臺灣博碩士論文加值系統

本研究有別與以往研究分析，結合財務變數與非財務變數建構財務危機預警模型，並透過兩階段模式，先以邏輯斯(Logit)模型分析財務變數與非財務變數之預測能力，再將其這些具有預測能力之變數以D-Score模型對下市櫃公司進行驗證。研究樣本期間為2004&;#63886;至2009&;#63886;，以2004&;#63886;至2006年之52家下市櫃樣本當推導組(In-sample)進行預測，並與財務正常公司（對照樣本）以1：1之比例進行樣本配對，進一步再以D-Score模型來驗證下市櫃公司預測之因子。研究發現財務變數中負債比率、速動比率、營業利益率、每股盈餘、來自營運之現金流量等五項變數；及非財務變數中董監持股比率、董監質押比率、總經理異動、董事長異動、財會主管異動等五項變數，對於下市櫃公司之財務危機具有解釋能力。D-Score模型發現下市櫃平均分數為6.94高於正常公司，顯見這些財務變數足以解釋公司下市原因，並以2007&;#63886;至2009年下市櫃公司當驗證組(Out-sample)進行驗證，其D-Score分數為6.58分。顯示台灣下市櫃公司可透過財務變數與非財務變數來預測，並以D-Score衡量，其D-Score分數愈高表示其有可能發生財務危機。

This research differs from the previous ones in several ways. I use 15 financial variables and 8 non-financial variables to build up financial crisis forecasting model. Through two-phase models, I use Logit model to analyze their forecasting capabilities of these financial and non-financial variables first, and then use the D-Score model to evaluate the D scores of the delisting companies. Research sample period covers form 2004 to 2009, and I apply to 52 delisting companies. Comparing the D-score of the delisting companies with those of the normal companies, the D-Score model is used to demonstrate factors that can be used to predict the probabilities of delisting in the coming years. The results of this study show that the financial factors such as Debt ratio, Quick ratio, Operating Profit ratio, EPS, Operating Free Cash Flows; and the non-financial factors such as Director Ownership ratio, Director Pledge ratio, Change of Managing Director, President and Accounting Supervisors, have explanatory power for the delisting events. Using the D-Score model, the average score of the delisting companies is 6.94, which is higher than that of the normal companies, indicating that these financial and non-financial variables can be used to forecast which companies will go bankruptcy in the future. Applying this model to 2007-2009 delisting companies, the D-Score is 6.58, (which is well above the benchmark the models predict). Thus I believe that the Logit and the D-Score model are effective for forecasting whether companies will delist or not.

第一章 緒論 6
第一節 研究動機 6
第二節 研究目的 7
第二章 文獻回顧 9
第一節 國外財務危機預測分析 9
第二節 國內財務危機預測分析 11
第三章 資料與研究方法 13
第一節 應用「F-Score模型」模式找出下市櫃公司之事前徵兆 13
第二節 資料來源與樣本選取 14
第三節 下市櫃公司警訊模型 20
第四章 實證結果 27
第一節 邏輯斯(Logit)模型迴歸 27
第二節 D-Score模型 30
第五章 結論與建議 40
第一節 結論 40
第二節 研究限制 41
第三節 建議 41
第四節 研究貢獻 42
參考文獻 43
表2-1 F-Score模型指標判斷公司好壞九個基本面為指標 13
表3-1 下櫃原因清單 15
表3-2 上市櫃公司及下市櫃家數與原因統計表 16
表3-3 推導組(In-sample)下市櫃公司樣本與對照組樣本-各52家 17
表3-4 驗證組(Out-sample)下市櫃公司樣本-33家 18
表3-5 刪除之樣本-15家 19
表3-6 各變數相關系數表 25
表4-1邏輯斯(Logit)模型數據 29
表4-2 模型變數屬性、內容與判斷標準 33
表4-3 D-Score分數表 35
表4-4 各年度D-Score分數表 37
表4-5 財務性指標D-Score分數表 38
表4-6 非財務性指標D-Score分數表 39

中文部分
[1]臺灣證券交易所，(http://www.twse.com.tw)。
[2]證券櫃檯買賣中心，(http://www.otc.org.tw)。
[3]公開資訊觀測站，(http://www.newmops.twse.com.tw)。
[4]臺灣經濟新報，TEJ臺灣，(http://www.tej.com.tw)。
[5]林昱成、林金賢、陳雪如、莊家豪，2007，「類神經模糊專家系統在訴訟預警模型之應用：以公司治理觀點」，會計評論，44 期：頁95 -126。
[6]林淑萍、黃劭彥、蔡昆霖，2007，「企業危機預警模式之研究－DEA-DA、邏輯斯迴歸與類神經網路之應用」，會計與公司治理，4卷1期：頁35 -56。
[7]林振鵬，2003，「應用類神經網路於財務危機預警之研究」，東吳大學會計學研究所碩士論文。
[8]林豐騰，2009，「企業財務危機預測－整合財務指標、公司治理因素及智慧資本構面模型」，績效與策略研究，6卷2期：頁59 -72。
[9]邱垂昌，2006，「台灣企業財務危機之預警－保留意見之警訊」，當代會計，7卷2期：頁195 -236。
[10]陳乙文、黃鈴羢，2005，「影響財務危機預警模型因子之研究」，建國科大學報，24卷2期：頁153 -168。
[11]陳定宇，2002，「台灣企業集團財務預警模型之研究」，國立交通大學經營管理研究所碩士論文。
[12]陳柏豪，2005，「管理高層異動、會計師更換、保留意見對財務危機公司盈餘管理之影響」，立德管理學院國際企業管理研究所碩士論文。
[13]黃建華，2006，「加入公司治理變數建構台灣上市上櫃公司之財務危機預警模型」，東吳大學國際貿易研究所碩士論文。
[14]黃振豊、呂紹強，2000，「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，1卷1期：頁19 -40。
[15]劉文卿、鐘冠智，2009，「使用乏析應變數企業信用模型建置與驗證」，管 理科學與統計決策，6卷3期：頁24 -34。
[16]魏雅芬，2005，「企業財務危機預警模式之研究－以臺灣地區上市公司為例」，中國文化大學國際企業管理研究所碩士論文。

西文部分
[1]Altman, E. I., 1968, Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4): 589-609.
[2]Altman, E. I., Haldeman, R. & Narayanan, P. (1977). ZETATM analysis: A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance 1(1): 29-54.
[3]Amit, Rand., & Livnat, J.1988. Diversification,capital Structure, and systematic Risk：An empirical investigation. Journal of Accounting, Auditing and Finance, 3(1), 19-48.
[4]Beaver, W. H. 1966. Financial ratios as predictors of failure. Journal of Accounting Research, 4 (3)：71-111.
[5]Cadbury, A. 1999. What are the trends in corporate governance? How will they impact your company? Long Range Planning Journal, 32(1)：12-19.
[6]Daily, C. M. & Dalton, D. R. 1994. Bankruptcy and corporate governance: The impact of board composition and structure. Academy of Management, 37(6): 1603-1617.
[7]Ira Millstein, M.1999. Introduction to the report and recommendations of the Blue Ribbon Committee on improving the effectiveness of corporate audit committees.The Business Lawyer, 54(3) : 1057-1066.
[8]Jensen, M. C., & Meckling, W. H. 1976. Theory of the firm: Managerial behavior, agency costs and ownership structure. Journal of Financial Economics, 3(4) : 305-360.
[9]Kealhofer, S., & Kurbat, M. 2001. The default prediction power of Merton approach, relative to debt ratings and accounting variables,KMV Corporation.
[10]Kesner, I. F., & Dalton, D. R. 1987. Composition and CEO duality in boards of directors：An international perspective. Journal of International Business Studies, 18 (3): 33-42.
[11]Martin, D. 1977. Early warning of banking failure. Journal of Banking and Finance, 1(2/3): 249-276.
[12]Mensah, Y. M. 1984. An examination of the stationary of multivariate bankruptcy prediction models: A methodological study. Journal of Accounting Research, 22(1) : 380-395.
[13]Odom, M. D., & Sharda, R.1990. A neural network model for bankruptcy
prediction. IEEE INNS IJCNN, 2: 163-168.
[14]Ohlson, J. A. 1980. Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1): 109-131.
[15]Piotroski, J. D. 2000. Value investing：The use of historical financial statement information to separate winners from losers. Journal of Accounting Research, 38（supplement）: 1-41.
[16]Platt, H. D., & Platt, M. B. 1990. Development of a class of stable predictive variables: The case of bankruptcy prediction. Journal of Business Finance & Accounting. 17(1) : 31-49.
[17]Tam, K., & Kiang, M. 1992. Managerial applications of neural networks: The case of bank. Managemen Science, 38(7) : 926-947.
[18]Ward, T. J. & Foster, B. P. 1996. An empirical analysis of Thomas''s Financial Accounting Allocation Fallacy Theory in a financial distress context. Accounting & Business Research, 26(2) : 137-152.
[19]Yang, D. C., Vasarhelyi, M. A., & Liu, C. 2003. A Note on the using of Accounting Data Bases. Industrial Management and Data Systems, 103(3/4) : 204-210.
[20]Zhang, G. M., Hu, Y., Patuwo, B. E., & Indro, D. C. 1999. Artificial Neural networks in bankruptcy prediction: General framework and cross-validation analysis. European Journal of Operational Research, 116(1): 16-32.
[21]Zmijewski, M. E.1984. Methodological issues related to the estimation of financial distress prediction method. Journal of Accounting Research, 22(Supplemenrt): 59-82.