臺灣博碩士論文加值系統

近來，整個經濟環境的變動越來越大，企業在經營上已經不像過去那樣的容易。一旦企業遭遇財務危機而面臨倒閉，便會使得整個社會付出相當大的社會成本。因此，若能在企業財務危機爆發之前，有效的判斷企業財務問題的種種跡象，透過方法與工具隨時評估企業的經營狀況，如此，不但能減少投資大眾之投資風險，更可讓企業進行改善之行為。因此，若能有客觀且有效之財務困境判斷機制，使相關人士及早察覺營運困難或體質不佳的企業，就能在財務困境爆發前，找出因應對策，將企業財務困境所造成之傷害降到最低。

自Beaver在1966年提出「以財務比率預測經營失敗」的研究之後，財務危機預警的觀念開始引起廣泛的重視。因此，本研究採用不同之財務困境推估方式，透過21個財務指標，採用兩階段之整合式類神經網路以建構企業財務困境推估模型。藉由此兩階段三模式之整合式類神經網路架構，分析企業財務資料，及時判斷企業目前之財務狀況，提高模型財務困境檢定之準確率。此外，並應用第一階段兩類學習模式之關鍵係數推導出模型特徵圖以顯示企業自變數與應變數之圖形關係，以此做為檢定企業財務狀況之輔助性參考。經由實證結果發現，本研究模型之準確率達90%。

本研究乃著重於企業單季財務狀況之檢定，模型針對該季之企業財務資料，推估檢定企業該季之財務表現，判斷企業該季是屬於財務正常或異常企業，同時，對於檢定結果異常之企業發出警訊，讓企業及投資大眾在面臨可能的潛在性財務危機時能提供有效之警示作用，以達到企業財務危機預警之目的。

摘要 i
Abstract ii
誌 謝 iii
目 錄 iv
圖目錄 vi
表目錄 vii
1 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究問題 3
1.4 研究範圍與限制 4
1.5 研究方法與步驟 5
1.6 研究章節架構 6
2 文獻回顧 7
2.1 財務困境之定義 7
2.2 財務困境之預警模型 8
2.3 評估企業財務困境之相關變數 13
3 研究方法論 19
3.1 可行性分析 19
3.2 研究流程 20
3.3 研究變數定義 21
3.3.1 輸入研究變數 21
3.3.2 輸出研究變數 27
3.4 研究樣本與資料來源 28
3.5 資訊正規化 31
3.6 類神經網路之架構及參數 31
3.7 類神經網路之訓練與測試 33
3.7.1 類神經網路之性能衡量 33
3.7.2 第一階段類神經網路之訓練與測試過程 33
3.7.3 第二階段類神經網路之訓練與測試過程 41
3.8 模型特徵圖 43
4 研究理論應用與結果 45
4.1 模型之應用 45
4.2 模型之驗證 46
4.3 研究之實證結果分析 49
4.4 輔助性參考：模型特徵圖之檢定與驗證 51
5 研究結論與建議 56
參考文獻 (References) 58
附錄 (Appendix) 61
附錄1：類神經網路 61
1.1 何謂類神經網路 61
1.2 類神經網路原理 62
1.3 類神經網路架構 63
1.4 類神經網路的應用 66
1.5 類神經網路可能遇到之問題與優缺點 67
附錄2：「台灣證券交易所股份有限公司營業細則」第49、50、50-1條 69

一、中文部份：
1、 葉怡成 (2003)，『類神經網路模式應用與實作』，儒林圖書有限公司，台北，八版。
2、 葉怡成 (2002)，『應用類神經網路』，儒林圖書有限公司，台北，三版。
3、 羅華強 (2001)，『類神經網路- Matlab的應用』，清蔚科技出版社，新竹。
4、 陳明賢 (1986)，財務危機預測之計量分析研究，台灣大學商學研究所未出版碩士論文。
5、 黃文隆 (1993)，財務危機預警模式建立與驗證，東吳大學企業管理研究所未出版碩士論文。
6、 施並洲 (1999)，類神經網路、案例推理法、灰色關連分析於財務危機之應用，國立中央大學工業管理研究所未出版碩士論文。
7、 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未出版碩士論文。
8、 陳肇榮 (1983)，運用財務比率預測企業財務危機之實證研究，政治大學企業管理研究所博士論文。
9、 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未出版博士論文。
10、 鄧志豪 (1990)，以分類樣本偵測地雷股-新財務危機預警模型之研究，政治大學財務金額研究所未出版碩士論文。
11、 鄭碧月 (1997)，上市公司營運危機預測模式之研究，朝陽科技大學財務金融系所碩士論文。
12、 林文修 (2000)，演化式類神經網路為基底的企業危機診斷模型：智慧資本之應用」，博士論文，中央大學資訊管理所。
13、 曾祥珉 (2002)，運用財務指標建立建設公司財務危機預警模式之研究，中央大學土木所，碩士論文。
14、 池千駒 (1999)，運用財務性及非財務性資訊建立我國上市公司財務預警模式，國立成功大學會計學研究所未出版碩士論文。
15、 李俊毅 (1999)，應用灰色預測理論與類神經網路於企業財務危機預警模式之研究，義守大學管理科學研究所未出版碩士論文。
16、 儲蕙文 (1996)，我國上市公司財務預警制度之研究，國立政治大學會計研究所未出版碩士論文。
17、 王俊傑 (2000)，財務危機預警模式－以現金流量觀點，國立台北大學企業管理研究所未出版碩士論文。
18、 黃俊雄 (1994)，企業財務危機預警模型在銀行授信決策之運用，政治大學碩士論文。
19、 林銘琇 (1992)，財務危機預測模型之實證研究，淡江大學研究所碩士論文。
20、 潘曉寧 (2003)，台灣上市電子公司財務危機預警模式，朝陽科技大學碩士論文。
21、 張智欽 (1995)，財務比率、區別分析與台灣股票上市公司升降類之研究，成功大學企業管理研究所未出版碩士論文。
22、 呂長江、周現華，上市公司財務預測方法的比較研究(Comparative Study on Forecast Approaches of Corporate Financial Distress)，吉林大學商學院、吉林大學數量經濟研究中心。


二、英文部份：
1、 Altman, E.I. (1968), “Financial ratio, discriminate analysis and the prediction of corporate bankruptcy,” The Journal of Finance, Vol.23, No.4, pp.589-609.
2、 Ahn, B. S., Cho, S. S. and Kim, C. Y. (2000), “The integrated methodology of rough set theory and artificial neural network for business failure prediction,” Expert systems with applications, 18, pp.65-74.
3、 Beaver, William H. (1966), "Financial ratios and predictors of failure," Journal of Accounting Research, 4, pp.71-111.
4、 Beaver, William H. (1968), “Market prices, financial ratios, and the prediction of failure,” Journal of accounting Research, 6, pp.179-192.
5、 Blum, M. (1974),“Failing company discriminate analysis”, Journal of Accounting Research, Vol.12, pp.72-102.
6、 Coat, P. K. and Fant, L. F. (1993), “Recognizing financial distress patterns using a neural network tool,” Financial Management, 12, pp.142-155.
7、 Deakin, E. (1972), “A discriminate analysis of predictors of business failure,” Journal of Accounting Research, 10, pp.167-179.
8、 Fish, K. E., Barnes, J. H. and Aiken, M. W. (1995), “Artificial neural networks: a new methodology for industrial market segmentation,” Industrial Marketing Management, Vol. 24, No. 5, pp.431-438.
9、 Foster, G. (1978), Financial Statement Analysis, Englewood Cliffs: Prentice-Hall Inc.
10、 Koh, H.C. (1992), The sensitivity of optimal cutoff points to misclassification costs of type I and type II errors in the going-concern prediction context, Journal of Business Finance & Accounting, Vol. 19, No. 2, pp. 87-97.
11、 Koh, H. C. and Tan S. S. (1999), “A neural network approach to the prediction of going concern status,” Accounting and Business Research, Vol. 29, No. 3, pp.211-216.
12、 Martin, D. (1977), “Early Warning of banking failure”, Journal of Banking and Finance, pp.249-276.
13、 Murray, D. (1994), “Tuning Neural Networks with Genetic Algorithms”, AI Expert, pp.27-31.
14、 Odom, M. D. (1990), “A neural network model for bankruptcy prediction,” International Joint Conference Neural Networks, Vol. 2, pp.163-168.
15、 Ohlson, J. A. (1980), “Financial ratios and the probabilistic prediction of bankruptcy,” Journal of Accounting Research, 18, pp.109-131.
16、 Sinkey, J.F., Jr. (1975), A multivariate statistical analysis of the characteristics of problem banks, The Journal of Finance, Vol. 30, No.1, pp. 21-36.
17、 Tam, K. and Kiang, M. (1992), “Managerial applications of neural networks: the case of Management Science, Vol. 38, No. 7, pp.926-947.
18、 Vellido, A., Lisboa, P. J. G. and Vaughan, J. (1999), “Neural networks in business: a survey of applications (1992-1998),” Expert Systems With Applications, Vol. 17, pp.51-70.
19、 Zmijewski, M., (1984),”Methodological Issues Related to the Estimation of Financial Distress Prediction Models”, Journal of Accounting Research (Supplement), Vol.22, pp.59-82.