TWI442336B - 企業融資與風險評估方法 - Google Patents
企業融資與風險評估方法 Download PDFInfo
- Publication number
- TWI442336B TWI442336B TW99147367A TW99147367A TWI442336B TW I442336 B TWI442336 B TW I442336B TW 99147367 A TW99147367 A TW 99147367A TW 99147367 A TW99147367 A TW 99147367A TW I442336 B TWI442336 B TW I442336B
- Authority
- TW
- Taiwan
- Prior art keywords
- financing
- default
- risk assessment
- risk
- assessment method
- Prior art date
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
本發明係有關於一種企業融資與風險評估方法,特別是有關於一種應用電腦系統進行企業融資與風險評估方法。
隨著社會的進步,個人與企業對於資金周轉的需求,與時遽增。信用融資的出現,說明了人們重視信用,這對於提高人們對信用的重視,無疑具有劃時代的意義。對於一個先進的社會,信用的約束力必須大幅的提高,以提升個人與企業的信用,常言說得好:“人無信不立”。
一般而言,銀行和社會可能都擔心信用融資的風險,其實這是一體兩面的。如何能有效的管理個人與企業的信用,並使得金融機構進行借貸時的風險降低,不僅可以有效地增加金融機構的放款利潤,更可以降低個人或企業借貸的利息。
由於新興國家的企業多為家族方式經營,故企業之財務報表數字常會透過不同的方法進行掩飾,藉此美化報表上資料,因而大幅地降低傳統僅考慮財務變數資料所建構之財務危機預警模型的預測效力。特別是,針對未上櫃或上市公司的財務報表,更因為欠缺有效的管理,其常常與現實脫節,以致於可信度堪慮。
如何能有效地建立融資風險評估的正確性,特別是針對財務狀況不是很透明的公司或企業,做出正確的融資決定,為金融機構所努力的方向。
鑒於上述之先前技術中所述,由於金融機構在進行融資時,需能正確地判斷借款人的還款能力,以減少風險,因此,如何能由借款人的資料判斷其還款能力,並設計合適的還款方式,將可有有效地降低融資風險。
本發明之目的之一,係提供一種企業融資與風險評估方法,使用於一電腦系統,以有效地對一新的客戶進行違約風險評估,並決定融資的模式與架構。
根據以上所述之目的,本發明係揭露一種企業融資與風險評估方法,使用於一電腦系統,可有效地對一新的客戶進行違約風險評估,並決定融資的模式與架構。此企業融資與風險評估方法包含有下列步驟:將歷史評分資料輸入一電腦系統之一資料庫;利用該電腦系統,計算顯著變數;利用該電腦系統,建立判別模式函數;利用該電腦系統,建立存活時間函數;利用該電腦系統,建立違約風險係數分配表;輸入一新客戶的評分表;以及計算新客戶的違約風險。
其中上述之歷史評分資料包含財務項目與非財務項目的評分項目。而上述非財務項目的評分項目更包含經營管理項目、經濟評分項目與規模項目的評分項目。
此企業融資與風險評估方法更包含區別歷史評分資料的組別,以分別進行資料統計。上述之歷史評分資料的組別可以分為服務業、製造業與具有財務簽證之企業等。
此外,上述之判別模式函數更包含一違約判別模式函數與一正常判別模式函數。當違約判別模式函數值大於正常判別模式函數值時,新的客戶被判定會違約。
當新的客戶被判定會違約時,本發明之企業融資與風險評估方法更利用存活時間函數,以計算一存活時間,並根據存活時間、違約風險係數分配表,再根據客戶融資額度決定一違約金額。
本發明之企業融資與風險評估方法更可根據存活時間與違約金額調整新的客戶的一融資合約。上述之調整融資合約更包含調整一還款期限與調整一融資額度,且調整融資額度更包含設計一非直線性還款模式。
因此,藉由本發明之企業融資與風險評估方法,不僅可有效地判斷新客戶的違約風險,並藉由日積月累的數據資料,更新歷史評分資料,以更精確地預估客戶違約的風險。此外,由於本發明不僅根據財務項目的評分項目,更包含非財務項目的評分項目,更可以充分反應企業經營狀態的真實性,以增加系統預測的準確度。當本發明之企業融資與風險評估方法預估新客戶有違約風險時,更可以計算新客戶存活的時間與違約風險,進而計算違約金額,並可根據違約金額與存活時間調整還款方式,才與客戶簽訂融資合約,有效降低融資風險,且擴大可融資的範圍,增加金融機構的營業範圍。此外,根據不同的違約金額與存活時間,更可以採用非線性的還款模式,以進一步降低融資風險。
本發明係揭露一種企業融資與風險評估方法,可有效地評估融資的風險、預估違約的時程,並根據預估違約的時程與金額制訂合適的還款計畫,以有效地降低金融機構融資的風險。以下將以圖示及詳細說明清楚說明本發明之精神,如熟悉此技術之人員在瞭解本發明之較佳實施例後,當可由本發明所教示之技術,加以改變及修飾,其並不脫離本發明之精神與範圍。
參閱第1圖,其係繪示本發明之企業融資與風險評估方法之示意圖。本發明之企業融資與風險評估方法,利用已知的歷史評分資料與實際還款結果等資料,建立判別模式函數與存活時間函數,並可不斷地根據新的數據更新資料庫,以建立更符合實際情況的判別模式函數與存活時間函數。如圖所示,步驟110,首先將歷史評分資料輸入一電腦系統之中。步驟120,將輸入的歷史評分資料根據融資用戶的特性區分為不同的組別。其中,組別可以分為製造業、服務業及具有財務簽證之企業。分別使用不同的表格進行填寫,以符合不同組別的特性。例如是,具有財務簽證之企業可填寫一甲表,而未具有財務簽證之服務業與製造業可填寫一乙表,再將其區分為不同的組別如乙表製造業與乙表服務業,亦即,同時包含步驟110與步驟120的功能,其並不脫離本發明之精神與範圍。
舉例而言,具有財務簽證之企業所使用之甲表可至少包含下列的評分項目與其分類的代碼:
甲表:
針對未具有財務簽證之服務業則可使用項目較少的乙表,但由於一般製造業與服務業即便根據相同的評分項目,但在實際進行評估時,兩者具有截然不同的結果,故在實際進行分析時,仍採用不同的組別,以提升預估的準確性。
乙表:
其中,評分項目除了包含有財務項目的評分項目,更包含有非財務項目的評分項目。特別是針對中小型企業,由於一般財務狀態並不透明,非財務項目的評分就顯的十分的重要,其中非財務項目至少包含有經營管理項目的評分、經濟項目的評分與規模項目的評分。而這些評分項目更可以進一步利用歷史評分資料進行進一步的分類,例如將公司歷史,依不同的經營年資,可區分為1至3分。例如,成立1年以內為1分、1-5年為2分,以及5年以上為3分。又例如,有關於公司內部是否和諧與員工忠誠度的評分,則可以依員工流動率等客觀因子進行評分。故上述之非財務項目的評分可根據資料庫中的歷史評分資料訂定相應的評分標準。
步驟130,當分組完成後,電腦系統將根據每一個債務人的還款結果,分組別進行統計,以區別各組別的資料的狀態。
步驟140,電腦系統進一步根據歷史評分資料、組別、以及各組別的還款結果,利用逐步迴歸分析、迴歸分析、逐步邏輯斯迴歸分析或邏輯斯迴歸分析等統計方法,計算各組別的顯著變數,本發明之顯著變數較佳地包含有財務評分項目與非財務評分項目。
步驟150,建立判別模式函數,以甲表為例根據被計算出來的顯著變數,分別建立違約判別模式函數:
y=-1.2772*k11+1.7343*k12+1.8044*k10+1.0035*N8+3.3259*N1+0.1831*N3b+2.6197*N9b+3.2051*k7+0.8927*N4-14.0358
並建立正常判別模式函數:
z=5.2101*k11-2.5698*k12+0.8724*k10+2.0120*N8+2.4201*N1+0.7673*N3b+1.8157*N9b+4.2700*k7+1.3560*N4-20.6564
其中,
其中,當有新的客戶欲申請融資時,可藉由判別模式函數分別代入所需的顯著變數的評分,取其大值為判定值,亦即當y>z時此客戶會被判定為可能違約客戶,反之則會被判定為正常客戶。
步驟160,接著同時建立存活時間函數,其可以準確的預估存活月,例如
m=0.787*N1+0.935*N3a+0.621*k1+0.759*k8
調整後R2
=0.931
其中,
當上述之判別模式函數與存活時間函數分別建立完成後,電腦可利用其他的融資合約的資料進行驗證,以評估所建立的判別模式函數與存活時間函數是否達到一定的預估準確率。其中,判別模式函數的歷史樣本的正確率需達75%以上,而測試樣本正確率需達70%以上,並利用KS值檢定,且要求KS值至少>30,以增加新客戶預估的準確率。其中KS值為正常客戶評分的累積機率分配與違約客戶評分的累積機率分配最大距離,且KS值愈大,越能區別正常客戶與違約客戶。而存活時間函數則可分別使用不同統計方法建立存活其模型,選用誤差值較小的函數。
步驟170,建立違約風險係數分配表,分組建立歷史違約樣本的存活期資料統計分配檢定,找出過往存活期可能的統計分配,以用來預估為可能發生的違約點的風險係數。以18個月的統計資料可得,一違約風險係數分配表:
當判別模式函數、存活時間函數以及違約風險係數分配表分別建立完成後,則可輸入新客戶的評分表,並計算新客戶的違約風險,步驟180與步驟190。
接著參閱第2圖,其係揭露本發明之企業融資與風險評估方法新客戶申請融資之流程示意圖。步驟210,一新客戶欲進行融資的申請。步驟220,填寫客戶資料。步驟230,根據客戶填寫的客戶資料,計算評分表,並將這些評分資料傳送至具有第1圖所揭露之風險評估模組的電腦之中,以計算新客戶的違約風險,步驟240。
以甲表舉例而言,參閱步驟150的說明,違約判別模式函數:
y=-1.2772*k11+1.7343*k12+1.8044*k10+1.0035*N8+3.3259*N1+0.1831*N3b+2.6197*N9b+3.2051*k7+0.8927*N4-14.0358
正常判別模式函數:
z=5.2101*k11-2.5698*k12+0.8724*k10+2.0120*N8+2.4201*N1+0.7673*N3b+1.8157*N9b+4.2700*k7+1.3560*N4-20.6564
其中,k11=2、k12=2、k10=2、N8=2、N1=2、N3b=2、N9b=2、k7=2。
因此,y=12.9472
z=11.6512
y>z所以被判定可能違約之客戶。
步驟250,判斷案件是否違約。若z>y則判斷客戶並不會違約,若y>z則可判定客戶可能違約。
當客戶並不會違約時,進入步驟260,與客戶簽訂融資合約。當客戶可能會違約時,進入步驟270進一步計算此融資之存活時間與違約風險係數。
接著利用存活時間函數計算存活時間
m=0.787*N1+0.935*N3a+0.621*k1+0.759*k8
其中,N1=2、N3a=2、k1=2、k8=2。
因此,m=6.204
所以,預估此新客戶可能之違約時間為第6.2個月。
然後,查詢步驟170中的違約風險係數分配表,以甲表R5第7個月違約比率為54%。此時電腦系統可進一步計算此時客戶預估已還款的金額,與此時本金的餘額。其中,表中R6與R7則分別表示不同評等所使用之違約風險係數,其可以依客戶的信用評等進行選擇。一般而言,新的客戶較佳地採用R5作為查詢的標準,當客戶曾經出現過延遲還款等信用風險時,可調整評等,以更正確地估計此客戶的違約風險係數。因此,將此違約時點之本金餘額*違約比率為54%即可算出,預估的違約金額,步驟280。例如,當客戶融資18萬分12個月償還,亦即每個月償還本金1.5萬,當第7個月違約時,已償還6個月的本金,約9萬元,尚餘本金9萬未清償。而根據歷史資料的機率統計,此種客戶在第7個月違約的機率甚高,約有違約54%比率會違約,故預估的違約金額為9萬乘54%約等於4.86萬,亦即以歷史資料的統計而言,若金融機構融資給此客戶約可能會發生4.86萬的本金虧損的機率。
此時,步驟290,可根據違約可能發生的月份,調整還款的模式,例如是將本金償還由每月平均償還,修改成初期數個月須償還較高的本金,例如前1/4的時間需償還1/2的本金,或者是縮短融資期限,將12個月的融資縮短為6個月的融資。亦或者是,同時縮短融資的金額與融資的期限。還可以是非直線性的還款方式,以使客戶可在較短的期限下還清融資的金額。如此,可有效地降低融資違約的風險,提高金融機構融資的意願。步驟300,金融機構可根據調整後的還款方式與客戶簽訂融資合約,並依照修正後之合約內容要求客戶調整還款方式,以縮短融資期限。
然若,其可能發生的違約金額實在過高,則金融機構亦可以據此直接拒絕核貸,步驟320。相反地,步驟330,若經計算其可能發生的違約金額十分的低,此時,金融機構可考慮部份已回收的本金與利息後,此違約金額並不會造成金融機構的損失,亦可以直接核貸,以增加金融機構的獲利機會與能力。
因此,藉由本發明之企業融資與風險評估方法,不僅可有效地評估新客戶的違約風險,並藉由新的數據資料,更新歷史評分資料,以更精確地預估客戶違約的風險。此外,由於本發明不僅根據財務項目的評分項目,更包含非財務項目的評分項目,以充分反應企業經營狀態的真實性,以增加系統預測的準確度。值得注意的是,當本發明之企業融資與風險評估方法預估新客戶有違約風險時,更可以計算新客戶存活的時間與違約風險,進而計算違約金額,並可根據違約金額與存活時間調整還款方式,再與客戶簽訂融資合約,有效降低融資風險。而還款方式,更可以採用非線性的方式進行,以進一步降低融資風險。
如熟悉此技術之人員所瞭解的,以上所述僅為本發明之較佳實施例而已,並非用以限定本發明之申請專利範圍。凡其它未脫離本發明所揭示之精神下所完成之等效改變或修飾,均應包含在下述之申請專利範圍內。
110~330...步驟
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:
第1圖係為本發明之企業融資與風險評估方法之建構流程是示意圖;以及
第2圖係為本發明之企業融資與風險評估方法新客戶申請融資之流程示意圖。
110~190‧‧‧步驟
Claims (9)
- 一種企業融資與風險評估方法,係使用於一電腦系統,以對一新的客戶進行違約風險評估,該企業融資與風險評估方法包含:將歷史評分資料輸入一電腦系統之一資料庫;利用該電腦系統以及逐步迴歸分析、迴歸分析、逐步邏輯斯迴歸分析或邏輯斯迴歸分析,計算顯著變數;利用該電腦系統,並根據計算出來的顯著變數,建立判別模式函數,其中該判別模式函數包含一違約判別模式函數與一正常判別模式函數,當該違約判別模式函數值大於該正常判別模式函數值時,該新的客戶被判定會違約;利用該電腦系統之該資料庫融資合約的資料進行驗證該違約判別模式函數、該正常判別模式函數以及該存活時間函數;利用該電腦系統,找出過往存活期的統計分配,以預估為發生的違約點的風險係數,進而建立存活時間函數;利用該電腦系統,以一預定期間的統計資料,建立違約風險係數分配表;輸入一新客戶的評分表;以及計算新客戶的違約風險。
- 如申請專利範圍第1項所述之企業融資與風險評估方法,其中上述之歷史評分資料包含財務項目與非財務項目的評分項目。
- 如申請專利範圍第2項所述之企業融資與風險評估方法,其中上述非財務項目的評分項目更包含經營管理項目、經濟評分項目與規模項目的評分項目。
- 如申請專利範圍第1項所述之企業融資與風險評估方法,更包含區別該些歷史評分資料的組別,以分別進行資料統計。
- 如申請專利範圍第4項所述之企業融資與風險評估方法,其中上述之歷史評分資料的組別包含一服務業、一製造業與一具有財務簽證之企業。
- 如申請專利範圍第1項所述之企業融資與風險評估方法,其中當該新的客戶被判定會違約時,利用該存活時間函數,計算一存活時間,並根據該存活時間、該違約風險係數分配表,據其客戶融資額度決定一違約金額。
- 如申請專利範圍第6項所述之企業融資與風險評估方法,更包含根據該存活時間與該融資額度調整該新的客戶的一融資合約。
- 如申請專利範圍第7項所述之企業融資與風險評估方法,其中上述之調整該融資合約包含調整一還款期限與調整一融資額度,且調整該融資額度更包含設計一非直線 性還款模式。
- 如申請專利範圍第1項所述之企業融資與風險評估方法,其中上述之預定期間的統計資料,包含至少18個月的統計資料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW99147367A TWI442336B (zh) | 2010-12-31 | 2010-12-31 | 企業融資與風險評估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW99147367A TWI442336B (zh) | 2010-12-31 | 2010-12-31 | 企業融資與風險評估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201227580A TW201227580A (en) | 2012-07-01 |
TWI442336B true TWI442336B (zh) | 2014-06-21 |
Family
ID=46933318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW99147367A TWI442336B (zh) | 2010-12-31 | 2010-12-31 | 企業融資與風險評估方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI442336B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI619082B (zh) * | 2016-08-29 | 2018-03-21 | Group relationship enterprise fund sharing method and system |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119213A (zh) * | 2021-12-15 | 2022-03-01 | 平安科技(深圳)有限公司 | 融资业务的风险检测方法、装置、计算机设备及存储介质 |
-
2010
- 2010-12-31 TW TW99147367A patent/TWI442336B/zh active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI619082B (zh) * | 2016-08-29 | 2018-03-21 | Group relationship enterprise fund sharing method and system |
Also Published As
Publication number | Publication date |
---|---|
TW201227580A (en) | 2012-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Local crowding‐out in China | |
Cerqueiro et al. | Rules versus discretion in loan rate setting | |
US20150026039A1 (en) | System and method for predicting consumer credit risk using income risk based credit score | |
TW201926208A (zh) | 基於網路平臺朋友圈授信實現風險控制的借貸撮合系統及借貸發放管理方法 | |
Osei-Assibey | Source of finance and small enterprise's productivity growth in Ghana | |
Ritschl et al. | Currency versus banking in the financial crisis of 1931 | |
Putra et al. | The effect of audit tenure, audit delay, company growth, profitability, leverage, and financial difficulties on acceptance of going concern audit opinions | |
Kollar | Credit value at risk and options of its measurement | |
Oluwasogo et al. | Co-integration analysis of financial intermediation and economic growth in Nigeria | |
Kim et al. | Extreme events and optimal monetary policy | |
TWI442336B (zh) | 企業融資與風險評估方法 | |
TWI471818B (zh) | 微型企業融資風險評估方法 | |
Nkalu et al. | Trade openness and exchange rate fluctuations nexus in Nigeria | |
TWM581252U (zh) | Credit rating evaluation | |
Yildirim et al. | Grey relational analysis based ranking of Latin American and Caribbean economies | |
LaCour-Little et al. | Default probability and loss given default for home equity loans | |
Lambert et al. | Unintended Consequences of Accelerated Filings: Do Changes in Audit Delay Lead to Changes in Earnings Quality? | |
Hosono et al. | Do financial frictions matter as a source of misallocation? Evidence from Japan | |
TWM604457U (zh) | 貸款核准層級分類系統 | |
Skufi et al. | Using Macrofinancial Models to Simulate Macroeconomic Developments During the COVID-19 Pandemic: The Case of Albania | |
JP2012238073A (ja) | 債権買取査定支援システム及び債権買取査定支援方法 | |
Jie et al. | Corporate social responsibility and crash risk for Japanese firms | |
TWM601405U (zh) | 授信風險評估系統 | |
KR20160036515A (ko) | 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템 | |
Shukurovich et al. | Transformation of accounting of main means in water enterprises based on international standards |