臺灣博碩士論文加值系統

摘 要
企業營運狀況會定期反應在財務報表上，但卻需等到財務揭露之後，投資人才能預警公司是否出現狀況，也因為「知識經濟」時代的來臨。以智慧資本為主的無形資產已成為企業重要的核心競爭力，而許多財務及非財務資訊經先前學者證實可幫助企業預測財務危機的發生，但智慧資本資訊指標因素卻鮮少學者深入研究。
本研究將使用資料探勘的類神經網路、決策樹及支援向量機等人工智慧方式配合逐步回歸、因素分析等資料篩選方式來建立企業危機預警模式，以企業財務比率、非財務變數和智慧資本指標為輸入變數建構出企業危機預警模式。研究樣本選取26家電子產業之財務危機公司，以一比一配對方式選取26家電子產業相同類型相同資本額相近的正常公司，共52家公司樣本，資料蒐集使用32項財務比率和12項非財務指標變數及16項智慧資本指標作為輸入變數，來進行研究模型的建立。
在本研究實驗資料中發現，結合了財務比率指標、非財務指標變數和智慧資本指標能有效提升預警模型準確率，也優於先前學者的財務預警的準確率，此外，本研究實驗數據也顯示，以支援向量機所建立的預警模型的準確率勝過其他4種預測方法。

Abstract
Financial statements reflect enterprise operating statuses. Investors can obtain complete information once formal financial statements are disclosed. However, if executives of firms intentionally embellish financial statements, investors cannot get the actual picture of the enterprise operation from the disclosed financial statements. With the advent of the era of “knowledge-based economy”, intangible assets, mainly relying on intelligence capital, have created competitive edges for enterprises. In previous literature, financial and non-financial information has been proved beneficial in predicting financial crises. Nevertheless, research applying intellectual capital indicators to foreshadow financial crises is still lacking.
This research adopts neural networks, decision trees, support victor machine data mining techniques, as well as stepwise regression and factor analysis to establish a forecasting model. Additionally, it uses financial, non-financial, and intellectual capital indicators to predict corporate financial crises. 26 electronic corporations in financial crises and 26 corporations with stable financial status in the same industry have been chosen as samples. Furthermore, this research utilizes 32 financial indicators,12 non-financial indicators, and 16 intellectual capital indicators to construct a forecasting model of enterprise financial crisis.
This research finds that the combination of financial, non-financial, and intellectual capital indicators has efficaciously enhanced the accuracy of the forecasting model, which is higher than that of the financial forecasting models established in previous studies. In addition, this research shows that the accuracy of the forecasting model based on the support vector machine surpasses the accuracy of other 4 prediction methods.

目 錄
摘 要 I
ABSTRACT II
誌謝辭 III
目 錄 IV
表 目 錄 VI
圖 目 錄 VII
第一章 緒論 1
1.1研究背景與動機 1
1.2研究問題與目的 3
1.3資料來源與研究限制 4
1.4 研究流程 5
第二章 文獻探討 6
2.1財務危機預警模式 6
2.1.1財務危機之定義 6
2.2智慧資本 15
2.2.1智慧資本之定義 16
2.2.2智慧資本之分類與衡量 16
2.3倒傳遞類神經網路 22
2.4決策樹 25
2.5支援向量機 27
2.5.1經驗風險 28
2.5.2 VC維（VC Dimension） 28

2.5.3結構風險最小歸納化 29
2.5.4支援向量分類(Support Vector Classify) 30
2.6 相關研究 32
第三章 研究方法與設計 35
3.1 樣本選取 35
3.2研究設計 39
3.3模型建立與參數設定 43
第四章 實證結果與分析 45
4.1實驗模式比較 45
4.1.1 A式預警模式 45
4.1.3 B式預警模式 47
4.1.3 C式預警模式(逐步迴歸加上類神經網路) 50
4.1.4 D式預警模式(因素分析加上類神經網路) 53
4.1.5 E式預警模式(支援向量機) 56
4.1.6 實驗結果分析 58
4.2驗證智慧資本指標是否能有效提升準確率 60
4.2.1 F式預警模式(決策樹) 60
4.2.2 G式預警模式(類神經網路) 62
4.2.3 H式預警模式(逐步迴歸加上類神經網路) 65
4.2.4 I式預警模式(因素分析加上類神經網路) 67
4.2.5 J式預警模式(支援向量機) 70
4.2.4實驗結果分析 73
4.3相關研究比較 74
第五章 結論與未來研究 81
參考文獻 82
附錄 88

表 目 錄
表2-1 個學者針對財務危機之定義.......................................................................10
表2-2 財務危機文獻整理.......................................................................................14
表2-3 智慧資本衡量指標.......................................................................................18
表2-4 智慧資本衡量指標.......................................................................................21
表2-5 國內智慧資本之相關研究...........................................................................21
表3-1 財務危機公司與正常公司對照表...............................................................35
表3-2 財務變數列表...............................................................................................36
表3-3 非財務變數列表...........................................................................................37
表3-4 智慧資本指標變數列表...............................................................................37
表3-5 財務危機公司發生日期說明.......................................................................38
表3-6 倒傳遞類神經網路參數設定一覽表...........................................................43
表4-1 模糊矩陣分類表...........................................................................................45
表4-2 決策樹所篩選指標.......................................................................................45
表4-3 A 式預警模式的準確率...............................................................................47
表4-4 未經任何篩選的輸入變數...........................................................................48
表4-5 B 式預警模式的準確率................................................................................50
表4-6 逐步迴歸分析法所篩選指標.......................................................................50
表4-7 C 式預警模式的準確率................................................................................53
表4-8 因素分析法所篩選指標...............................................................................53
表4-9 D 式預警模式的準確率...............................................................................56
表4-10 E 式預警模式的準確率..............................................................................58
表4-11 預警模式的準確率之比較...........................................................................59
表4-12 決策樹所篩選指標.......................................................................................60
表4-13 F 式預警模式的準確率..............................................................................62
表4-14 未經任何篩選的輸入變數...........................................................................63
表4-15 G 式預警模式的準確率.............................................................................64
表4-16 逐步迴歸分析法所篩選指標.......................................................................65
表4-17 H 式預警模式的準確率.............................................................................67
表4-18 因素分析法所篩選指標...............................................................................68
表4-19 I 式預警模式的準確率...............................................................................70
表4-20 J 式預警模式的準確率...............................................................................72
表4-21 F、G、H、I、J 三種預警模式的準確率表現.........................................73
表4-22 K 式預警模式的準確率.............................................................................75
表4-23 K2、K3 式預警模式的準確率..................................................................77
表4-24 各預警模式的準確率...................................................................................79


圖 目 錄
圖1-1 研究流程.........................................................................................................5
圖2-1 倒傳遞網路架構.............................................................................................23
圖2-2 神經元模型架構圖.........................................................................................24
圖2-3 決策樹圖例.....................................................................................................26
圖2-4 超平面之VC 維圖..........................................................................................29
圖2-5 最佳超平面圖.................................................................................................30
圖3-1 研究架構……………………………………… ………………………….…40
圖4-1 第一階段預警模式的準確率之比較圖………..…………………………..59
圖4-2 第一階段預警模式的準確率之比較長條圖 ……………………………..59
圖4-3 第二階段預警模式的準確率之比較圖..…………………………………..73
圖4-4 第二階段預警模式的準確率之比較長條圖...............................................74
圖4-5 第三階段預警模式的準確率之比較長條圖...............................................76
圖4-6 第三階段各預警模式的準確率之比較長條圖……………………………79
圖4-7 各預警模式的準確率之比較長條圖...........................................................79

參考文獻
[中文部份]
1.黃振豐、呂紹強，「企業財務危機預警模式之研究－以財務及非財務因素建構」，當代會計期刊，第一卷第一期，頁19~ 頁40，2000。
2.蔡永泰，「運用資料探勘技術建構企業財務危機預警模型」，私立中原大學資訊管理研究所碩士論文，2005。
3.陳生祥，「運用資料探勘技術建構企業財務危機預警模式-結合財務與非財務資料」，私立中原大學資訊管理研究所碩士論文，2005。
4.陳淑萍，「資料探勘應用於財務危機預警模式之研究」，銘傳大學資訊管理研究所碩士論文，2002。
5.葉怡成，應用類神經網路. 2 ed: 儒林圖書有限公司，2000。
6.董碧玫，「智能資本之衡量：以國內資訊電子產業為例」，國立中央大學企業管理研究所碩士論文，2001。
7.簡志豪，「影響智慧資本因子之研究—以我國上市資訊電子股為例」，逢甲大學會計與財稅研究所碩士論文，2001。
8.簡德年，「智慧資本構面下企業危機診斷模式之建構－類神經網路、分類迴歸樹與鑑別分析方法之應用」，國立台北科技大學商業自動化與管理研究所碩士論文，2001。
9.陳肇榮，「運用財務比率預測企業危機之實證研究」，國立政治大學企業管理研究所博士論文，1983。
10.陳明賢，「財務危機之計量分析研究」，國立台灣大學商學研究所碩士論文，1986。
11.林文修，「演化式類神經網路為基底的企業危機診斷模型：智慧資本之應用」，國立中央大學資訊管理研究所博士論文，2000。
12.唐筱菁，「整合財務比率與智慧資本指標建構企業危機預警系統- MARS 與類神經網路之應用」，私立輔仁大學金融研究所碩士論文，2002。
13.林大容譯(Leif Edvinsson & Michael S. Malone 原著)，智慧資本：如何衡量資訊時代無形資產的價值，台北：麥田出版公司，1999。
14.林燦螢 著，「智慧資本發展模式之研究」，國立臺灣師範大學工業教育研究所博士論文，2000。
15.游啟聰，「知識經濟時代的會計趨勢」，今日會計，76 卷，pp16-21，1999
16.陳美純，智慧資本-理論與實務: 滄海書局，2002。
17.陳玉玲，「組織內人力資本的蓄積 ― 智慧資本管理之觀點」，中央大學人力資源管理研究所碩士論文，1998。
18.黃宛華，「資訊服務業智慧資本之研究」，政治大學科技管理研究所碩士論文，1999。
19.林良陽，「衡量研發機構智慧資本之研究--以工研院光電所為例」，國立政治大學企業管理研究所碩士論文，2002。
20.蔡基德，「資訊電子業市場價值與帳面淨值之差異探討」，國立台灣大學會計學研究所碩士論文，2001。
21.邱德水，「知識產業的智慧型資本衡量之探討--以IC設計公司為案例」，國立交通大學科技管理研究所碩士論文，2001。
22.諶香伶，「整合傳統財務指標與智慧資本指標之財務危機預警模式---類神經網路模型與存活分析之比較」，國立台北大學企業管理研究所碩士論文，2004
23.池千駒，「運用財務性,非財務性資訊建立我國上巿公司財務預警模式」，國立成功大學會計學研究所碩士論文，1999。
24.李智雯，「運用現金流量資訊預測企業財務危機之實證研究」，國立政治大學會計學研究所碩士論文，2000。
25.高偉柏，「企業財務危機預測」，國立中山大學財務管理學系研究所碩士論文，2000。
26.潘玉葉，「台灣股票上市公司財務危機預警分析」，私立淡江大學管理科學研究所博士論文，1990。
27.陳雅雯，「支援向量機於股價漲跌預測之應用」，第四屆電子化企業經營管理理論暨實務研討會論文，2002。























[英文部分]
1.Altman, E. (1968), “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy,” Journal of Finance, September, pp.589－609.
2.Beaver, W. (1966), “Financial Ratios as Predictors of Failure,” Journal of Accounting Research, pp.72－102.
3.Bell, C. R (1997), “Intellectual Capital,” Executive Excellence, Vol.14, Issue1, pp.15.
4.Bontis, N. (1998), “Intellectual Capital: An Exploratory Study that Develops Measures and Models,” Management Decision, Vol.36, No.2, pp.63-76.
5.Deakin, E. B. (1972), “A Discriminiant Analysis of Predictors of Business Failure,” Journal of Accounting Research, pp.167－179.
6.Edvinsson, L. and Malone, M. S. (1997), “Intellectual Capital,” HarperCollins Publishers, Inc., New York.
7.Flagg, J. C., Giroux, G. A., and Wiggins, C. E. (1991), “Predicting Corporate Bankruptcy Using Failing Firms,” Review of Financial Economics, Vol.1, pp.67-78.
8.Foster, G. (1978), “Financial Statement Analysis, Englewood Cliffs,” New Jersey: Prentice-Hall Inc.
9.Jae H. Min, Young-Chan Lee (2005), “Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters,” Expert Systems with Applications Vol. 28, pp. 603–614.
10.Jensen, M. C., and Meckling, W. (1976), “Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure,” The Journal of financial Economics, Vol.3, pp.305-360.
11.Kaplan, R. S. and Norton, D. P. (1996), “The Balanced Scorecard: Translating Strategy into Action,” the president and fellows of Harvard College.
12.Kyung-Shik Shin, Taik Soo Lee, and Hyun-jung Kim (2005), “An application of support vector machines in bankruptcy prediction model,” Expert Systems with Applications Vol. 28, pp.127–135.
13.Lau, A. (1987), “A Five-State Financial Distress Prediction Model,” Journal of Accounting Research, Vol.25, No.1, pp.127-138.
14.Ohlson, J. A. (1980), “Financial Ratios and the Probabilistic Prediction of Bankruptcy,” Journal of Accounting Research, Vol.18, pp.109-131.
15.Roos, J., Roos, R., Edvinsson, L. and Dragonetti, N. (1998), “Intellectual Capital : Navigating in the New Business Landscape,” New York : New York University Press.
16.Stewart, T. A. (1994), “Your Company’s Most Valuable Asset: Intellectual Capital,” Fortune, 3, pp.68-74.
17.Stewart, T. A. (1997), “Intellectual Capital: The New Wealth of Organizations,” Bantam Doubleday Dell Publishing Group, Inc., New York.
18.Scott (1976), “A theory of Optimal Capital Structure,” The Bell Journal of Economics, Vol.7, No.1, pp.33-54.
19.Ulrich, D. (1998), “Intellectual Capital = Competence * Commitment,” Sloan Management Review, Vol. 39, No.2, pp. 15-26.
20.Vapnik, V. N. (1995), “The nature of statistical learning theory,” New York: Springer.
21.Vapnik, V. N. (1998), “Statistical learning theory,” New York: Wiley.
22.Ward, T. J. and Foster, B. P. (1997), “A Not on Selecting a Response Measure for Financial Distress,” Journal of Business Finance and Accounting, Vol. 24, pp.869-879.
23.Wu, Cheng-Ying (2004), “Using non-financial information to predict bankruptcy: A study of public companies in Taiwan,” International Journal of Management., Vol.21 No.2, pp.194-202.
24.Tseng-Chung Tang, Li-Chiu Chi (2005), “Neural networks analysis in business failure prediction of Chinese importers：A business-countries approach,” Expert Systems with Applications Vol. 29, pp. 244–255.
25.Cheng-Lung Huang, Chieh-Jen Wang (2006), “A GA-based feature selection and parameters optimization for support vector machines,” Expert Systems with Applications Vol. 28, pp. 231–240.
26.Kidong Lee, David Booth, Pervaiz Alam (2005), “A comparison of supervised and unsupervised neural networks in predicting bankruptcy of Korean firms,” Expert Systems with Applications Vol. 29, pp. 1–16.
27.Sung-Hwan Min, Jumin Lee, Ingoo Han (2006), “Hybrid genetic algorithms and support vector machines for bankruptcy prediction,” Expert Systems with Applications Vol. 31, pp. 652–660