國民年金逾期利息的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

台灣民營製造業的發展（1946-1955）──以國民黨當局與台籍資本之互動為中心

為了解決國民年金逾期利息的問題，作者許志成 這樣論述：

　　戰後台灣經濟快速的發展，主要得力於民營製造業的高速成長。來台接收的官員陳儀，延續日治時期的專賣政策，將煙、酒、樟腦、度量衡與火柴繼續專賣。儘管在中國已廢除專賣制度，但在台灣仍舊繼續實行，限縮民營製造業發展的空間。　　1945年10月全台民營製造業家數有10,300家，至1946年底家數減少39.6％，台灣人歷經二二八事件的抗暴，中國國民黨政府撤換陳儀，至1947年底家數成長45.6％，是民營製造業發展最黑暗的時期。大量日資企業被收編成官營事業，官股中的台股股權不是遭到漠視，不然就是遭到國家機構的侵權；台日合資企業則被清算標售，以排除台灣人在製造業的發展，陳儀當局則將標售日產美其名為扶植民

營企業的發展；新設立的大公企業則受到當局百般的刁難與阻撓，標售的日資企業相當有限，發展情況則因經營者而各有差異。　　日本人在台灣苦心殖民經營50年，其所創造的財富則難以算計，遣返時每人只換得若干小行李，身上只准攜帶1千元的現金歸向日本，其在台領取的退職慰勞金、臨時賞與金與解散津貼無法攜回日本，巨額的財富則轉移到台灣人手中，不然就是在台灣社會消費掉。陳儀當局下令回存千圓券禁止流通一年，實則凍結台灣人的流動資產。回存銀行變成抵押品，當局規定給付年息2％，借款則需支付年息2.5％，從中剝削台灣人的財富。解凍後因通貨膨脹價值已減少一半，勤樸的台灣人將此資金投資創業，表現成為1947年製造業家數的突然增

加。　　二二八事件後，中國國民黨當局逐漸改善對台灣的經濟政策，但中國國共內戰爆發，不當的貨幣與匯率政策，使民營製造業的經營環境遭致摧毀，工廠不是倒閉、半停工，不然就是易手。直到幣制改革，切斷台灣與中國的匯兌關係，中斷台灣的中國的貿易依賴關係，擴增對日本與美國的貿易關係，民營製造業才獲得重生的契機。官業則只願將經營不善的企業標售民營，民間申請經營的官業則因實施土地改革而被迫中止。官方依法不應該經營製糖的輕工業，但卻收編成官營事業；理應經營煉鐵的重工業，但反而要標售與出租給民間經營。台灣糖業公司的民股呈請撥一砂糖廠民營，財經官僚則以「不論可開工者，或不能開工者，一律不能出讓」，國民黨的官營政策是否

代表公共利益，則不禁令人感到懷疑！　　中國國民黨當局實行的民營製造業政策，幾乎都是在應付當時的問題，並沒有一套有計畫的經濟政策。當局實施的補助與貸款政策、收購工礦業產品與工業配合供應軍事需求的政策，都是些短期性與臨時性的政策，實際發揮的功效有限。相反的，美援對穩定台灣通貨膨脹貢獻良多，只是外來統治的政權並未善盡將資源做合理分配，限制使用本地花生、芝麻等植物性的榨油業設廠，嚴重扭曲榨油業的發展。美援軍事資源，亦因當局未能有效推行軍工政策，使建設廳推行的民營工業配合軍需小組毫無成效可言，徒使民營業者大失所望。　　美援貸款民營製造業，部份亦是四年經濟計畫的一部份。一般工業貸款又分中型民營工業貸款與小

型民營工業貸款。工業計畫貸款從1951年開始，小型民營工業貸款則從1954年開始，中型民營工業貸款則從1960年才開始。綜合民營工業計畫與小型民營工業貸款觀察，就貸款家數分析，平均每年受貸家數約76.9家，全國民營製造業只有將近1％左右的工廠得到美援的貸款。貸款以1955年的1億8千餘萬最多，1953年約1千萬最少。美援貸款除1952年由新竹玻璃一家大型企業獨佔該業全部及較多的貸款外，其餘各大小型製造業幾乎都是或多或少得到部分貸款，獲貸企業並未呈現出「幾乎完全吸收該產業的美援貸款」的現象。1954年以前可說是由少數業別，尤其是紡織業與非金屬製造業獲得較多的貸款；1954年以後各業則是獲得多寡不

一的貸款，美援貸款民營製造業並未集中於某一產業類別。　　當局因土地改革而開放台灣水泥、台灣紙業、台灣工礦與台灣農林四間公司民營。1953年經濟部重估四間公司的資產，將資本額提高7-10倍；股票若根據1952年的市價重估，水泥、紙業、工礦與農林分別被高估4.32、3.33、3.7與3倍。而這被高估的佔數，也約略接近於1954年3月發行至當年6月，其盤價僅維持在面額的20％至30％之間。當局將四間公司股票做為補償地價，實際上並非有意要扶植民營企業的發展，故民營化後的產值並未增加。當局從中剝削小地主的利益，以做為補償統治機關財政赤字的一種手段。

利用軟性計算法建構金融機構債權資產分類模型

為了解決國民年金逾期利息的問題，作者陳文淵 這樣論述：

金融機構在經營環境日趨艱困之情況下，想要藉由傳統授信業務來獲利的空間已日益壓縮，而龐大的不良債權不僅會大幅降低金融機構的獲利能力，對於整個金融體系的穩定性也會造成相當的影響。本研究藉由彙整金融機構債權資產分類因素，研析其分類評估指標。並利用軟性計算法建構金融機構債權資產分類模型，建構一套更精細可靠的分類模型，提供金融機構不良資產差異化標售或議價之參考。最後測試分類模型指標敏感度，釐清分類之關鍵因素。本研究以中部地區某公營大型行庫2002年到2007年的授信資產評估表為本研究個案資料來源。依財政部「逾催辦法」規定銀行對資產負債表表內及表外之授信資產評估，除正常還本繳息及授信戶積欠本金或利息在清

償期ㄧ個月以內(含)之授信資產列為第一類外，餘不良之授信資產，應按債權擔保情形及逾期時間長短予以評估，分別列為第二類應予注意者，第三類可望收回者，第四類收回困難者，第五類收回無望者。本研究由實際案件中篩選出已逾期放款案件資料360筆及正常放款案件資料90筆，作為金融機構債權資產分類模型的樣本依據。在進行模型之建構與驗證前，為便於後續鑑別金融機構債權資產分類正確率，必須將實證樣本區分為訓練樣本與測試樣本兩組樣本。訓練樣本係用於推估金融機構債權資產分類模型，測試樣本則用於鑑別金融機構債權資產分類之正確預測率。實證結果顯示，訓練樣本之正確預測率於四種網路架構上只有網路Ⅰ及網路Ⅲ為100%，惟就其RM

SE數值表現，以網路Ⅲ(以Norm-Cum-Delta-Rule為學習法則，TanH為轉換函數)為最佳，RMSE為0.1476，而網路Ⅳ(以Norm-Cum-Delta-Rule為學習法則，Sigmoid為轉換函數)之RMSE值最差，為0.1955。另在測試樣本方面，模型正確預測率於四種網路架構上只有網路Ⅰ及網路Ⅲ為94.67%，惟就其RMSE數值表現，以網路Ⅰ(以Delta-Rule為學習法則，TanH為轉換函數)為最佳，RMSE為0.2275，而網路Ⅳ(以Norm-Cum-Delta-Rule為學習法則，Sigmoid為轉換函數)之RMSE值最差，為0.1995。換言之，本研究以Delta

-Rule為學習法則，TanH為轉換函數之類神經網路模式數值最佳。因此以該模式進行敏感度分析，發現影響資產分類最顯著的變數為逾期期間，其次依序為擔保品價值、擔保品、從債務人、擔保品種類及擔保品座落，此可提供金融機構人員實務上處理案件參考，以爭取時效、減少審核期間。另可提供金融機構處分不良債權(NPL)標售予資產管理公司(AMC)時，考慮案件之逾期期間、擔保品價值、擔保品、從債務人、擔保品種類及擔保品座落等變數，始得作出最適宜金融機構不良債權及承受擔保品出售之資產組合，作為差異化標售或議價之處理，以助於行銷過程中吸引更多投標者，提高金融機構債權回收率，同時本分類模型亦可強化金融機構貸後管理之債權

預警系統，做好事前預防管理工作。