信用評等，是對企業的償債能力進行評比，簡單的說，包括：發行人評等(Issuer Rating)：即對一個企業而言，其整體的償債能力，與國內其他債務人相比較的客觀評估。債務發行評等(Issue Rating)：對特定債務而言，評估債務人依約準時還本付息的能力，以及此債務所提供的保障性。台灣多數金融機構的獲利有集中化趨勢(亦即82法則)，代表著銀行的主要獲利是集中在少數客戶所貢獻，這些對銀行貢獻度高的客戶，多為企業戶甚至有一定的高比率為上市櫃企業，這些中大型企業在選擇主要往來銀行，會注意到該銀行的信用評等，或者是在往來行庫的信用評等轉差時，會考慮移轉或分散業務到其他往來銀行。本研究根據自民國94年起各家商業銀行對大企業的放款市占率與其本身的信用評等變化做觀察發現，半數以上銀行的信用評等與該銀行對大企業的放款市占率呈正相關；進一步以上海商業儲蓄銀行做個案分析，統計該銀行自民國93年起對大企業的各項業務，包含往來家數和存、放款及理財業務發現，個案銀行各項業務成長與其在同一統計期間信用評等受到調升亦呈現正相關，最後再以問卷訪談上市櫃企業的財務長印證上述現象。因此，根據本研究銀行在推展與大型企業的業務往來上，應善加利用本身信用評的優勢，達到事半功倍的效果。

In this research, the housing loans of the sample bank will be analyzed by three different aspects, which are volume, price, and quality. The result of this research could be used to make strategies in response to different financial conditions and scenarios of real estate market. This research paper is consisted of three topics; first of all, the pricing model, which could measure the impact of its pricing strategies to its revenue. Secondly, optimal volume, which could derive the correlation between the changes of market share, operating conditions and the overall or regional policies. The 3rd one is about risk management, executing pre-and post management plans to control the credit quality. Due to the cross-effect of the policy implements, multi-variables are adopted in this paper, which are “average interest rate”, “interest income”, “profit contribution”, ”market share”, “balance of housing loans”, “the amount of new loans”, and “non-performing rations”. Finally, the benefit of these policies will be categorized by the changes of each variable and the conclusion will be drawn.

1. 王淑麗（1994），以財務比率建立銀行放款信用評估模式，交通大學管理科學研究所碩士論文。
2. 石月華（1993），建立銀行授信信用評估模式之研究，交通大學管理科學研究所碩士論文。
3. 李樑堅、張志向（1994），中小企業授信評估模式建立之研究，台大管理論叢，第九卷第二期，頁69-95。
4. 李儀坤、黃建森、張捷昌（1990），金融風險管理，台北華泰，頁155-183。
5. 李儀坤、高大均、施建安（2002），不良債權處理實務，台灣金融研究院，頁69-138。
6. 李明峰（2001），銀行業對企業授信『信用評等表』財務比率預警有效之實證分析，中山大學財務管理研究所碩士論文。
7. 林蔓蓁（1993），銀行授信客戶之風險評估，中央大學資訊管理研究所碩士論文。
8. 郭怡萍（1998），銀行業信用評等模式之建構，台灣大學商學研究所碩士論文。
9. 郭素綾（2001），本國銀行信用評等實證模型之研究，中正大學企業管理研究所碩士論文，頁15-26。
10. 陳文生（1990），財務分析應用於銀行放款信用評估之研究，中山大學企業管理研究所碩士論文。
11. 張永豪（1999），銀行信用評等-新銀行之實證分析，朝陽科技大學財務金融研究所碩士論文。
12. 黃達業（2001），提昇我國金融機構競爭力之研究，台灣金融研訓院金融專題研究報告系列，頁1~1-1~4。
13. 黃小玉（1998），銀行放款信用評估模式之研究-最佳模式之選擇，淡江大學管理科學研究所碩士論文。
14. 葉英俊、紀榮年譯（2001），青木哲也、入野浩志、岩崎和男、竹之內等、木通雄、福田 知、福田守夫、藤代哲也、本多英紀原著，企業評等與銀行授信，台灣金融研究院，頁1-42。
15. 劉玉皙（2001），銀行往來關係對中小企業信用評等之影響，政治大學財務管理研究所碩士論文。
16. 蔡君樞編譯（2001），木村敦夫、永峰敬一、東 正明、佐佐木有一原著，銀行徵信調查實務，台灣金融研究院。
17. 簡安泰（1996），銀行評估信用準則，財團法人聯合徵信中心。
18. 中華民國銀行公會（1990），中華民國銀行公會訂定銀行業辦理授信業務信用評等要點。
二、 英文部分
1. “Credit Ratings and Complementary Sources of Credit Quality Information”，Besel Committee on Banking Supervision Working Papers，No.3，Aug. 2000，pp.21~24
2. Cantor, R. and Packer, F., (1994), “The Credit Rating Industry.” Federal Reserve Bank of New York Quarterly Review 19(2).
3. Collins, R.A. and R.D. Green(1982),“Statistical Method for Bankruptcy Forecasting”, Journal of Economics and Business, Vol.34, No.4, pp.349-354
4. Crouhy M., and D. Galai and R. Mark (2001), “Prototype Risk Rating System.” Journal of Banking & Finance, 25, pp.47-95
5. Dutta, S. and Shekhar, S.(1988), “Bond Rating: A Non-conservative Application of Neural Network” in Trippi, R.R. and Turban, E.(eds.), Neural Networks in Finance Investing: Using and Artificial Intelligence to Improve Real-Word Performance, pp.257-274, New York: Irwin
6. Espahbodi, P. (1991), “Identification of Problem Banks and Binary Choice Models”, Journal of Banking and Finance, Vol.15. No.1, pp.53-71
7. Horrigan, J. (1966), “The Determination of Long Term Credit Standing With Financial Rations”, Empirical Research in Accounting: Selected Studies, Supplement to Vol.4, Journal of Accounting Research, 4 Suppl.
8. Joseph F. Sinkey, JR (1975), “A Multivariate Statistical Analysis of The Characteristics of Problem Banks”, Journal of Finance, Vol.30, No.1, pp.21-34
9. Joseph F. Sinkey, JR (1977), “Identify Large Problem/Failed Banks: The Case of Franklin National Bank of New York”, Journal of Financial and Quantitative, pp.779-801
10. Joseph F. Sinkey, JR (1978), ”Identifying “Problem” Banks-How Do the Banking Authorities Measure A Bank’s Risk Exposure?”, Journal of Money ,Credit & Banking, Vol.10, No.2, pp.185-193
11. Kim, J. W., Weistroffer, H.R. and Redmond, R.T.(1993), “Expert System for Bond Rating: a Comparative Analysis of Statistical, Rule-based and Neural Network System” Expert System, 10, No.3, pp.167-171
12. Martin, Daniel (1997), “Early Warning of Bank Failure: A Logit Regression Approach”, Journal of Banking and Finance, Vol.1, No.3, pp.249-276
13. Mayer, P.A. and H.W. Pifer (1970), “Prediction of Bank Failure”, Journal of Finance, Sep. 1970, pp.853-868.
14. Moody’s website. http://www.moodys.com/cust/default.asp
15. Nusbaum, D., (1996), Moody’s Blue Risk 9(10), pp.57-59
16. Pinches, G. and Mingo, K.(1973), “A Multivariate Analysis of Industrial Bond Ratings,” Journal of Finance, 28, pp.1-18
17. Pogue, T. and Soldofsky, R.(1969), “What’s in a Bond Rating?” Journal of Financial and Quantitative Analysis, 4, June
18. Richard H. Pettway and Joseph F. Sinkey, JR. (1980), “Establishing On-Site Bank Examination Priorities: An Early-Warning System Using Accounting and Market Information”, Journal of Finance, Vol.35, No.1, pp.137-151
19. “Rating of Practice in Banks’ Internal Ratings System”, A discussion paper by the Basel Committee on Banking Supervision, Jan. 2000, p.17
20. Robert A. Collins (1980), ”An Empirical Comparison of Bankruptcy Prediction Models”, Financial Management, pp.52-87
21. S&P website. http://www2.standardandpoors.com/
22. Standard & Poor’s Ratings Definitions, 2005, pp.23-29
23. Surkan, A. and Singleton, J. C.(1990), “Neural Networks for Bond Rating Improved by Multiple Hidden Layers” in Trippi, R. R. and Turban, E.(eds.), Neural Networks in Finance and Investing: Using Artificial Intelligence to Improve Real-World Performance, pp.275-288, New York: Irwin
24. William F. Treacy and C. Mark (2000), “Credit Risk Rating Systems at Large US Banks”, Journal of Banking & Finance, 24, pp.167-201
25. West, R. C., (1985), “A Factor Analytic Approach to Bank Condition”, Journal of Banking and Finance, Vol.15, No.1, pp.253-226
26. Whalen, G. W. and Thomson, J. B. (1998), “Using Financial Data to Identify Changes in Bank Condition”, Economics Review, Federal Reserve Bank of Cleveland, 2nd Quarter 1998, pp.17-26