臺灣博碩士論文加值系統

由於近來國際知名企業如恩隆(Enron)等公司相繼爆發出會計醜聞，使得投資人對於會計數字及財務資訊逐漸開始產生保留，甚至懷疑的態度。而在網路泡沫破滅以後，許多人開始正視無形資產的重要性，本文旨再透過不同分析工具的使用，探討智慧資本對於網路通訊產業P/B預測的影響及其重要性，並就所得到的重要指標賦予解釋，作為投資人及經營者在檢視一家公司體質及發展潛力時的參考依據。本文採取的研究工具為，多元適應性雲形迴歸(multivariate adaptive regression splines, MARS)及倒傳遞類神經網路(backpropagation network, BPN)。其中，為了彌補類神經網路缺乏重要變數篩選能立及訓練時間過長的不足之處。本研究採取了兩階段整合模式，兩階段模式乃是先利用MARS篩選變數，再將重要變數輸入類神經網路進行預測。實證結果果顯示，加入智慧資本後，對於預測網路通訊產業之績效的確有實質得助益，增加預測的準確性；而兩階段整合模式的運用，則較單一工具的預測能力為佳。

In the past few years, investors began to doubt the credibility and transparency of company’s financial reports and accounting information because some famous companies such as Enron and WorldCom were suffered from accounting scandals. And after the internet bubbles, some people try to search the reasons behind it. Evidence showed that on one hand investors were overconfident with the so-called internet companies, on the other hand people were not familiar with the valuation of intangible assets─ usually terms as intellectual capital (IC).
This paper has two main objectives, we first want to know if intellectual capital has any influence on the valuation of telecommunications companies. In other words, we want to verify whether IC will provide extra information in valuating the telecommunications companies other than the information by traditional financial indicies. Secondly, we propose a model by integrating backpropagation neural network (BPN) and multivariate adaptive regression splines (MARS) in forecasting the P/B ratios of the telecommunications companies in Taiwan, to see whether the integrated approach will provide better forecasting capability than sole using the BPN or MARS approaches.
The empirical study shows that intellectual capital does have significant impact in forecasting P/B ratios of the telecommunications companies. It also shows that the integrating approach has better prediction accuracy.

目錄
目錄 Ⅰ
圖目錄 Ⅲ
表目錄 IV
第壹章 緒論 1
第一節 研究動機與目的 1
一、研究動機 1
二、研究目的 3
第二節 研究流程與架構 3
第貳章 文獻探討與回顧 6
第一節 智慧資本之文獻探討 6
一、智慧資本之定義 6
二、智慧資本的分類 7
三、智慧資本的衡量方式 11
四、國內與智慧資本研究相關之文獻 16
第二節 通訊暨網路產業概述 18
一、產業定義與分類 18
二、網路暨通訊產業概況 19
第參章 研究方法 24
第一節 研究設計與研究流程 24
一、研究設計 24
二、研究流程 25
第二節 研究資料說明 26
一、研究對象、研究期間及資料來源 26
二、研究變數之定義 26
第三節 研究工具介紹 30
一、類神經網路(ANNs) 30
二、多元適應性雲型迴歸(MARS) 32
第肆章 實證結果分析 35
第一節 智慧資本於網路通訊產業之實證分析 35
一、MARS模型建構方式 35
二、實證結果分析 36
三、MARS模型彙整分析 41
第二節 整合MARS及BPN模式之實證分析 42
一、兩階段模式之建構方式 42
二、實證結果分析 43
第三節 實證結果彙整分析 48
第伍章 結論與建議 50
第一節 研究結論 50
一、研究議題二 50
二、研究議題三 51
第二節 研究建議 51
一、對投資人之建議 52
二、對企業經營階層的建議 52
第三節 研究限制 53
參考文獻 54
圖目錄
圖1-1 研究流程 5
圖2-1 Sveiby的市場價值結構 9
圖2-2 斯堪地亞市場價值架構圖 10
圖2-3 產業分類架構圖 19
圖3-1 研究設計 25
圖3-2 倒傳遞類神經網路結構圖 31
圖3-3 神經元運作模式 31
圖3-4 多元適應性雲形迴歸模式與原始資料 34
圖4-1 網路結構為8-18-1之兩階段整合模式訓練樣本RMSE趨勢圖 45
圖4-2 網路結構為7-14-1之兩階段整合模式訓練樣本RMSE趨勢圖 47
表目錄
表1-1 2000-2002Q2台灣手機產業業務結構 2
表2-1 智慧資本分類方式彙整 11
表2-2 Sveiby之智慧資本衡量指標 12
表2-3 Stewart之智慧資本衡量指標 13
表2-4 Edvisson et al.(1997)之智慧資本衡量指標 14
表3-1 本研究之財務指標與智慧資本指標 29
表4-1 MARS所篩選出之重要財務比率變數 36
表4-2 MARS所篩選出之重要智慧資本與財務變數 37
表4-3 MARS模型迴歸統計值檢定結果 41
表4-4 MARS測試樣本之誤差分析結果 42
表4-5 兩階段整合模式於不同參數設定下之分析結果─模型三 44
表4-6 兩階段整合模式於不同參數設定下之分析結果─模型四 46
表4-7 模型三與模型四的預測誤差比較結果 47
表4-8 模型一與模型三的預測誤差比較結果 48
表4-9 模型二與模型四的預測誤差比較結果 48
表4-10 實證結果彙整分析 49

一、中文部分
1. 朱道凱譯(1999)，Kaplan, R. S. and Notorn, D. P. 著(1996)，平衡計分卡－資訊時代的策略管理工具，台北麥田出版股份有限公司初版。
2. 宋偉航譯(1998)，Stewart, T. A.著(1997)，智慧資本---資訊時代的企業基利，台北智庫出版公司。
3. 施純協 祥宇開發智能資本編譯小組譯(2000)，Johan, R., Goran, R., Nicola, C. D. and Edvinsson, L.著(1997)，智能資本---領航於新的商業版圖，知行文化。
4. 林大容譯(1999)，Edvinsson, L. and Malone, M. S.著(1997)，智能資本---如何衡量資訊時代無形資產的價值，麥田出版社。
5. 莫菲譯(1999)，Sveiby, K. E.著(1997)，無形資產致勝策略--- 微軟、網景、昇陽等成功企業的新財富，圓智文化出版。
6. 邱志洲、謝邦昌(2000)，STATISTICA應用系列叢書(六)---類神經網路分析。
7. 游啟聰，“知識經濟時代的會計趨勢”，今日會計，第76卷，1999，16-21頁。
8. 鄭惠之，“智慧資本之評價與管理研討會紀實”，會計研究月刊，2001，第180期，18-26頁。
9. 蘇欲惠，“知識經濟時代下財務會計之新思惟”，會計研究月刊，2000，第170期，29-32頁。
10. 高銘聰，“台灣半導體通路產業分析與通路商轉型創新研究”，國立政治大學經營管理研究所碩士論文，2001。
11. 楊平靖，“平衡計分卡架構探討公司市場價值與帳面價值差異---以台灣資訊電子業為實證研究對象”，國立台灣科技大學企業管理研究所碩士論文，2001。
12. 劉靜美，“衡量研發機構的智慧資本之研究---以工研院生醫工程中心為例”，國立政治大學科技管理研究所碩士論文，2000。
13. 羅懷英，“技術知識特性、組織知識平台與情境對組織知識流通之影響－以工研院電通所為例”，輔仁大學管理學研究所碩士論文，1999。
14. 吳秀娟，“企業市場價值與淨值差異影響之研究---以我國資訊電子業為例”，政治大學會計研究所碩士論文，2000。
15. 黃宛華，“資訊服務智慧資本之研究”，國立政治大學科技管理研究所碩士論文，1999。
16. 黃明輝，資料探勘在財務領域的運用-以債券型基金之績效評估為例，輔仁大學金融研究所碩士論文，2001。
17. 黃翔祺，網際網路企業智慧資本研究，國立政治大學/科技管理研究所碩士論文，1999。
18. 許峻源，“類神經網路與MARS於資料探勘分類模式之應用”，輔仁大學應用統計研究所碩士論文，2001。
19. 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。
20. 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。
21. 楊建國，“無形資產之評價”，輔仁大學金融研究所碩士論文，2000。
22. 陳怡萍，整合財務指標與智慧資本指標衡量企業經營績效---以台灣地　　　　　　　　　　　　　　　　 區IC產業為例，輔仁大學金融研究所碩士論文，2001。
23. 陳美純，“資訊科技投資與智慧資本對企業績效影響之研究”，國立中央大學資訊管理研究所博士論文，2001。
24. 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。
25. 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。
26. 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，輔仁大學金融研究所碩士論文，2001。
27. 傅坤泰，智慧資本於企業績效評估之應用---以IC設計產業為例，輔仁大學金融研究所碩士論文，2001。
28. 全國高科技產業資料庫：www.slib.fju.edu.tw/itbc/micindex.asp
29. 台灣證券交易所：www.tse.com.tw
30. 中華民國證券櫃臺買賣中心：www.otc.org.tw
31. 台灣證券發展基金會網站：www.sfi.org.tw
32. 財政部證券暨期貨管理委員會全球資訊網：www.sfc.gov.tw
33. 公開資訊觀測站：http://mops.tse.com.tw
二、英文部分
1. Bontis, N., “Intellectual capital:an exploratory study that develops measures and models”, Management Decision, Vol.36, No.2, 1998, pp. 63-76.
2. Brooking, A., “Intellectual capital”, Thomson Business Press, London, 1996.
3. Chung, H. M. and Tam, K. Y., “A comparative analysis of inductive-learning algorithm”, Intelligent System in Accounting, Finance and Management, Vol.2, 1992, pp. 3-18.
4. Craven, P. and Wahba, G., “Smoothing noisy data with spline functions estimating the correct degree of smoothing by the method Of generalized cross-validation”, Numberische Mathematik, Vol.31, 1979, pp. 317-403.
5. De Gooijer, J. G., Ray, B. K. and Horst, K., “Forecasting echange rates using TSMARS”, Journal of International Money and Finance, Vol.17, No.3, June, 1998, pp. 513-534.
6. Dzinkowski, R., “Mining intellectual capital”, Strategic Finance, Vol.81, No.4, Oct, 1999, pp. 42-46.
7. Dzinkowski, R., “The value of intellectual capital”, The Journal of Business Strategy, Vol. 21, No.4, Jul/Aug, 2000, pp. 3-4.
8. Edvinsson, L. and Malone, M. S., “Intellectual capital: realizing your company’s true value by finding its hidden roots”, HapperCollins Publishers, Inc., New York, 1997.
9. Edvinsson, L. and Sullivan, P., “Developing a model for managing intellectual capital”, European Management Journal, Vol.14, No.4, 1996, pp. 356-364.
10. Friedman, J. H., “Multivariate adaptive regression splines (with discussion)”, Annals of Statistics, Vol.19, 1991, pp. 1-141.
11. Friedman, J. H. and Roosen, C. B., “An introduction to multivariate adaptive regression splines”, Statistical Methods in Medical Research, Vol.4, 1995, pp. 197-217.
12. Financial Management Accounting Committee, ”The measurement and management of intellectual capital: an introduction”, 1998.
13. Griffin, W. L., Fisher, N. I., Friedman, J. H. and Ryan, C. G., “Statistical techniques for the classification of chromites in diamond exploration samples”, Journal of Geochemical Exploration, Vol.59, 1997, pp. 233-249.
14. Hutchinson, J. M., Lo, A. W. and Poggio, T., “A nonparametric approach to pricing and hedging derivative securities via learning networks”, Journal of Finance, Vol.49, No.3, 1994, pp. 851-889.
15. Jean-Michel, G. and Davide, V., “Linear mixed-effect multivariate adaptive regression spines applied to nonlinear pharmacokinetics data”, Journal of Biophatmaceutical Statistics, Vol.10, 2000, pp. 383-398.
16. Johnson, W. H. A., “An Integrative Taxonomy of intellectual capital: measuring the stock and flow of intellectual capital components in the Firm”, International Journal of Technology Management, Vol.18, No. 5/6/7/8, 1999, pp. 562-575.
17. Kaplan, R. S. and Norton, D. P., “The balanced scorecard: translating strategy into action”, Harvard Business School Press, 1996.
18. Kuhnert, P. M., Do, K. and McClure, R., “Combining non-parametric models with logistic regression: an application to motor vehicle injury data”, Computational Statistics and Data Analysis, Vol.34, 2000, pp. 371-386.
19. Lewis, P. A. W. and Stevens, J. G., “Nonlinear modeling of time series using multivariate adaptive regression splines(MARS)”, Journal of American Statistics Association, Vol.86, 1991, pp. 864-877.
20. Masoulas, V., “Organizational requirements definition for intellectual capital management”, International Journal of Technology Management, Vol.16, 1998, pp. 126-143.
21. MARS(tm)V2.0-for windows95/98/NT, Salford Systems Inc., 2001.
22. Myers, Randy., “Getting a grip on intangibles”, The Magazine for senior financial executives, Sep, 1996, pp. 49-54.
23. Nguyen-Cong V., Van, D. G. and Rode, B. M., “Using multivariate adaptive regression splines to QSAR studies of dihydroartemisinin derivatives”, European Journal of Medical Chemistry, Vol.31, 1996, pp. 797-803.
24. Qnet 97-Neural Network Modeling for Windows 95/98/NT, Vesta Services, Winnetka, IL, 1998.
25. Rastogi, P. N., “Knowledge management and intellectual capital-The new virtuous reality to of competitiveness”, Human Systems Management, Vol.19, 2000, pp. 39-48
26. Roos, G. and Johan, R., “Measuring your company’s intellectual performance”, Long Range Planning, Jun, 1997, pp. 413-426.
27. Steinberg, D., Bernard, B., Phillip, C., and Kerry, M., MARS User Guide, San Diego, Salford System, 2001.
28. Stewart, T. A., “Intellectual capital：the new wealth of organizations”, Bantam Doubleday Dell Publishing Group, Inc., New York, 1997.
29. Stone, G., Chan, D., Kuhnert, P. M. and Cameron, M., “Some experience in the analysis of large and complex datasets”, Computing Science and Statistics, Proceedings of the Second World Congress of the International Accounting Standard Committee, Vol.29, 1997.
30. Sveiby, K. E., “The new organizational wealth: management and measuring knowledge-based assets.” Berrett-Koehler Publishers, San Francisco, 1997.
31. Swales, G. S. and Yoon, Y., “Applying artificial neural networks to investment analysis”, Financial Analysts Journal, Vol.48, No.5, Sep/Oct, 1992, pp. 78-80.
32. Tang, Z., Almeida, C. and Fishwick, P. A., “Time series for using neural networks vs Box-Jenkins methodology”, Simulation, Vol.57, 1991, pp. 303-310
33. Ulrich, D., “Intellectual capital = competence * commitment”, Sloan Management Review, Vol. 39, No.2, Winter, 1998, pp. 15-26.
34. Vellido, A., Lisboa, P. J. G. and Vaughan, J., “Neural networks in business:a survey of applications(1992-1998)”, Expert Systems with Applications, Vol.17, 1999, pp. 51-70.
35. Zhang, G., Patuwo, B. E. and Hu, M. Y., “Forecasting with artificial neural networks: The state of the art”, International Journal of Forecasting, Vol.14, 1998, pp. 35-62.