line bank信貸沒過的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

綠色金融2.0政策之研究

為了解決line bank信貸沒過的問題，作者李孟宜 這樣論述：

隨著全球因應永續發展目標、氣候變遷，國際間紛紛開啟了不同的行動及對策，國際金融市場也發生了很大的變化，以歐盟為例，貿易環境開始重視供應鏈管理、投資環境開始重視ESG投資、金融監理開始重視氣候變遷治理，顯見綠色金融已成國際間不容忽視之趨勢。基此，本論文將探討金管會推動綠色金融行動方案2.0之歷程，了解我國在永續發展目標下之金融政策，試圖解答二個研究問題，第一、推動方案2.0的環境背景以及後來被大力推動之原因為何？第二、方案2.0重要的政策內涵、重要基礎工程為何？推動過程中面臨什麼課題？第一個研究問題，透過深度訪談後有三個發現，第一、全球永續發展目標其實具有優先順序，而現行最急迫的目標為全球淨零

排放，造成急迫之原因很可能是1997年聯合國在簽訂京都議定書時，國際間沒有建立共同的知識圈未訂定永續分類標準。第二、方案2.0是為了讓我國產業貿易環境、投資環境、金融環境能與國際環境接軌而推動，並非方案1.0不足或是具有爭議性；同時也發現方案1.0的成效仍持續成長中、ESG良知投資不再專屬於民營銀行，公股銀行近年也積極參與。第三、方案2.0是我國「2050淨零排放路徑」國家政策，12項關鍵戰略工具中之關鍵。第二個研究問題，透過深度訪談後發現，方案2.0最重要的基礎工程為「訂定我國永續分類標準」、「強化ESG資訊揭露」，若沒有這二項工程，我國產業鏈很可能被迫退出國際市場、外資也不願意投資我國企業

及股市、金融監理如果沒有氣候治理將可能引發社會鉅大的經濟損失，更重要的是無法達成我國「2050淨零排放路徑」國家政策。

深度學習應用於信用評分模型 以信貸申請 基本資料為例

為了解決line bank信貸沒過的問題，作者許廷州 這樣論述：

台灣近年資訊科技在金融發展上迅速成長，消費方式也逐漸在轉變，2016年5月11日，行政院正式宣布Apple pay行動支付放行後，經歷3年的時光，許多國內外的行動支付也已嶄露頭角，隨著行動支付的興起，大量借貸資料地湧入，個人信用評分的重要性也顯現出來。本論文針對未與金融機構有過信用申貸往來的民眾，進行初次申貸時提供的五種個人資訊(年齡、薪資、資產、職業類別、資產)進行預測，預測借貸後如期償還準確率，主要透過金融業界常用的信用評分(Credit Score)來架構信用評分模型，統計模型金融業常用的羅吉斯迴歸分析(Logistic Regression)，透過結合深度學習(Deep Learin

g)的信用評分與傳統信用評分做比較，減少人為判斷帶來的錯誤判斷，並預期提升預測如期償還準確率。本次研究以使用羅吉斯回歸分析模型與深度學習領域中的長短記憶(long short-term memory，LSTM)結合羅吉斯迴歸分析建立預測模型兩種預測模型進行訓練、預測與比較，，並透過混淆矩陣、ROC曲線、準確率，進行實驗結果分析驗證，發現傳統羅吉斯分析模型準確率僅60%，而長短記憶結合羅吉斯回歸分析預測模型準確率高達86%，兩者相比較，提升了26%準確率，藉此驗證實驗可為一般尚未與金融機構建立信用申貸往來的民眾降低其申貸門檻，也可降低金融機構借貸後未能如期收款的風險。