臺灣博碩士論文加值系統

企業所發布之財務報表上的攸關性及可靠性與管理階層操縱裁決性應計項目的盈餘管理行為多年一直是重大議題。過往文獻於裁決性應計項目盈餘管理上皆是使用傳統的回歸模式，近年來已有許多學者應用資料探勘的方法針對應計項目盈餘管理進行研究，然而準確度皆有所提高，因此本研究以資料探勘法中的類神經網路與決策樹來進行預測，希望能找出一個較準確地預測模式與規則。本研究嘗試以類神經網路(artificial neural network，ANN)、決策樹CHAID (Chi-Square Automatic Interaction Detector for Decision trees)以及決策樹QUEST (Evaluation in a questionnaire for Decision trees)先將變數進行第一階段的篩選，再進一步使用支援向量機及決策樹C5.0來建立模型檢測企業是否具有嚴重操縱盈餘的情況。而實證結果顯示，決策樹CHAID搭配決策樹C5.0表現最佳，準確率為98.12%。

Companies release and reliability financial statements and management manipulated discretional accruals earnings management of arbitral accruals has been a major issue for many years. Past literature on the discretional accruals earnings management are all using traditional regression model, in recent years there have been many scholars have applied data mining methods for discretional earnings management research. Therefore, this study data mining methods neural network and Chi-Square Automatic Interaction Detector for Decision trees to predict, hoping to identify a more accurate prediction models and rules. This study attempts to artificial neural network (ANN)、Chi-Square Automatic Interaction Detector for Decision trees and Evaluation in a questionnaire for Decision trees first stage of the first variable filter, further use of support vector machine and decision tree C5.0 to model detection whether a company has serious manipulate earnings. The decision tree C5.0 demonstrates the best performance for earnings management with the accuracy rate of 98.12.

內容目錄
中文摘要　．．．．．．．．．．．．．．．．．．．．．． iii
英文摘要　．．．．．．．．．．．．．．．．．．．．．． iv
誌謝辭　　．．．．．．．．．．．．．．．．．．．．．． v
內容目錄　．．．．．．．．．．．．．．．．．．．．．． vi
表目錄　　．．．．．．．．．．．．．．．．．．．．．． viii
圖目錄　　．．．．．．．．．．．．．．．．．．．．．． ix
第一章　　緒論．．．．．．．．．．．．．．．．．．．． 1
第一節　　研究背景與動機．．．．．．．．．．．．． 1
第二節 研究目的．．．．．．．．．．．．．．．． 2
第三節 研究流程與研究流程圖．．．．．．．．．． 3
第二章　　文獻探討．．．．．．．．．．．．．．．．．． 5
第一節　　盈餘管理之定義及相關文獻．．．．．．．． 5
第二節　　資料探勘之定義相關文獻．．．．．．．．． 8
第三章　　研究方法．．．．．．．．．．．．．．．．．． 14
第一節　　樣本與變數選取．．．．．．．．．．．．． 14
第二節　　應計項目盈餘管理代理變數衡量方法．．．． 16
第三節 倒傳遞類神經網路．．．．．．．．．．．． 18
第四節 CHAT決策樹．．．．．．．．．．．．．． 19
第五節 支援向量機．．．．．．．．．．．．．．． 22
第四章　　實證結果與分析．．．．．．．．．．．．．．． 25
第一節　　敘述性統計．．．．．．．．．．．．．．． 25
第二節　　變數篩選．．．．．．．．．．．．．．．． 29
第三節　　盈餘管理預測模型分析與比較．．．．．．． 34
第五章　　結論與建議．．．．．．．．．．．．．．．．． 45
第一節　　研究結論．．．．．．．．．．．．．．．． 45
第二節　　研究限制．．．．．．．．．．．．．．．． 46
參考文獻　．．．．．．．．．．．．．．．．．．．．．． 47

參考文獻
一、中文部分

王則勝(2008)，類神經網路於光電產業財務危機預測之研究，立德大學科技管理研究所未出版之碩士論文。

方滋聰(2003)，會計師與承銷商對現金增資公司從事盈餘管理之影響，逢甲大學財務金融研究所未出版之碩士論文

朱家逸(2010)。整合隨機森林與約略集合在偵測財務報表舞弊之應用，中國文化大學會計研究所未出版之碩士論文。

林嬋娟，洪櫻芬，薛敏正(1997)，財務困難公司盈餘管理實證研究，管理學報，14(1)，15-38。

施人英，陳文華，吳壽山(2006)，探討支援向量機在發行信用評等分類模式之應用，資訊管理學報，14(3)，155-178。

范宏書，陳慶隆，廖英任(2008)，盈餘管理對會計資訊的相對價值攸關性之影響，管理與系統，15(1)，93-136。

孫秀惠(2002)，近五成民眾不相信上市公司財報－「台灣企業誠信度」調查，商業週刊，765，88-89。

高毅(2014)，應用資料探勘於盈餘管理預測，中國文化大學會計研究所未出版之碩士論文。

黃尹君(2011)，Ohlson and Aier MCA 模型與盈餘管理之關聯-盈餘管理偵測模型之比較，朝陽科技大學會計系未出版之碩士論文。

張云濤，龔玲(2007)，資料探勘原理與技術，台北：五南圖書出版股份有限公司。

陳振翔(2011)，資訊揭露透明度、公司治理與盈餘管理關係之研究，高雄應用科技大學會計研究所未出版之碩士論文。

陳國在(2013)，結合支撐向量機與決策樹對語者辨識之應用研究，臺灣大學工程科學及海洋工程學系未出版之碩士論文。

陳裕文(2010)，考量綜合指標於財務危機預警模式之研究，朝陽科技大學財務金融所未出版之碩士論文。

游瑾安(2014)，應用逐步回歸、決策樹、約略集合及類神經網路於偵測企業舞弊，中國文化大學會計研究所未出版之碩士論文。

廖述賢，溫志皓(2012)，資料探勘理論與應用:以IBM SPSS Modeler為範例，新北市：碩博文化股份有限公司，1-2。

鄭雅妮(2008)，台灣上市櫃公司建構危機預警模型之研究－以MDA、Logit、BPN、SVM、GA-SVM、AIS方法之應用，元智大學會計研究所未出版之碩士論文。
蔡嘉丞(2013)，運用二元決策樹建構多重單核苷酸多態性(SNP)序列，高雄應用科技大學資訊工程系未出版之碩士論文。

謝璦如(2014)，分類與回歸演算法，中國醫藥大學生統E報，74。

薛敏正，林嬋娟(2004)，盈餘管理偵測模式比較研究：以國內財務困難公司為例，中華會計學刊，5(1)，105-130。

顏利憲(2013)，以決策樹分析鐵路誤點原因及解決方法，成功大學交通管理學系碩博士班未出版之博士論文。

蘇研如，吳東光，孟瑛如(2007)，應用決策數學習障礙鑑定之評估，Journal of Information Technology and Applications，2(2)，107-115。

蘇清霖(2013)，使用決策樹演算法建置薪資預測分析模型，僑光科技大學資訊科技研究所未出版之碩士論文。

二、英文部分

Aharony, J., Lee, C-W. J., & Wong, T. J. (2000). Financial packaging of IPO firms in China. Journal of Accounting Research, 38, 103-126

Beneish, M. D. (1997). Detecting GAAP violation: implications for assessing earnings management among firms with extreme financial performance. Journal of Accounting and Public Policy, 16(3), 271-309.
Chi, W., Lei, L., & Pevzner, M. (2010). Is enhanced audit quality associated with greater real earnings management? Unpublished manuscript.

Cohen, D., & Zarowin, P. (2010). Accrual-based and real earnings Management activities around seasoned equity offerings. Journal of Accounting and Economics, 50(1), 2-19.

Davidson, S., Stickney C., & Weil, R. (1987). Accounting: The Language of Business, (7th ed.). Arizona: Thomas Horton and Daughter.

DeAngelo, L. (1986). Accounting numbers as market valuation substitutes: A study of management buyouts of public stockholders. The Accounting Review, 61(3), 400-420.

Dechow, P. M., & Skinner, D. J. (2000). Earnings Management: reconciling the views of accounting academics, practitioners and regulators. Accounting Horizons, 14, 235-250.

Freeman, J. A., & Skapura, D. M. (1992). Neural Networks Algorithms, Applications, and Programming Techniques. Boston,MA: Addison-Wesley.

Friedlan, J. M. (1994). Accounting choices of issuers of initial public offerings. Contemporary Accounting Research, 11 (Summer), 1-31.
Healy, P. M. (1985). The effect of bonus Schemes on accounting decisions. Journal of Accounting and Economics, 7, 85-107.

Healy, P. M., (1996). Discussion of a market-based evaluation of discretionary accrual models. Journal of Accounting Research, 34, 107-115.

Healy, P. M., & Wahlen, J. M., (1999). A review of earnings management literature and its implications for standard setting. Accounting Horizon, 13(4), 365-384.

Hoglund, H. (2012). Detecting earning management with neural networks. Expert Systems with Applications, 39(10), 9564-9570.

Jiraporn, Pornsit, Miller, Gary A., Yoon, Soon Suk, & Kim, Young S. (2008). Is earnings management opportunistic or beneficial? An agency theory perspective. International Review of Financial Analysis, 17(3), 622-634.

Jones, J. J. (1991). Earning management during import relief investigations. Journal of Accounting Research, 29(2), 193-228.

Kothari, S. P., Leone A. J., & Wasley C. E. (2005). Performance matched discretionary accrual measures. Journal of Accounting and Economics, 39(1), 163-197.

Kothari, S. P., (2000). Discussion of “The Relation between analysts forecasts of long-term earnings growth and stock price performance following equity officering. Contemporary Accounting Research, 17, 33-39.

Merchant, K. A. (1985). Control in business organizations. Marshfield: Pitman-Publishing.

Rangan, S. (1998). Earnings management and the performance of seasoned equity offerings. Journal of Financial Economics 50(October), 101-122.

Teoh, S. H., Welch, I., & Wong, T. J. (1998b). Earnings Management and the Long-Run Market Performance of Initial Public Offerings. Journal of Finance, 53(6), 1935-1974.

Tsai, C. F., & Chiou, Y. J. (2009). Earnings management prediction: A pilot study of combining neural networks and decision trees. Expert Systems with Applications, 36(3), 7183-7191.

Wilson, R. L., & Sharda, R. (1994). Bankruptcy predicition using neural network. Decision Support Systems, 11(8), 545-557.

Zmijewski, M. E., & Hagerman, R. L. (1981). An income strategy approach to the positive theory of accounting standard setting/choice. Journal of Accounting and Economics, 3(2), 129-149.