臺灣博碩士論文加值系統

　　公司營運良窳攸關銀行授信決策，乃至投資人之投資意願，然而因為資訊的不對稱性，使得外部人員對於公司實際營運概況無法全盤了解，為協助外部人員熟悉公司營運、獲利與投資決策之優缺點，亟待建立一具預測與鑑別能力之財務預警模型。過去許多關於公司財務危機預警之研究，所考慮的投入變數僅限於一般的財務變數或非財務變數，而本研究則探討在傳統的公司財務危機預警系統中，利用羅吉斯模型(Logit)及倒傳遞類神經網路模型(BPN)，加入風險值(VaR)這個新的變數，以建立新的財務危機預警模型，期望能提高公司之預警能力，研究期間為2001年1月1日至2005年12月31日，共5年資料，參酌股市觀測站與台灣經濟新報資料，選取35家具財務危機公司，並比對35家產業、規模相仿之正常公司。研究結果顯示，加入風險值變數，確實可以提高危機預警的能力；而在與加入非財務變數中的會計師簽證作比較時，利用風險值更可以提早提供公司財務危機之預測。

　　A company''s operational performance usually affects the loan decision-making of it''s funding bank and the anticipation of investors. Because the information''s asymmetry causes the exterior persons unable to survey the actual situation of a business,therefore,for assisting them to get familiar with the companies''management,and the profit of the investment, a precautionary early finance-warning model with the ability to forecast must to be established. Among those past studies on companyies'' financial distress prediction models,the input parameters considered are only limited to general financial or non-financial factors. This study establishes a new early warning system by utilizing a new variable,Value at Risk (VaR), into the traditional Logit and Back-Propagation Network (BPN) models. The study obtained 35 distressed firms and 35 regular firms in the same industry and the time span is from 2001 to 2005. The result shows that the prediction ability is indeed improved by using the VaR as well as financial variables in company''s financial distress prediction models. Furthermore,the application of VaR offers earlier financial crisis prediction while compared to the use of the opinions of certified public accountants.

論文口試委員審定書 iii
版權宣告 iv
中文摘要 v
英文摘要 vi
目錄 vii
表目錄 viii

圖目錄 ix
　
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 2
第三節 研究架構 3
　
第二章 文獻回顧 5
第一節 危機的定義 5
第二節 財務危機文獻回顧 8
第三節 風險值(Value at Risk,VaR)文獻 13
第四節 文獻小結 17
　
第三章 研究方法與設計 18
第一節 研究流程 18
第二節 研究樣本 20
第三節 預警模型財務變數之選取 22
第四節 非財務變數 26
第五節 研究模型 30
　
第四章 實證結果與分析 41
第一節 財務變數的選取 41
第二節 風險值的檢定 42
第三節 羅吉斯模型 43
第四節 倒傳遞類神經網路模型 46
第五節 會計師簽證模型 58
第六節 本章小結 50
　
第五音 結論與建議 52
第一節 結論 52
第二節 研究限制與建議 53
　
參考文獻 54
　
表目錄
表2-1 企業危機的定義 7
表2-2 台灣證券交易所公司營業細則對財務危機的定義 8
表2-3 敗務危機預警文獻 12
表2-4 風險值計算方法 17
表3-1 基礎樣本-危機舒鉰與正常公司配對 21
表3-2 傳統財務變數 26
表4-1 使用逐步迴歸法所選出各年變數 40
表4-2 風險值平均數檢定 41
表4-3 風險值基本統計量 42
表4-4 模型適合度資訊表 43
表4-5 模型係數分查資訊表 43
表4-6 羅吉斯模型採用傳統財務變數之預測率 44
表4-7 羅吉斯模型加入風險值(蒙地)之預測率 45
表4-8 羅吉斯模型加入風險值(歷史)之預測率 45
表4-9 倒傳遞類神經網路模型採用傳統財務變數之預測率 46
表4-10 倒傳遞類神經網路模型加入風險值(蒙地)之預測率 47
表4-11 倒傳遞類神經網路模型加入風險值(歷史)之預測率 48
表4-12 羅吉斯模型加入會計師簽證之預測率 49
表4-13 倒傳遞類神經網路模型加入會計師簽證之預測率 50
表4-14 實證結果總表 51
　
圖目錄
圖1-1 論文架構圖 4
圖2-1 風險值的定義 13
圖3-1 研究方法流程圖 19
圖3-2 倒傳遞類神經網路之架構 34

中文部份
　
杜詩敏(2003)，「不同之類神經網路應用於財務危機預測模型之比較」，樹德科技大學金融保險研究所碩士論文。
　
柳佳君(2001)，「公司財務危機預警模型之研究」，逢甲大學保險學研究所碩士論文。
　
高偉柏(2000)，「企業財務危機預測」，中山大學財務管理研究所碩士論文。
　
陳肇榮(1983)，「運用財務比率預測財務危機之實證研究」，台灣大學商學研究所碩士論文。
　
陳怡雯(2003)，「企業財務危機預警模式：非財務指標之運用」，真理大學財經研究所碩士論文。
　
黃嘉興與沈智偉(2003)，「臺灣上市公司危機預警-羅吉斯模型與類神經方法之比較」，台灣銀行季刊，第五十四卷 第三期，113-158頁。
　
葉怡成(2003)，類神經網路模式應用與實作，儒林圖書有限公司，11月8版。
　
郭瓊宜(1994)，「類神經網路在財務危機預警模式之應用」，淡江大學管理科學研究所碩士論文。
　
楊浚泓(2001)，「考慮財務操作與合併報表後之財務危機預警模式」，中央大學財務管理研究所碩士論文。
　
張淵智(1998)，「動態靜態財務資訊建構危機預警模式之比較」，東吳大學1998年企業管理研討會論文集。
　
鄭碧月(1996)，「上市公司營運危機預測模式之研究」，朝陽技術學院財務金融研究所碩士論文。
　
潘玉葉(1990)，「台灣上市公司財務危機預警分析」，淡江大學管理科學研究所博士論文。
　
蘇文娟(2000)，「台灣上市企業財務危機預測之實證研究」，東華大學國際經濟研究所碩士論文。
　
鄧志豪(1999)，「以分類樣本偵測地雷股—新財務危機預警模型」，國立政治大學金融學系碩士論文。
　
龔志明(2000)，「財務危機預測模型之跨期性研究」，中山大學財務管理學系研究所碩士論文。
　
西文部份
　
Altman, E.I.(1968), "Financial Ratios, Discriminant Analsis and the Prediction of Corporate Bankruptcy," Journal of Finance, Vol.23,pp.589-609.
　
Atiya, A.F. (2001), "Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results," IEEE Transactions on neural Networks, Vol.12, No.4, pp.929-935.
　
Beaver, W.H.(1966),"Financial Ratios as Predictors of Failure," Journal of Accounting Research, Vol.5,pp.71~111.
　
Chaveesuk, R.(1999), "Alternative Neural Network Approach to Corporate Bond Rating," Journal of Engineering Valuation and Cost Analysis, Vol.2, No.2, pp.117-131.
　
Danielsson J. and C. Vries(1977), "Extreme Returns, Tail Estimation, and Value- at-Risk," Institute of Economic Studies Working Paper Series.
　
Deakin, E.B.(1972), "A Discriminate Analysis of Predictors of Business Failure," Journal of Accounting Research, Vol.10, pp.167-179.
Foster, G.(1977), Financial Statement Analysis, Englewood Cliffs, New Jersey Prentice-Hall Inc.
　
Hendricks, Darryll(1994),"Evaluation of Value-at-Risk Models Using Historical Data,"Economics Policy Review, Vol.2(1),pp.39-69.
　
Hill, B.(1975), "A Simple General Approach to Inference About the Tail of a Distribution," Annals of Statistics, Vol.35, pp.1163-1173.
　
Holton, G. (1998), "Simulating Value-at-Risk," Risk, May 1998, Vol.11(5), pp. 60-63.
　
Jorion, Philipe(2000),Value at Risk, 2nd Edition, McGraw-Hill.
　
Martin, D.(1977),"Early Warning of Banking Failure," Journal of Banking and Finance, Vol.1,.pp.249-276.
　
Merton, R.C.(1974),"On the Pricing of Corporate Deb," Journal of Finance, Vol.3,pp.449-470.
　
Odom, M.D. and R. Sharda(1990),"A Neural Network Model for Bankruptcy Prediction," IEEE International,Vol.2, pp.163-168.
　
Ohlson, J.A.(1980),"Financial Ratios and the Probabilistic Prediction of Bankruptcy," Journal of Accounting Research,Vol.1, pp.109-131.
　
Pastena, V. and W. Ruland (1986), "The Merger/Bankruptcy Alternative," The Accounting Review, Vol.61, No.2, pp.288-301.
　
Shumway, Tyler(2001), "Forecasting Bankruptcy More Accurately： A Simple Hazard Model," The Journal of Business, Vol.74(1), pp.101-124.
　
Zangari, P. (1996), "An Improved Methodology for Mesuring VaR," Risk Metrics TM
Monitor, Second Quarter 1996, New York.