 誤 64

差與型 II 誤差, 無法作為授信核准與否之精確指標, 值得參考的是經由該軟體執行分析後產生的績效評分排序, 意即廠商營運之優劣可經由本模型明確比較得知, 故本研究建議可以 22 家廠商為基礎模型, 績效評分高於不核准廠商之最高分者 ( 本研究中為 D 廠商 ), 判定為可核准之廠商 ; 低於不核准廠商之最高分者, 判定為不可核准之廠商由於本研究乃是依據各廠商營運績效之評估作為授信與否之標準, 未在風險部分著墨太多, 我們可參照相關研究對所有受評估廠商進行風險之評估, 將所有樣本區分為高低風險之借戶, 在依本研究模型進行不同比例之放款舉例來說 : ( 方案一 ) 高風險之申貸企業經本研究分析, 績效評估為前 20% 者予以核准 ; 低風險之申貸企業經評估後為前 40% 者予以核准另外, 還可針對各行庫放款績效進行評估, 依據各行庫前期績效考核決定下期總放款額度, 例如 : ( 方案二 ) 前期放款績效考核為前 70% 之行庫, 下期總放款額度件數不受限制 ; 為後 30% 之行庫將進行放款額度與件數限制, 即該行庫評估可核准放款之申貸案件, 實際僅允許 50% 進行放款, 促使該行庫更加嚴格審核申貸企業, 以降低呆帳之風險 65

第五章結論與未來方向 5. 研究結論由於本土企業不喜自我揭露資訊的陋習普遍, 導致目前台灣推行信用評等的速度仍然緩慢, 對部分的中小企業而言, 接受信評甚至有自毀前程之慮, 但銀行卻不可避免必須跟中小企業往來, 所以本研究綜合運用 FAHP-DEA 建立一授信決策模型, 更精準判斷申貸企業之營運狀況及還款能力, 以降低銀行授信放款之風險本研究蒐集了 9,92,93 三年之廠商資料, 並利用 FAHP 將三年之定量化資料仿三角模糊數計算出綜合表現, 再將準則權重以及整理後之 22 家中小企業廠商資料輸入資料包絡法之套裝軟體進行分析, 最後另外加入四家廠商進行驗證, 可得知若假設以 90 分為區分值, 產生型 I 誤差之機率 22.2%, 型 II 誤差之機率 5.9% 本研究建議以績效評分高於不核准廠商之最高分者 ( 本研究中為 D 廠商 ), 判定為可核准之廠商 ; 低於不核准廠商之最高分者, 判定為不可核准之廠商銀行授信部門之人為決策的確提高疏失之機率, 本研究之模型也確實能藉由 FAHP 與 DEA 達到改善之目的, 但事實也證明目前尚無法藉由銀行蒐集之資料進行完全精準之判斷, 所以後續研究仍有極大發展與改進之空間 5.2 研究貢獻本研究之貢獻, 有以下四點 : ( 一 ) 資料包絡分析法 (DEA) 一向被運用在績效評估之領域, 本研究將 DEA 做為信用評估之工具, 並將無形的信用具體化, 成為一有形的效率指標, 66

作為授信與否最重要之依據 ( 二 ) 本研究若純粹以資料包絡法評估各企業之信用, 在權重設定方面會有權重為零 ( 或權數極小 ) 之缺失, 所以本文以模糊層級分析法解決資料包絡分析法權重設限的問題, 綜合專家之意見決定各準則之最小權重, 讓 DEA 分析結果更客觀 ( 三 ) 由於本研究評估標的是各企業之營運績效, 所以在投入與產出的資料方面會遇到非量化或無法以單期來評斷的問題, 本研究使用模糊理論 (Fuzzy Theory) 解決此一問題, 使蒐集到的投入產出資料得以順利的被分析 ( 四 ) 本研究將蒐集民間銀行業者相關授信決策資料, 作為投入產出之依據, 並觀察各樣本後續還款情形是否良好, 與分析結果直接驗證, 肯定此模型之實用性 5.3 未來研究方向本研究對於台灣近年之金融局勢台灣中小企業之淵源與銀行授信之業務, 均有深入的探討與研究, 但由於時間與人力上的限制, 以及對於可取得之資訊仍有限, 使的部分研究未能完善因此, 提出幾點的建議以供後續研究者參考之用 ( 一 ) 樣本之選擇 : 本研究將研究對象以中小企業為範圍進行分析, 經實際調查與資料蒐集後發現, 中小企業無論在規模以及產業別上均有極大之差異, 其判斷之準則也必定不同, 後續研究可依據不同產業別作分類進行分析, 應可獲得更精確之成果 ( 二 ) 後續追蹤時間 : 由於時間的限制, 本研究無法對各 DMU 進行更長期之追蹤, 以至於無法確定借戶是否從一而終確實履約, 建議後續研究可限定短期案例或是拉長追蹤觀察期間, 以加強確認 67

( 三 ) 資料蒐集 : 某些資料的搜集是有相當的難度, 這也是本研究尚無法達成百分之百準確率之重大原因之ㄧ, 例如關係人放款比例, 各產業景氣循環消長, 對授信決策均有重大之影響, 由分析結果便可看出, 建議後續研究需加強目標產業之景氣之觀察以及銀行授信部門以外之資訊蒐集 ( 例如報章雜誌等社會輿論 ), 相信會有重大之收穫 68

參考文獻. 初復新, 銀行放款實務, 台北, 華泰書局印行,(98) 2. 闕頌廉, 應用模糊數學, 台北, 科技圖書股份有限公司,(98) 3. 鄧振源曾國雄, 層級分析法 (AHP) 的內涵特性與應用 ( 上 ), 中國統計學報, 27(6),(989), 頁 6~22 4. 鄧振源曾國雄, 層級分析法 (AHP) 的內涵特性與應用 ( 下 ), 中國統計學報, 27(7),(989), 頁 ~9 5. 蘇秋鳳陳耀竹, 企業財務狀況 - 模糊集合理論在會計學上之應用, 台北市銀月刊, 第 2 卷第 2 期,(99), 第 67-85 頁 6. 黃旭男, 資料包絡分析法使用程序之研究及其在非營利組織效率評估上之應用, 博士論文, 國立交通大學管理科學研究所, 新竹,(993) 7. 楊和炳, 台灣中小企業融資困難之研究, 台灣經濟金融月刊,(993) 8. 林蔓蓁, 銀行授信客戶之風險評估, 碩士論文, 國立中央大學資訊管理研究所, 桃園, (994) 9. 李樑堅馮志剛, 銀行個人擔保與信用放款授信評估構面及影響因素之研究, 第二屆中小企業發展學術研討會, 台北,(996) 0. 李樑堅張志向, 銀行業服務品質評量模式建立之研究, 第三屆服務業管理研討會, 台北,(997). 黎法寬, 中小企業信用分析模式, 碩士論文, 國立暨南大學國際企業研究所, 南投, (997) 69

2. 黃榮燦, 亞洲金融風暴, 台北, 中華徵信,(998) 3. 劉春初, 公共部門效率衡量 DEA 與 AHP 之應用, 中華管理評論,Nov., No.2,(998) 4. 黃重菁, 銀行對中小企業授信考量因素之研究, 碩士論文, 國立政治大學企業管理研究所, 台北,(998) 5. 劉凌鋒, 中小企業之財務問題研究以電子零組件貿易商為例, 碩士論文, 國立中山大學財務管理研究所, 高雄,(998) 6. 吳彥輝, 運用模糊層級分析法與管理才能評鑑模式之研究, 碩士論文, 國立中山大學人力資源管理研究所, 高雄,(999) 7. 金融人員研究訓練中心編印, 銀行授信實務概要,(2000) 8. 曾瑞雯, 銀行購併前後經營績效的比較, 碩士論文, 中國文化大學經濟學研究所, 台北,(2000) 9. 劉玉皙, 銀行往來關係對中小企業信用評等之影響, 碩士論文, 國立政治大學財務管理研究所, 台北,(2000) 20. 宋忠儒, 資訊電子業供應鏈績效評估系統之研究, 碩士論文, 國立成功大學工業管理研究所, 台南,(200) 2. 郭鈞偉, 結合層級分析法與資料包絡法求解設施佈置設計問題, 碩士論文, 國立成功大學製造工程研究所, 台南,(200) 22. 李允中王小璠蘇木村編著, 模糊理論及其應用, 全華書局, 台北,(200) 23. 林俊吉, 銀行對企業授信產生逾期放款之認知因素分析, 碩士學位論文, 國立中山大學財務管理學系碩士在職班, 高雄,(2002) 70

24. 謝文堅, 銀行企業金融授信決策多準則評估模型之研究, 碩士論文, 朝陽科技大學財務金融研究所, 台中,(2002) 25. 吳俊儒, 中小企業信用評等模式之研究, 碩士論文, 輔仁大學應用統計學研究所, 台北,(2002) 26. 邱潤容, 銀行實務, 臺北 : 三民書局,(2003) 27. 陳松興阮淑祥, 一兆元黑洞 - 為台灣金融重建工程把脈, 天下, 台北,(2003) 28. 唐于雅, 銀行往來關係對中小企業借款條件與授信風險之影響, 碩士論文, 國立政治大學財務管理研究所, 台北,(2003) 29. 張銘仁, 運用模糊層級分析法於軟體專案風險之研究, 碩士學位論文, 國立屏東科技大學工業管理所, 屏東,(2004) 30. 朱家勳, 台灣有線電視系統台經營績效之研究 - 綜合運用 DEA 與 AHP 模式, 碩士論文, 長庚大學企業管理研究所在職專班, 桃園,(2004) 3. 張景嵐, 產品資料管理系統之績效評估模式 - 以台灣 LCD 產業供應鏈為例, 碩士論文, 國立台北科技大學工業工程與管理研究所, 台北,(2005) 32. 張維文, 兩階段式產品零件變更評估系統之建構 - 以 LCD 為例, 碩士論文, 國立台北科技大學工業工程與管理研究所, 台北,(2005) 33. Ang, J. S., Lin, J. W. and Tyler, F., Evidence on the lack of separation between business and personal risks among small business. The Journal of Small Business Finance, (995),pp.97-20 34. Banker, R.D., A. Chanes and W. W. Copper. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis., Management Science,30,(984), pp.078-092 7

35. Buckley, J.J., The multiple judge multiple criteria ranking problem:a fuzzy set approach, Fuzzy Sets and Systems.Vol.3.,(984), pp.25-37 36. Buckley, J.J, Fuzzy Hierarchical Analysis, Fuzzy Sets and Systems, 7, (985),pp.233-247 37. Begley, J., J. Ming and S. Watts, Bankruptcy Classification Errors in the 980:An Empirical Analysis of Altman s and Ohlson s Models, Review of Accounting Studies, (996) 38. Buckley, J. J., T. Feuring, and Y. Hayashi. Theory and Methodology :Fuzzy hierarchical analysis revisited, European Journal of Operational Research, 29,(200), pp.48-64 39. Basel Committee on Banking Supervision, Proposal for a New Based Capital Accord, Bank for International Settlement,(200) 40. Berg, D., Bankruptcy Prediction by Generalized Additive Models, Statistical Research Report,, (2005) 4. Charnes, A., W.W.Copper and E. Rhodes, Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, Vol.2, (978), pp.429-444 42. Capon, N., Credit Scoring System : A Critical Analysis, Journal of Marketing.N.46, (982), pp.82-9 43. Chen, S.J. and C.L., Hwang, Fuzzy Multiple Attribute Decision Making Method and Application, Lecture Notes in Economics and Mathematical Systems, 375,(992). 72

44. Francis, C., H. Graham and H. Patrick, Small Firm Growth,Access to Capital Markets and Financial Structure: Review of Issue and an Empirical Investigation, Small Business Economics,8, (996), pp.59-67 45. Golany B. and Y. Roll, An Application Procedure for DEA, OMEGA Int. J. of Mgmt Sci., Vol.7, No3.,(989), pp237-250 46. Hillegeist S., Keating E., Cram D., and K. Lundstedt, (2004), Assessing the Probabilityof Bankruptcy," Review of Accounting Studies, vol. 9, No. (2004), pp.5-34. 47. Michael E. Porter, Competitive strategy : techniques for analyzing industries and competitors, New York : Free Press, (980) 48. Malhotra, R. and D. K. Malhotra, Evaluating consumer loans using neural networks, Omega, 3, (2003) 49. Nadine, L., Small Firms Finance in France, Journal of Finance, July, (996), pp.279-295. 50. Peterson, M. A. and Rajan, R., The Benefit of Lending Relationships : Evidence from Small Business Data., Journal of Finance 49, (994),pp. 3-37 5. Satty, T.L., The Analytic Hierachy Process, McGraw-Hill, (980) 52. Srinivasan, V. and Kim, Y.H., Designing Expert Financial Systems-A Case Study of Corporate Credit Management,Financial Management, (988),pp.32-43 53. Stepanova M. and L. C. Thomas, Survival analysis methods for personal loan data",operations Research, 50(2), (2002), pp.277 289. 73

附錄以 FAHP-DEA 建立銀行授信決策模型 ( 以中小企業為例 ) 之研究問卷您好 : 這是一份為研究銀行授信決策模型 ( 針對中小企業 ) 所設計的專家問卷, 目的在瞭解相關評估準則間的相對重要性期能藉由您的專業知識與經驗, 經由這份問卷, 能對中小企業授信此一領域有更進一步的了解感謝您在百忙中撥冗提供寶貴意見, 在此衷心的祝福您身體健康萬事如意! 國立臺北科技大學工業工程與管理研究所指導教授 : 王河星博士研究生 : 周昱均聯絡電話 :0939767635 E-MAIL:wye004@yahoo.com.tw 問卷對象與目的問卷對象為具有授信相關業務兩年以上經歷者, 希望藉由您所提供的寶貴意見, 了解相關授信評估準則間的相對重要性, 進而得知各準則在整體架構中所佔權重本研究所整理銀行中小企業授信決策準則之架構如下圖所示 : 74

問卷說明本問卷是在各層級間做兩因素的重要性比較, 請您依題意, 以您個人的經驗在最適合處打 V" ( 請注意 : 每題只有一個答案 ) 釋例 : 當您購買汽車時, 所考量的因素很多, 但其中兩項因素為性能與價格當您認為性能的重要性大於價格且為非常重要時, 請於在性能 " 這邊的非常重要 " 打 V", 如下所示 : 絕對重要兩者之間非常重要兩者之間重要兩者之間同等重要兩者之間重要兩者之間非常重要兩者之間絕對重要價 7 6 5 4 3 2 2 3 4 5 6 7 性格 V 能若認為性能的重要性大於價格但在非常重要與重要之間時, 請於在性能 " 這邊的兩者之間 (4)" 打 V" 75

問卷開始 ( 一 ) 您認為第二層級四大因素間的重要性比較為 : 企業償債能力企業營運狀況企業營運效能絕對重要兩者之間非常重要兩者之間重要兩者之間同等重要 7 6 5 4 3 2 2 3 4 5 6 7 兩者之間重要兩者之間非常重要兩者之間絕對重要企業營運狀況企業營運效能企業信用企業營運效能企業信用企業信用 ( 二 ) 您認為第三層級企業償債能力間的重要性比較為 : 流動資產 / 流動負債絕對重要兩者之間非常重要兩者之間重要兩者之間同等重要 7 6 5 4 3 2 2 3 4 5 6 7 兩者之間重要兩者之間非常重要兩者之間絕對重要負債總額 / 淨值 76

( 三 ) 您認為第三層級企業營運狀況間的重要性比較為 : 絕對重要兩者之間非常重要兩者之間重要兩者之間同等重要兩者之間重要兩者之間非常重要近期是否更換財務經理資金用途 7 6 5 4 3 2 2 3 4 5 6 7 兩者之間絕對重要資金用途銷貨收款方式銷貨收款方式 ( 四 ) 您認為第三層級企業營運效能間的重要性比較為 : 絕對重要兩者之間非常重要兩者之間重要兩者之間同等重要兩者之間重要兩者之間非常重要利息費用 / 營業收入營業收入 / 應收帳款 7 6 5 4 3 2 2 3 4 5 6 7 兩者之間絕對重要營業收入 / 應收帳款短期銀行借款 / 營業收入短期銀行借款 / 營業收入 77

( 五 ) 您認為第三層級企業信用間的重要性比較為 : 絕對重要兩者之間非常重要兩者之間重要兩者之間同等重要兩者之間重要兩者之間非常重要公司以往有無逾期呆帳退票記錄會計師之查核意見 7 6 5 4 3 2 2 3 4 5 6 7 兩者之間絕對重要會計師之查核意見金融同業照會金融同業照會本問卷到此已全部結束, 請再檢查有無漏答之處感謝您熱心的協助! 78

摘 要 論 文 名 稱 : 以 FAHP-DEA 建 構 銀 行 授 信 決 策 模 型 - 以 中 小 企 業 為 例 頁 數 :78 校 所 別 : 國 立 臺 北 科 技 大 學 工 業 工 程 與 管 理 系 碩 士 班 畢 業 時 間 : 九 十 四 學 年 度 第 二 學 期 研 究 生

摘要論文名稱 : 以 FAHP-DEA 建構銀行授信決策模型 - 以中小企業為例頁數 :78 校所別 : 國立臺北科技大學工業工程與管理系碩士班畢業時間 : 九十四學年度第二學期研究生