企業的永續發展對國家經濟的進步有相當重的影響力，而金融機構對企業資金的供給更是提供企業開始及擴展的重要財務資源之一。金融機構與企業客戶之間的授信關係(金融機構對企業放款)即從金融機構允諾提供企業客戶資金(授予授信額度)開始。授信客戶的利息支付為金融機構收入的主要來源之一。對金融機構而言，不同的授信客戶，在同樣的授信額度下，高動用率(放款餘額/放款額度)的客戶對金融機構的貢獻較大。
就客戶關係管理而言，金融業在滿足客戶的資金需求時，也要謹慎選擇授信客戶。為了避免授信風險，以金融機構的觀點而言：信用較佳及規模較大的授信客戶雖可減少逾放風險，但常成為金融機構間兵家必爭之地。相對的，信用較次等或規模較小的企業，風險雖較高，却有較高的動用率可支付金融機構較多的利息。對企業而言，銀行及票券金融公司為台灣主要的資金提供者。本研究為銀行及票券金融公司授信客戶的實證研究。以風險及收益面為考量，將客戶以額度及動用率分類並檢定各類客戶在規模、信用評等及動用餘額的差異。經檢定後發現，不同類別的客戶在規模、信用評等及動用餘額確有差異。此項發現可提供金融機構做為授信客戶爭取及風險控管等授信管理的參考。

The development of enterprises has a significant impact on a country’s economy. Financial support from financial institutions also provides companies the mandatory resource to start or expand their business scale. The loan relationship between financial institutions and an enterprise starts from the beginning of the financial institutions’ bank lines to the enterprise—the borrowers. Interest income from borrowers is one of the major revenues of financial institutions. Borrowers with a higher ratio of loan usage (actual loan amount/bank line) contribute more interest than those with a lower ratio of loan usage to financial institutions

For customer relationship management, financial institutions have to satisfy the borrowers’ need for money as well as avoid credit risk of borrowers. When selecting borrowers, larger scale enterprises with better credit may reduce credit risk, but those are difficult to maintain because of competition. In contrast, a smaller enterprise with minor credit can contribute more interest to financial institutions. In Taiwan, banks and bills financial companies are the main financial institutions which enterprises can borrow money. This empirical study categorizes borrowers into four types by bank line and ratio of loan usage. Then, we test the differences in business scale, credit rating, and loan amount among those four types of borrowers. Our findings show that the differences among the four groups are significant. These results can provide suggestions for financial institutions when exploring new customers and reduce credit risk for existing borrowers in customer relationship management.

一、 中文部份
1. 方顯光、張曉楨，「金融機構風險管理之研究－以金融房貸為例」，多國籍企業管理評論，第2卷，第1期，115-136，民國97年。
2. 王念萍，「探討信用卡市場區隔與顧客價值分析」，東華大學碩士論文，民國92年。
3. 王明偉，「中小企業對授信往來銀行之顧客忠誠研究」，東華大學碩士論文，民國96年。
4. 王韻筑，「台灣票券金融業之產業結構與經營策略分析」，台灣大學商學研究所碩士論文，民國85年。
5. 史哲慶，「國內銀行業逾放比率偏高之授信對策─就中小企業信保基金分析」，世新大學碩士論文，民國95年。
6. 吳達凱， 「銀行業建立企業信用評等以管理授信信用風險之研究」，東吳大學碩士論文，民國94年。
7. 呂清祿，「銀行業客戶關係管理系統之處理機能與成功建置因素之實證研究」，淡江大學碩士論文，民國91年
8. 李明峰，「銀行業對企業授信『信用評等表』財務比率預警有效性之實證分析，中山大學碩士論文，民國90年。
9. 阮桂菁，「金融機構對集團企業之授信風險管理」，政治大學碩士論文，民國97年。
10. 邱欽堂等、劉水深、賴士葆、林炯垚，「授信策略、程序與績效關係之研究－台灣區銀行業之實證研究」，管理評論，第12卷，49-63，民國92年。
11. 施人英，「智慧型資料分析於金融市場之應用」，台灣大學博士論文，民國93年。
12. 施貴騰，「銀行授信業務之台灣實證分析」, 東吳大學碩士論文，民國98年。
13. 柯志騰，「商業銀行對中小企業授信評估因素與品質關係之個案研究」，亞洲大學碩士論文，民國97年。
14. 孫敏瑗，「加入信用評等下的銀行績效評估」，東吳大學碩士論文，民國94。
15. 高心瑩， 「資料探勘分析於金融機構客戶關係經營之研究」 ，台灣科技大學碩士論文，民國95年。
16. 許正春，「銀行授信考量因素之研究」，交通大學管理科學研究所碩士論文，民國78年。
17. 許經壽，「如何提昇良質放款關鍵因素之探討一以Ｈ銀行為例」，逢甲大學經營管理所碩士論文，民國95年。
18. 郭瑞基、蔡敏華，「風險評估報告與銀行授信決策之分析」，當代會計，第4卷，第1期，57-76，民國92年。
19. 陳世吉，「不同利率環境下,銀行的利差效果及其獲利性,流動性,安全性之研究--以本國銀行為實證對象」，國立交通大學碩士論文，民國88年。
20. 陳信憲、呂羽茜，「財務危機模型之規模、淨值市價比及動能與報酬之關聯」，企業管理學報，第84期，107-141，民國99年。
21. 陳家彬、江惠櫻、賴怡洵，「商業銀行對企業授信決策考量因素與授信品質之關係」，管理評論，第22卷，第2期，1-23，民國92年。
22. 陳家彬、賴怡洵，「銀行往來關係和授信行為之研究」，經濟論文，第31卷，第3期，497-539，民國92年。
23. 陳瑞璽，「房屋抵押貸款授信風險評估研究-以X 銀行為例」，大同大學碩士論文，民國95年。
24. 陶謙光，「企業金融徵授信管理資訊系統開發之關鍵成功因素探討，台灣科技大學碩士論文，民國93年。
25. 黃子芳，「金融環境變遷下成功的銀行經營策略－以台灣花旗銀行為例」，大葉大學碩士論文，民國93年。
26. 黃仁治，「銀行與中小企業往來戶關係品質之研究－以轉換成本及替代方案吸引力為干擾變數」，中小企業發展季刊，109-133，民國97年。
27. 黃楠祥，「從企業財務特性到經濟景氣循環:信用評等的新思維」，東吳大學碩士論文，民國93年。
28. 楊淳惠、饒惠如，「金融業對客戶關係管理運用之研究」，彰銀資料，第57卷，第11期。民國97年11月。
29. 楊蓁海,「我國銀行存放款利差減少原因剖析與因應對策」,央銀行季刊，第二十九卷第二期,民國96年6月。
30. 葉君豪，「專案融資評估決策與輔助決策模型之初步研究」，交通大學碩士論文，民國91年。
31. 葉香君，「金控旗下票券金融公司的經營策略及未來發展，元智大學碩士論文，民國94年。
32. 潘添進、鍾震東，「借款人之財務結構對農會授信額度之影響」，企業管理學報，第47期，59-79，民國89年。
33. 蔡明田、王健聰，，「亞洲金融風暴對本國金融機構利率風險管理影響之實證研究」，企業管理學報，第48期，59-88，民國89年。
34. 戴錦周、陳研研，「台灣商業銀行1994~2002年授信戶逾期還款行為之研究」，台灣金融財務季刊，第6卷，第1期，119-133，民國94年。
35. 蘇廣世，「商業銀行對法人授信規劃之探討」，東吳大學碩士論文，民國93年。

二、 英文部份
1. Chikashi T. , The credit-spread puzzle, Journal of International Money and Finance 24, 2005, 1073-1089。
2. Demetriades, P. O. and K. A. Hussein (1996), “Does Financial Development Cause
Economic Growth? Time-Series Evidence from 16 Countries,” Journal of evelopment
Economics, 51, 387-411.
3. Goldsmith, R. W. (1969), Financial Structure and Development, New Haven, Conn.: Yale University Press.
4. Gurley, J. G. and E. S. Shaw (1955), “Financial Aspects of Economic Development,” The American Economic Review, 45, 515-38.
5. King, R. G. and R. Levine (1993), “Finance and Growth：Schumpeter Might be Right,” Quarterly Journal of Economics, 108, 717-37.
6. Levine, R. (1991), “Stock Markets, Growth, and Tax Policy,” The Journal of Finance, 46, 1445-65.
7. Lu , S. L. and K.C.Jung (2005),” How to gauge the credit risk ofguarantee issues in a Taiwanese billsfinance company: an empiricalinvestigation using a market-based approach”, Applied Financial Economics, 15, 1153–1164.
8. Mckinnon, R. I. (1973), Money and Capital in Economic Development, Washington, D.C.：The Brookings Institution.
9. Odedokun, M. O. (1996), “Alternative Econometric Approaches for Analysing the Role of the Financial Sector in Economic Growth：Time-Series Evidence from LDCs,” Journal of Development Economics, 50, 119-46.
10. Pagano, M. (1993), “Financial Markets and Growth, An Overview,” European Economic Review, 37, 613-22.
11. Patrick, H. T. (1966), “Financial Development and Economic Growth in Underdeveloped Countries,” Economic Development and Culture Change, 14, 174-89.
12. Peppers and Rogers, 1993, The One-To-OneFuture: Building Relationships One.
13. Shaw, E. S. (1973), Financial Deepening in Economic Development, New York：Oxford University Press.
14. Tainyi Luor, Changya Hu, Hsi-Peng Lu (2009)," Mind the gap': An empirical study of the intention and actual usage of corporate e-learning programmes in the financial industry", British Journal of Educational Technology, 40(4), 713-732.
15. Wun-Hwa Chen, Jen-Ying Shih (2006), A study of Taiwan’s issuer credit rating systems using support vector machines, Expert Systems with Applications 30, 427–435.