臺灣博碩士論文加值系統

現金為企業相當重要的財產，但卻是企業所有資產中報酬性最低的，儘管如此，企業仍不將全部的資產拿去投資在報酬性較高的資產，而選擇持有部分的現金，根據本研究之統計，在台灣產業中，又以高科技產業之現金持有量最高，原因為高科技產業之研究發展花費用支出龐大，回收確定，代表著公司可能出現資金不足的情形，所以必須準備一定的現金持有量，因此本論文之目的是採用決策樹方法來預測，台灣上市上櫃之高科技電子業之現金持有，並利用逐步迴歸選出，現金股利發放率、研究費用發展率、槓桿、負債到期結構、來自營運之現金流量、投資活動之現金流量、融資活動之現金流量、營業現金流量比、現金流量比率、公司規模、公司年數共十個變數。並且使用資料探勘軟體WEKA中之決策樹方法（AD Tree、Decision stump、J48、NB Tree、LMT、Random Forest、Random Tree、REP Tree、Simple CART）來進行分類預測，並在研究過程中中共對這八種決策樹設計了三種實驗，分別為：(1) 各決策樹演算法之預測能力；(2) 各決策樹演算法加上效能提升演算法；(3)選一最好之決策樹預測率與Logistic迴歸模型比較。而在這三種實驗中，均顯示隨機森林(Random Forest)為最高，並且也比Logistic迴歸模型之預測率佳。

Cash is very important property for enterprises, but it pays less attention rather than all the assets in the enterprises.The enterprises choose to hold some cash in spite of assets have higher reward after investment. According to the statistics of previous study, especially high-tech electronics industry always has high cash holdings.The high-tech electronics industry spent huge expenses.That means the company may incur the situation of insufficient funds. It is necessary to prepare a certain amount of cash.

This paper uses setpwise regression analysis to find suitable variables for cash holdings of high-tech electronics industry in Taiwan. The selected ratios include the cash dividend payout、rate of research costs、leverage、liability、operating cash flow、investment cash flow、financing cash flow、ratio of operating cash flow, ratio of cash flow, size of the company. Using decision tree methods (AD Tree、Decision stump、 J48、NB Tree、LMT、Random Forest、Random Tree、REP Tree、Simple CART) to predict the accurate rate after classification by decision tree methods.This study have three experiments, namely: (1) the predictive ability of the decision tree algorithm; (2) of the decision tree algorithm with performance improvement algorithm; (3) choose the best decision tree forecast rate comparison with the logistic regression model. In three experiments, the Random Forest is the highest and better rate than the prediction of the logistic regression model.

致謝辭 i
中文摘要 ii
英文摘要 iii
圖目錄 vi
表目錄 viii
第一章 、緒論 1
1.1研究動機 1
1.2研究目的與問題 6
1.3研究架構 7
1.4論文架構 8
第二章 、文獻探討 9
2.1現金持有對高科技電子業之重要性 9
2.2現金的定義及其重要性 11
2.3現金持有 12
2.3.1企業現金持有之預防動機 12
2.3.2現金流量與現金持有之關係 13
2.3.3現金持有與企業成長機會之關係 15
2.3.4現金持有與企業資訊不對稱之關係 16
2.3.5現金持有其他相關文獻 18
2.3.6現金持有各實證整理 21
2.4資料探勘 26
2.5決策樹 29
2.5.1 決策樹各研究領域之應用 31
第三章 、研究方法 35
3.1研究樣本 35
3.2研究變數選取 37
3.2.1變數操作型定義 41
3.3決策樹 44
3.3.1 WEKA軟體介紹 44
3.3.2WEKA決策樹 45
第四章 、模型驗證及分析 57
4.1實驗設計 57
4.1.1各決策樹演算法 57
4.1.2結合效能提升演算法 58
4.1.4評估的函數 59
4.2實驗分析：各決策樹演算法 60
4.2.1 AD Tree 60
4.2.2 Decision Stump 61
4.2.3 J48 62
4.2.4 LMT 63
4.2.5 NB Tree 64
4.2.6 Random Forest 65
4.2.7 Random Tree 66
4.2.8 REP Tree 68
4.2.9 Simple Cart 69
4.3實驗分析：結合效能提升演算法 70
4.3.1 AD TREE 70
4.3.2 Decision Stump 72
4.3.3 J48 73
4.3.4 LMT 75
4.3.5 NB Tree 77
4.3.6 Random Forest 79
4.3.7 Random Tree 81
4.3.8 REP Tree 83
4.3.9 Simple Cart 85
4.4實驗分析：與logistic迴歸模型比較 90
第五章 、結論與建議 96
5.1結論 96
5.2研究貢獻 97
5.2未來研究建議 98
參考文獻 99
中文文獻： 99
英文文獻： 100

中文文獻：
巫木誠；林聲宇，(2009)，應用決策樹與濾嘴法則於股票投資，國立交通大學工　　
　　業工程與管理系所，碩士論文。
李沃牆；朱竣平，(2008)，信用評等、公司違約與財務危機預測之探討真理財經
　　學報，第18期，2008年6月，pp.33-70。
李建華，(1992)，課本 財務管理要點與操作，超越企管顧問股份有限公司，頁
　　299-302。
李智蕙(2008)，現金持有率、公司價值與公司治理之關連性-台灣上市櫃公司實證
　　研究，政治大學會計學研究所，碩士論文。
李豔珍，(2009)，持有現金的決定因子：台灣之實證研究，國立成功大學會計學
　　研究所，碩士論文。
沙昱宏，(2008)，應用決策樹分類法與邏輯斯迴歸建構企業財務危機預警模式，
　　國立彰化師範大學，碩士論文。
林秀玲，(2004)，現金持有與經營績效，朝陽科技大學財務金融系，碩士論文。
林雅芬，(2001)，台灣上市公司現金持有之實證研究，真理大學管理科學研究所，
　　碩士論文。
柯麗評，(2007)，現金持有政策與公司治理對企業價值關聯性之實證研究-以台灣
　　上市櫃半導體業為例，逄甲大學經營管理碩士在職專班，碩士論文。
張玉佩，(2004)，股價報酬預測率與總體經濟變數關聯之探討－以決策樹模型為
　　例，國立臺灣大學國際企業學研究所，碩士論文。
張顧騰，(2008)，影響台灣上市公司現金持有之因素探討，國立彰化師範大學商
　　業教育學系，碩士論文。
陳保丞，(2005)，持續性高現金持有政策對公司營運績效之影響－以台灣上市公
　　司為例，私立真理大學管理科學研究所，碩士論文。
陳春宏，(2001)，論公司流動性資產的決定因素－以日本非金融業為例，國立中
　　正大學財務金融研究所，碩士論文。
陳肇榮，(1983)，運用財務比率預測企業失敗之研究，政治大學企業管理研究所，
　　博士論文。
游緯鴻，(2009)，基於決策樹之股價趨勢預測研究─以臺股為例國防大學管理學
　　院資源管理及決策研究所，碩士論文。
游蕙瑜，(2007)，公司治理、現金持有決策與公司價值之關聯性實證研究－以台
　　灣電子業為例，國立中正大學會計與資訊科技研究，碩士論文。
雲國華，(2007)，公司治理與現金持有關聯之研究－台灣上市公司之實證研究
　　，中原大學國際貿易研究所，碩士論文。
黃任斌，(2011)，運用決策樹分析台灣商業銀行之財務危機，國立高雄第一科技　　
　　大學風險管理與保險研究所，碩士論文。
黃家貞，(2010)，公司治理和現金持有對企業價值的影響：以台灣上市公司為例，
　　真理大學財經研究所，碩士論文。
黃容芬，(2006)，台灣上市電子公司財務危機之研究─資金短缺率變數選取法與
　　風險值之應用，朝陽科技大學財務金融系碩士班，碩士論文。
黃珮禎，(2003)，台灣上市櫃公司流動性資產持有之研究，中國文化大學會計研
　　究所，碩士論文。
黃淑娟，(2003)，影響台灣地區產險公司現金持有之決定因素：動態現金持有模
　　型之實證研究，真理大學管理科學研究所，碩士論文。
楊翔珍，(2007)，建構分群技術與演化式模糊決策樹於股價趨勢之預測，元智大
　　學工業工程與管理學系研究所，碩士論文。
劉敬之，(2010)，使用決策樹演算法結合個股技術及籌碼指標建立股價漲跌預測
　　模型，中原大學資訊管理學研究所，碩士論文。
劉麗蘭，(2006)，以決策樹分析紡織公司之財務危機，逢甲大學經營管理碩士在
　　職專班，碩士論文。
謝佩如，(2003)，企業財務流動性維持水準關鍵影響因素之實證研，私立東吳大　　
　　學會計學研究所，碩士論文。
鐘婷柔，(2004)，企業持有現金部位影響因子之研究，國立交通大學管理科學研　
　　究所，碩士論文。
英文文獻：
Barclay, M., and Smith, C. ( 1995 ), “The priority structure of corporate liabilities. Journal of Finance.” vol. 50, pp889-918. (1995b)
Breiman, L. (1996), “Bagging predictors.” Machine Learning vol.24 , No.2, pp.123-140.
Atiase. (1985), “Predisclosure Information Firm Captialization and Security Price　Behavior Around Earning Announcement.” Journal of Accounting Research 　　vol23, No.1, pp. 21-36.
Barry, C. B., and Brown, S. J.(1984), “Differential information and the small firm effect.” Journal of Financial Economics vol.13 (2), pp.283–295.
Bates, T. W., Kahle, K. M., and Stulz, R. M. (2009),”Why do U.S. firms hold so much more cash than they used to?” The Journal of Finance, Vol 64, No 5.
Berry, M. J. A., and Linoff, G. S.(1997), “Data mining techniques: for marketing, sales, and customer support.” New York: Wiley Computer.
Breiman, L .(2001),“Random forests.” Machine Learning, vol. 45, no. 1, pp. 5–32.
Breiman, L., Friedman, J. H., and Olshen, R. J., and Stone, C. J.(1984), “Classification and Regression Tree.” Wadsworth, Belmont, CA.
Cabena, P., Hadjinaian, P., Stadler, R., Verhees, J. and Zanasi, A.(1997), “Discovering data mining from concept to implementation.” New Jersey: Prentice Hall PTR.
Chang, K., and Noorbakhsh, A. (2006), “Corporate cash holdings, foreign direct investment, and corporate governance.” Global Finance Journal, vol. 16, no. 3, pp. 302-316.
Cherkauer, K. J., and Shavlik, J. W.(1996), “Growing simpler decision trees to facilitate knowledge discovery.” Proceedings of the Second International Conference on Knowledge Discovery and Data Mining.
Dittmar, A., Mahrt-Smith, J., Servaes, H.(2003), “International corporate governance and corporate cash holdings.” Journal of Financial and Quantitative Analysis vol.38, pp111-134.
Dittmar, A., Mahrt-Smith, J., Servaes, H. (2006). “Corporate Governance and the Value of Cash Holdings.” SSRN working paper.
Elovici, Y., Braha,D. (2003), “A decision-theoretic approach to data mining, Systems, Man and Cybernetics.” Part A. IEEE Transactions vol.33, pp42–51.
Faulkender, M. (2004), “Cash holdings among small businesses.” Working paper, ashington University.
Fayyad, U. M., Piatetsky-Shapiro, G., and Smyth, P.(1996),“Data mining to knowledge discovery in databases.” AI Magazine, vol.17, pp. 37-54, 1996a
Fazzari, S. M. and Petersen , B,C. (1993), “Working Capital and Fixed Investment: New Evidence on Finance Constraints,” RAND Journal of Economics, 24, 328-342.
Ferreira, M. A. and Vilela, A.S. (2003), “Why Do Firms Hold Cash ? Evidence from EMU Countries.” SSRN eLibrary.
Freund, Y., and Schapire, R.E. (1997), “A decision-theoretic generalization of on-line learning and an application to boosting.” Journal of Computer and System Sciences,vol.55,pp. 119-139
Garcia-Teruel P. J., and Martinez-Solano P.(2008), “On the Determinants of SME Cash Holdings:Evidence from Spain.”Journal of Business Finance & Accounting, Vol.35,pp.127-149.
Giovanni ,D.L.,, Giorgia ,R.., Paola ,Z.,(2010), “Combining random forest and copula functions: A heuristic approach for selecting assets from a financial crisis perspective.” Intelligent Systems in Accounting, Finance and Management Volume 17, Issue 2, pages 91–109.
Han, J., Kamber, M. (2000), “Data Mining : Concepts and Techniques.” San Francisco: Morgan Kaufmann.
Harford, J. (1999),“Corporate Cash Reserves and Acquisitions.” Journal of Finance, Vol.54, pp.1969-1997.
Iba, W., Langley, P .(1992),”Induction of One-Level Decision Trees.” Ninth International Conference on Machine Learning, San Francisco, CA: Morgan Kaufmann, pp. 233–240.
Jensen, M.C. (1986), “Agency Costs of Free Cash Flow, Corporate Finance, and Takeovers.” American Economic Review, Vol. 76, pp.323-329.
Keynes, J.M. (1936), “The General of Theory of Employ. In : Interest and Money.” London :Harcourt Brace.
Kim, C.S, Mauer, D.C., and Sherman, A.E. (1998), “The Determinants of Corporate　Liquidity: Theory and Evidence.” Journal of Finnancial and Quantitative Analysis Vol.33, pp.335-359.
Krivda, C.D.(1996),“Unearthing Underground Data.” LAN-The Network Solutions Magazine, Vol. 11, No. 5, pp.42-48.
Lee, W, C.(2006), “Genetic Programming Decision Tree for Bankruptcy Prediction.” Conference on Information Science, Atlantic Press of Paris, France, pp.470-473.
Lonneke, M .(2005), “Predicting bankruptcy with discriminant analysis and decision tree using financial ratios.” University of Rotterdam.
Moore, A.W., and Lee, N.S.(1998) ,” Cached Sufficient Statistics for Efficient Ma- chine Learning with Large Datasets.” Journal of Artificial Intelligence
Opler, T., Pinkowitz, L., Stulz, R., and Williamson, R. (1999), “The Determinants and Implications of Corporate Cash Holdings.” Journal of Financial Economics Vol.52,pp.3-46.
Ozkan, A., and Ozkan, N. (2004), “Corporate cash holdings: An empirical investigation of UK companies.” Journal of Banking and Finance 28, pp. 2103-2134.
Rijsbergen,C.J.V.(1979), “Information Retrieval.” Butterworths, Vol. 2., pp 208.
Kohavi, R., and John, G. (1997), “Wrappers for feature subset selection.” Artificial Intelligence, vol1–2, pp273–324.
Ross Quinlan .(1993), “C4.5: Programs for Machine Learning.” Morgan Kaufmann Publishers, San Mateo, CA.
Shaw, M. J., Subramaniam, C., Tan, G. W. and Welge, M. E.(2001), “Knowledge Management and Data Mining for Marketing.” Decision Support Systems, Vol. 31, no.1, pp. 127-137
Thuraisingham, B.(2000), “A primer for understanding and applying data mining.”IT Professional, Vol.2, No.1, pp.28-31.
Titman, S., and Roberto, W. (1988), “The determinants of capital structure choice.” Journal of Finance vol.43, 1-19.
Witten, I. H., and Eibe, F. (2011), “Data Mining: Practical Machine Learning Tools and Techniques.” Morgan Kaufmann Publishers, San Francisco, California.
網站：
WEKA軟體下載 http://www.cs.waikato.ac.nz/ml/