銀行業主要的收入來源主要有兩大類--營業收入與非營業收入。而營業收入主要來自銀行日常的營業活動，營業活動當中主要的收入來源就是利息收入，利息收入中占個人消費性貸款最大宗即是房屋貸款，也因此，房屋貸款的逾放比重，影響銀行業收益甚大。本文採用邏輯斯迴歸模型作為房屋貸款評估模型，這種模式試圖找到最能解釋抵押貸款市場逾期風險的關鍵因素，研究包含11個類別型變數及5個連續型變數。
在本次調查之中，我們對於『有無寬限期』、『性別』、『教育程度』等變數對於授信是否違約有顯著關聯性；有寬限期、女性、高中職以下者的授信違約機率較高。另，『有無撫養子女』、『年齡』、『貸款佔比(申請金額/擔保品初估值)』、『報稅年收入與其他收入』等變數對於授信是否違約預測評估模型為重要預測變數；其中，有撫養子女、年齡較大、貸款佔比較大、報稅年收入與其他收入較少者的授信違約機率較高。因此，銀行未來房屋貸款時可對於這些關鍵因素增加著重比例，作為是否授信的參考依據，以利降低違約情形發生。

There are two main types of income sources in the banking industry - operating income and non-operating income. And the operating income mainly comes from the daily business activities of the bank. The main source of income in business activities is interest income. The largest piece of interest income in personal interest loans is mortgages loans. Therefore, the proportion of housing loans overdue has a significant impact on the banking industry. This research method uses a logistic regression model to assess the risk of overdue mortgages. Trying to find the main factors that can explain the overdue risk of mortgages loans. In this study, we chose eleven categories of variables and five continuous variables to explore.
In this study, we found that variables such as “whether to have the grace periods”, “gender”, and “educational level” are significantly related to whether credit is defaulted. Those with grace periods, women, and high school titles have higher rates of credit default. In addition, variables such as "have no child support", "age", "loan ratio (application amount / initial valuation of collateral)", "revenue income and other income" are important predictors for whether or not the credit default prediction model is used. Among them, there are higher rates of credit defaults for raising children, older ages, larger loans, and lower annual tax returns and other income. Therefore, in the future, bank loans can increase the proportion of these key factors, as a reference for credit, in order to reduce the occurrence of default.

論文審定書 i
中文摘要 ii
Abstract iii
目錄 iv
圖目錄 v
表目錄 vi
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 4
第三節 研究範圍及內容 4
第四節 研究架構及流程 6
第二章 相關理論及文獻探討 8
第一節 金融機構對房屋貸款之定義及種類 8
第二節 金融機構對房貸授信之基本原則及評估要領 13
第三節 房屋貸款之授信風險評估 18
第三章 研究方法 21
第一節 傳統信用風險評量方法 21
第二節 邏輯斯迴歸模型 22
第三節 資料蒐集 23
第四章 實證研究結果與分析 25
第一節 樣本特性分析 25
第二節 假說檢定 36
第三節 邏輯斯迴歸模型分析 40
第五章 結論與建議 44
第一節 結論 44
第二節 研究限制與未來研究方向 45
參考文獻 47

一、中文部分
1. 王梅雀(2008)，銀行房屋貸款授信風險評估之研究，國立嘉義大學管理學院碩士在職專班論文。
2. 林嘉聰(2012)，影響房屋貸款違約因素之分析-以國內某商業銀行為例,國立高雄應用科技大學金融資訊研究所碩士論文。
3. 林哲輝(2010)，房屋貸款授信評量模式之個案研究，國立高雄第一科技大學財務管理所碩士論文。
4. 吳佩芬(2012)，影響消費者貸款逾期因素之實證分析，國立台中科技大學企業管理系事業經營碩士班碩士論文。
5. 郭雲啟(2006)，房屋貸款提前還款再貸款之研究-以S銀行為例，中原大學企業管理研究所碩士論文。
6. 陳瓊雲(2010)，大高雄地區房屋貸款授信評估因素及其營運策略之研究，義守大學財務金融學系，碩士論文。
7. 陳鈞鎮(2011)，房貸違約風險因子分析-以國內某一銀行為例，青科技大學國際企業管理研究所碩士論文。
8. 蘇煒平(2009)，以PROBIT模型分析人壽保險公司房屋抵押貸款風險，淡江大學保險學系保險經營碩士在職專班碩士論文。
9. 顏柏仁(2011)，銀行對中小企業融資決策之實證分析，國立台中技術學院企業管理系事業經營碩士班碩士論文。
10. 鄭舜吉(2015)，房屋貸款授信風險因子-以S銀行為例，元智大學管理碩士在職專班，碩士論文。
11. 歐文智(2010)，商業銀行房屋貸款違約預警模型之研究，國立雲林科技大學財務金融系碩士班，碩士論文。
二、英文部分
1. Altman E. L., Marco, G. V., and Varetto, F.(1994), “corporate Distress Diagnosis of Corporate Bankruptcy, “Journal of Finance, pp.505-529.
2. Altman E. and Sabato G. ,(2007)."Modeling credit risk for SMEs: Evidence from the US market", About Journal,43(3) ,pp.332-357.
3. Chun, S. H and Park, Y.J. ,(2006)."A new hybrid data mining technique using a regression case based reasoning: Application to financial forecasting", Expert Systems with Applications,31, pp.329-336
4. Cairney and Boyle(2004). Home Ownership, Mortagages and Psychological Distress； Housing Studies, 19, 161-174.
5. Har and Eng(2004), Risk Sharing in Mortgage Loan Agreements, Review of Pacific Basin Financial Markets and Policies, Vol.7, 223-258.
6. Kitchens, Larry J.(2003) ,Basic Statistics and Data Analysis ,Books Loke. pp.421-434.
7. Kelly,R.,& O'Malley, T.(2016).The Good,the Bad and the Impaired: A Credit Risk Model of the Irish Mortgage Market. Journal of Financial Stability, 22, 1-9.
8. Loon, A.H. and Eng, S.(2005) ,Conditional Default Risk in Housing Arms: A Bivariate Probit Approach, National Universit Of Singapore, April.
9. Maria D.G, Dean F. and Mario M.,(2008)."A new approach for firm value and default Probability estimation beyond the Merton models", Computational Economics, 31(2) , pp.161-180.
10. Orrillo, J. ,(2005)."Collateral once again", Economics Letters,87, pp.27-33.
11. Orgler, Y.E.(1970) “A Credit Scoring Model for Commercial Loan, “Journal of Money, Credit, and Banking, 435-445.