房屋貸款提前還款再貸款之研究-以S銀行為例

A Study of Refinancing for Prepayment on Mortgage Loan

郭雲啟(Yen-Chi Kuo)

指導教授 ： 劉立倫

中原大學/商學院/企業管理研究所/碩士(2006年)

https://doi.org/10.6840/cycu200600032

摘要

此一研究的重要為探討房屋貸款提前還款再貸款之變數。研究的變數包含1.性別、2.教育程度、3.婚姻狀況4.申貸時年齡、5.月收入、6.現職工作年資、7.職業、8.還款年限、9.房屋使用用途別、10.貸款金額、11.貸放成數、12.還款方式、13.有無保證人、14.有無政府優惠貸款、15.貸款月付金佔總收入比率、16.借保人有無關係、17.房屋類型等十七變項因素。
研究結果發現，對於房屋貸款提前還款再貸款戶中。性別、月收入、房屋使用用途別、貸款金額、還款方式、有無保證人、有無政府優惠貸款等七個變項因素無顯著性相關性。而在 「婚姻狀況」、「職業」、「貸款月付金佔總收入比率」等三項因素具邊際顯著相關性。教育程度、申貸時年齡、現職工作年資、還款年限、貸放成數、借保關係(無保人或有直屬親屬關係)及房屋類型等七項則具有顯著性相關。
在將上述所發現之七個顯著因子導入Logistic及倒傳遞類神經，其分析結果顯示，在Logistic模型之整體辨識正確率為79.82%，而在倒傳遞類神經模型之整體辨識正確率為96.9%。其二種分析結果以類神經網路整體辨識正確率較準確。
本研究結果顯示房屋提前還款戶之“再貸款”與“不再貸款”兩類型之房屋貸款戶中特徵玆列如下：
一.「再貸款」房屋貸款戶—年齡在30歲以上、貸放成數在80%以下及借保關係(無保人或有直屬親屬關係)等者。
二.「不再借款」房屋貸款戶—年齡在30歲以下、貸放成數在80%以上及借保關係(有保人且非直屬親屬關係)等者。

關鍵字

Logistic ； 房屋貸款 ； 類神經網路 ； 提前還款 ； 再貸款

並列摘要

Abstract
The main purpose of this research is to discuss the variables attributing to the refinance of the early- repayment mortgage loan. 17 variables are defined as: 1. Gender 2. Education level 3. Marital status 4. Age 5. Monthly income 6. Working years for current job 7. Occupation 8. The period of repayments 9. The use of the property 10. Loan amount 11. Loan percentage of appraisal 12. Methods of repayment 13. With or without guarantee 14. With or without government subsidy 15.The proportion of monthly income to total income 16. The relationship between borrower and guarantee 17.The type of the property.

The result of the research identities that seven variables which includes gender, monthly income, the use of the properties, loan amount, methods of repayment, with or without guarantee and with or without government subsidy have no significant relationship with the refinance of the early- repayment mortgage loan. However, three variables of marital status, occupation and the proportion of repayment to total income have marginally significant impact on the behavior of refinance. The rest of the variables including education level of borrowers, age, working years for current job, the period of repayments, loan percentage of appraisal, the relationship between borrower and guarantee and the type of the property have significant relationship with the behavior of refinance.

The outcome of the analysis reveals that the overall accuracy rates are 79.82% and 96.9% in Logistic model and Back Propagation Artificial Neural Network model respectively while putting the seven significant factors as mentioned above into two models. Obviously, the latter model has higher accuracy rate.

The research outcome also indicates that the characteristics of two types of early repayment mortgage loan borrowers- the refinance and non-refinance are shown as following:
1. Refinancing borrowers- over 30 years old, loan percentage of appraisal is below 80% and there are relationship between borrowers and guarantees (no guarantee or direct relatives).
2. Non-refinancing borrowers- below 30 years old, loan percentage of appraisal is higher than 80% and there are no relationship between borrowers and guarantees (with guarantees or non direct relatives).

並列關鍵字

Mortgage loan ； Refinance ； Logistic and Back Propagation Artificial Neural Network ； Early- repayment

參考文獻

13.羅際棠(1999)，銀行授信與經營，三民書局。14.劉坤霖(1999)，國內消費金融創新策略建立之研究，義守大學管理研究所，碩士論文。15.邱志洲、謝邦昌(2000)，STATISTIC應用系列叢書（六）--類神經網路分析。16.李昇暾(2000)，「以資料採礦深化顧客關係管理」，電子化企業:經理人報告，頁37-42。17.李馨蘋(2000)，住宅抵押貸款違約風險之探討，中華管理評論，Vol.3, No.3,頁111-126。18.呂美慧（2000），銀行授信評等模式–Logistic Regression 之應用，政治大學金融研究所，碩士論文。19.郭姿伶(2000)，住宅貸款之提前清償與逾期還款，國立中正大學，碩士論文。20.江世傑（2000），模糊類神經網路在消費性貸款之應用，成功大學工業管理研究所，碩士論文。21.龔志明(2000)，「財務危機預測模型之跨期性研究」，中山大學財務管理研究所，碩士論文。22.劉展宏、張金鶚(2001)，「購屋貸款提前清償行為之研究」，住宅學報，10(1)，頁29-49。23.沈中華、王健安(2001)，「從風險結構的觀點探討銀行經營績效與往來企業的關係」，存款保險資訊季刊，第15卷第2期，頁11-31。24.財團法人金融聯合徵信中心(2001)，不動產抵押銀行業務。25.葉怡成(2001)，類神經網路模式應用與實作，儒林出版社。26.謝邦昌(2001)，「資料採礦入門及應用－從統計技術看資料採礦」，台北： 資商訊息顧問股份有限公司。27.李秀梅(2001)，信用卡持卡者資料探勘之研究，輔仁大學應用統計研究所碩士論，碩士論文。

5.施恩(1994)，房屋貸款還款速度之研究，國立台灣大學商學研究所，碩士論文。6.江百信、張金鵬(1995)，“我國購屋貸款放款條件之研究”，住宅學報，第三期，頁1-20。7.黃小玉(1988)，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。8.杜慶麟(1996)，銀行授信決策應用類神經網路之研究-抵押貸款之實證研究，國立清華大學，工業工程研究所，碩士論文。9.建華銀行(1997)，回復型房屋貸款產品計劃，頁1-3。10.汪忠平（1997），以類神經網路建立財務危機預測模式─考慮產業、總體經濟因素與其穩定性因素，私立東吳大學企業管理研究所，碩士論文。11.陳柏蒼(1998)，當前銀行授信品質問題之探討，華信金融專刊第四期。12.劉展宏、張金鶚(1998)，一般購屋與首次購屋貸款提前清償之比較研究，中華民國住宅學會第八屆年會論文集，頁 177-195。

1.Becketti , Sean. (1989), “The Prepayment Risk of Mortgage Backed　 Securities” , Economic Review, PP43-57.

2.Caplin, A., C. Freeman, and J. Tracy (1997) ，“Collateral Damage：Refinancing Constrains and Regional Recessions,” Journal of Money, Credit and Banking 29(4), 496-516.

3.Cios, K., Pedrycz W., and Swiniarski R. (1998) ， Data Mining Methods for Knowledge Discovery, Boston: Kluwer Academic Publishers.