近年來銀行經營管理方式已因經濟環境改變及金融市場變遷而產生了巨大變革，商業銀行的資產規模是不是可以無限制地擴張？銀行經營績效的評估方式仍可用傳統盈餘及成本觀念加以框架嗎？在此背景下，巴塞爾資本協定應運而生。1987 年，美聯儲和英格蘭銀行聯合向巴塞爾清算委員會提出要在世界上建立共同的資本體系，目的就是要限制在資本不足的情況下銀行規模的過度擴張；現代金融機構經營績效的評估亦不再僅是單純存放款利差的擴大，而更由考量「每單位資本」所得利潤，轉變為衡量「每單位風險」下所能創造的獲利。藉由這種思維轉變所產生的評估指標，較能忠實呈現風險下的真正績效，並有效掌握銀行內部風險程度及獲利狀況，對資金與稀少性資源做適當分配。
如何達到最佳化的資本配置？最主要在於精確量化銀行業者每天所面臨的各項風險，尤其是信用風險的量化。而信用評等（credit rating）制度的建立係現代商業銀行量化信用風險管理的最重要且最基本的一環，信用評等的建置成敗在於資料倉儲的品質與IT 支援能力，這也是銀行內部評等建置的基楚工程，而一般大型國際銀行在建置內部評等系統時，會一併將後續呆帳準備（provisions）計提、預期損失與未預期損失、資本配置管理與風險調整後績效評估連結。
本研究室針對電子製造產業，在新巴賽爾協定規範下，建立信用評等模型。模型採用羅吉斯迴歸建立，模型中的變數可分成三個構面：『董事持股面』、『公司獲利面』、『公司負債面』；而模型的整體正確率可達88.31%。在各項模型的測試中，皆有穩定的表現。

一、中文部份
1.王鶴松（民92），新巴賽爾銀行資本適足率協定與風險管理， 銀行公會會訊，第十三期。
2.尹相志(民95)，「Microsoft SQL Server 2005 資料採礦聖經」，學貫行銷股份有
限公司。
3.江玉娟（民93），商業銀行如何建置符合新巴賽爾資本協定的信用評分制度，
中央大學財務金融所碩士論文。
4.朱育男（民94）金融機構的盈餘傳遞與治理機制之研究中央大學財務金融研究
所碩士論文
5.李美樺（民90）台灣綜合證券商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
6.吳馥珵（民90）Merton模型違約預警之研究--台灣上市電子違約公司實證分析，中央大學財務金融學系在職專班碩士論文。
7.孟憲群，（民90），企業短期償債能力授信評量模型之研究，高雄第一科技
大學未出版碩士論文。
8.施佳華，（民90），產險業信用評等模式之研究-美國產險公司之實證分析，政治大學風險管理與保險學系碩士論文
9.韋端、鄭宇庭、鄧家駒、匡宏波、謝邦昌(2003)，「DATA MINING概述-以 Clementine 7.0為例」，中華資料採礦協會。
10.陳佳璋（民96）導入資料採礦技術於新巴賽爾協定下企業信用模型-製造業為
例，政治大學統計所碩士論文。
11.陳錦村、陳木在（民90），商業銀行風險管理，台北，新陸書局。
12.鄭麗芳（民93），由國際規範談我國新制銀行業逾期放款之定義、銀行業授信資產之分類及依分類規定提列備抵呆帳之標準，存款保險季刊，第十七卷第六期。
13.盧文聰（民93），台灣因應新巴塞爾資本協定步調遲緩，阻礙金融產業競爭力，金融產業要聞與實務雙月刊第２期。
14.盧音萱（民96），新巴塞爾資本協定下應用資料採礦技術於信用卡違約模型之
建置，政治大學統計所碩士論文。
15.潘雅慧（民92），新巴塞爾資本協定與我國因應之道，中央銀行季刊，第二十六卷第二期。
16.儲蓉（民88），對信用評等應有的態度和做法，經濟情勢暨評論季刊 ，第五卷第一期。
17. 謝有隆（民94），信用評分模型的建置與驗證，政治大學經濟所碩士論文。

二、英文部份
1. Altman, E. I. (1968), “Financial Ratios, Discriminant Analysis and the Prediction of
Corporate Bankruptcy.” Journal of Finance 23, pp.589-609
2.Basel Committee on Banking Supervision, ( 2004), “Consultative Document:
Overview of The New Basel Capital Accord＂, http://www.bis.org/bcbs/cp3ov.pdf.
3.Berry J.A and G. Linoff. 1997. Data Mining Techniques For Marketing, Sales,and
Customer Support. John Wiley&Sons,New York.
4.BIS (2003),〝Basel II Significant Progress on Major Issues〞，Basel: BIS.
5.Black, F. and M. Scholes（1973）, “The Pricing of Options and Corporate Liabilities,
” Journal of Political Economy, 81, 3, pp.637-654.
6. Dutta, S. and S. Shekhar (1988), “Bond Rating : A Non-conservative Application
of Neural Networks,” in Trippi, R. R. and Turban, E. (eds.), Neural Networks in
FinanceInvesting ： Using and Artificial Intelligence to Improve Real-Word
Performance, pp.257-274, New York: Irwin.
7.Durand, D. (1941), Risk Elements inConsumer Installment Financing, Studies in
Consumer Installment Financing, New York:National Bureau of Economic Research, 1941.
8.Ederington, L. H.(1985), “ ClassificationModels and Bond Ratings,” Financial
Review,20:4, 237-262.
9.Fayyad, U.M., G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy, editors. 1996.
Advances in Knowledge discovery and data mining. Menlo Park, CA:AAAI
Press/MIT Press.
10.Kaplan, R.S., and Urwitz, G. (1979),Statistical Models of Bond Ratings: A Methodological Inquiry,Journal of Business,.52, No.22, pp.231.
11.Merton, R. C.（1974）, “On the Pricing of Corporate Debt: The Risk Structure of
Interest Rates,” Journal of Finance, 29, 2, pp.449-470
12.Meyer & Pifer (1970), “Prediction of banking failure,” The Journal of Finance , September , pp.853-868Basel: BIS.
13.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 Investing : Using and Artifical Intelligence to
Improve Real-Word Performance, New York: Irwin, 275-288.