跳到主要內容

臺灣博碩士論文加值系統

(3.81.172.77) 您好!臺灣時間:2022/01/21 18:57
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:李恩傑
研究生(外文):En-Jie Li
論文名稱:模糊理論與類神經網路在企業信用評等之應用
論文名稱(外文):Applying Fuzzy Theory and Neural Network in Business Rating
指導教授:唐麗英唐麗英引用關係
指導教授(外文):Lee-Ing Tong
學位類別:碩士
校院名稱:國立交通大學
系所名稱:工業工程與管理系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:40
中文關鍵詞:企業信用評等類神經網路模糊理論
外文關鍵詞:business ratingneural networkfuzzy theory
相關次數:
  • 被引用被引用:9
  • 點閱點閱:1006
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:4
企業在彼此貿易時以企業信用評等來降低交易的風險。然而要將傳統的數學模式應用在多等級判別上往往十分困難,僅有60%左右的正確率,這使得企業間的交易常處於不確定的高風險中。基於上述原因,本研究發展出一個具彈性且判別能力頗佳的模式,利用模糊理論與類神經網路結合企業信用評等與企業破產預測兩個領域。此模式在混合不同產業與企業規模資料中,分類的正確率亦可達到 80%以上。混合主觀判斷和客觀事實,此類神經網路使組織可以正確有效的評估一個企業的信用等級與可能破產的危機。
Enterprises trade with each other by carefully considering business ratings to reduce investment risks. However, conventional mathematic models have difficulty in discriminating between multiple ranks. A prediction accuracy of only 60% among departed models exposes traders to unnecessarily high risks.
Based on the above, we should develop a flexible and accurate neural network structure that applies artificial intelligence in fuzzy theory to combine business ratings and bankruptcy prediction. The proposed model can discriminate multiple ranks with 80% accuracy in dissimilar industry and scales of enterprise. By incorporating subjective judgment and objective fact, the neural network structure proposed herein allows an organization to assesses the degree of risk and whether an enterprise will become insolvent.
Most organizations evaluate business ratings subjectively, normally based on their professional knowledge and experience. Most enterprises also lack objective models capable of assessing trade partners’ credit actively. However, neural networks discriminate between multiple ranks inaccurately, and some samples that locate an ambiguous situation cannot be easily separated. For instance, while applying Back Propagation Network and Fuzzy Theory for multiple ranks of investment and two ranks of bankruptcy, prediction of bankruptcy can usefully reduce the risk in business rating alone. Combining different outputs in network structure can improve accuracy in multiple ranks and control the risk in limited area. Applying fictitious variables can enhance to discriminating multiple ranks effectively.
目 錄
中文摘要 ………………………………………………… Ⅰ
英文摘要 ………………………………………………… Ⅱ
目錄 ………………………………………………… Ⅲ
圖目錄 ………………………………………………… Ⅴ
表目錄 ………………………………………………… Ⅴ
第一章 緒 論 1
1.1 研究動機背景 …………………………………………… 1
1.2 研究目的 …………………………………………… 2
1.3 本研究架構 …………………………………………… 3
第二章 文獻探討 4
2.1 名詞定義 …………………………………………… 4
2.2 財務報表分析 …………………………………………… 5
2.2.1 財務報表分析的意義 …………………………………………5
2.2.2 財務報表分析的目的 …………………………………………5
2.3 企業信用評等與企業危機預測 ………………………… 5
2.3.1 企業信用評等 …………………………………………6
2.3.2 企業信用評等的影響與重要性 …………………………………11
2.3.3 企業信用評等模式相關研究 …………………………………11
2.3.4 企業危機預測 …………………………………14
2.3.5 企業信用評等與危機預測的比較研究 …………………………15
2.3.6 樣本設計與選擇 ………………………………………16
2.4 類神經網路方法 ……………………………………………17
2.5 模糊理論 ……………………………………………22
第三章 以模糊理論與類神經網路建構企業信用評等模式設計 26
3.1 研究範圍與對象 ……………………………………………26
3.2 變數的選擇與操作定義 …………………………………… 26
3.2.1 變數的選擇 ………………………………………26
3.2.2 變數的操作定義 ………………………………………26
3.3 信用評等模式架構 ………………………………………… 29
3.4 研究方法 …………………………………………… 30
3.5 研究流程 …………………………………………… 31
第四章 實例說明 32
4.1 企業信用評等與企業破產預測模式 ……………………… 32
4.2 不同輸出變數的個數來建構企業信用評等的分類模式 … 33
4.3 十等級的虛擬變數建構企業信用評等模式 ……………… 34
第五章 結論 36
參考文獻 37
圖目錄
圖2.1、模糊邏輯系統結構:模糊化、模糊邏輯推論、反模糊化〔1〕…24
圖3.1、企業信用評等模式架構 ………………………………29
圖3.2、本研究所構建之類神經網路架構 ………………………………30
圖3.3、本研究之流程圖 ………………………………31
表目錄
表2.1、MOODY’S及S&P’S的債信等級表示法……………………………6
表2.2、TCRI數量性因素表 ………………………………7
表2.3、TCRI指標轉換及分數換算 ………………………………8
表2.4、綜合分數分級 ………………………………8
表2.5、等級分數對照表 ………………………………8
表2.6、中華信用評等公司長期發行者信用等級意義 …………………9
表2.7、中華信用評等公司短期發行者信用等級意義 …………………10
表2.8、八種分類技術比較 ………………………………13
表2.9、企業信用評等與企業危機預測之比較 …………………………15
表3.1、財務比率變數彙總表 ………………………………27
表3.2、企業規模變數彙總表 ………………………………28
表3.3、總體經濟變數彙總表 ………………………………28
表3.4、客觀環境變數彙總表 ………………………………28
表3.5、類神經網路和模糊邏輯的優缺點 ………………………………30
表4.1、企業信用評等四種模式差異表 ………………………………35
表4.2、企業信用評等四種模式較佳的架構與參數設計 ………………35
表4.3、企業信用評等四種模式分等及破產預測正確率 ………………35
〔1〕Akhigbe, A., Madura, J. and Whyte, A.(1997), “Intra-industry Effects of Bond Rating Adjustments”, The Journal of Financial Research, Vol. 20. No. 4, p.p. 545-561.
〔2〕Altman, E. I.(1968),“Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy”, Journal of Finance, September 1968, p.p. 589-609.
〔3〕Altrock, C. V.,秉昱科技譯(1998),模糊邏輯與模糊理論與類神經實例說明,二版,儒林圖書有限公司。
〔4〕Altrock, C. V.,秉昱科技譯(1998),模糊邏輯與模糊理論與類神經在商業和財政的應用,儒林圖書有限公司。
〔5〕Alves, J. R.(1982), “The Prediction of Small Business Failure Utilizing Financial and Nonfinancial Data”, Ph. D. disseration, University of Massachusetts, 1978, UMI, p.p. 108-135.
〔6〕Asai, K.(1995), Fuzzy systems for management, IOS Press, Inc.
〔7〕Backer, M. and Gosman, M. L.(1980), “The Use of Financial Ratios Credit Downgrade Decisions”, Financial Management, Vol. 9, No. 1, p.p. 53-56.
〔8〕Blum, M.(1969), “The Failing Company Doctrine”, PH.D. Dissertation, Columbia University.
〔9〕Brigham, E. F. and Gapenski, L. C.(1993), Intermediate Financial Management, Harcourt Brace and Company.
〔10〕Chen, L. H., Chiou T. W.(1999), A Fuzzy Credit-Rating Approach for Commercial Loans: A Taiwan Case, Omega, Int. J. Mgmt. Sci. 27 p.p. 407-419.
〔11〕Chu, J.(1997), Comparing Statistical Methods and Artificial Neural Networks in Bankruptcy Prediction, Ph.D. Dissertation, Warwick University.
〔12〕Edmister, R. O.(1972)“An Empirical Test of Financial Ratio Analysis for Small Business Failure Prediction”, Journal of Financial and Quantitative Analysis, p.p. 1477∼1497.
〔13〕Etter, D. M.(1997), Engineering Problem Solving with Matlab, Prentice-Hall, Inc.
〔14〕Ederington, L. and Goh, J.(1998), “Bonding Rating Agencies and Stock Analysts : Who Knows What When?”, Journal of Financial and Quantitative Analysis, Vol. 33. 4, 1998, p.p. 569-585.
〔15〕Gibson,陳彥華、劉郁秀譯(1997),財務報表分析,華泰書局。
〔16〕Hing-Ling, L. A.(1987), "A Fire-State Financial Distress Prediction Model", Journal of Accounting Research, Vol. 25 No. 1 Spring, p.p. 127-138.
〔17〕Jang, J. S. R., Sun, C. T. and Mizutani, E.(1997), Neuro-Fuzzy and Soft Computing, Prentice-Hall, Inc.
〔18〕Laitinen, E. K.(1991), “Financial Ratios and Different Failure Processes”, Journal of Business Finance and Accounting, September.
〔19〕Libby, R.,(1975), “Accounting Ratios and the Prediction of Failure: Some Behavioral Evidence”, Journal of Accounting Research, p.p. 150-161.
〔20〕Nguyen, H. T. and Walker,E. A.(2000), A First Course in Fuzzy Logic, Chapman & Hall / CRC.
〔21〕Perlovsky, L. I.(2001), Neural Networks and Intellect, Oxford University Press, Inc.
〔22〕Rast, M.(2001), Application of Fuzzy Neural Networks on Financial Problems,IEEE。
〔23〕Platt, H. D., and Platt, M. B.(1990),“Development of a Class of Stable Predictive Variables:The Case of Bankruptcy Prediction”, Journal of Business Finance and Accounting, Spring p.p. 34-49.
〔24〕Smith, R. F. and Winakor, A. H.(1935), “Changes in the Financial Structure of Unsuccessful Industrial Corporations”, Bureau of Business Research Bulletin, No. 51.
〔25〕Vause, B.,朱立倫審訂,黃瓊儀譯(1998),認識公司評估,金錢文化企業股份有限公司。
〔26〕丁玉成(2000),臺灣區銀行信用評等之模式研究 : 以BankWatch評等為基礎的實證研究,國立臺灣大學商學研究所資訊管理組博士論文。
〔27〕中華徵信(2000),徵信手冊,中華徵信所企業股份有限公司。
〔28〕池佳曄(1997),應收帳款與銷貨、盈餘關聯性之實證研究,東吳大學會計學系碩士論文。
〔29〕李世弘(1998),現金流量財務比率與信用評等關係之研究,中國文化大學會計研究所碩士論文。
〔30〕李儀坤、張捷昌、黃建森(2000),金融風險管理,華泰文化事業股份有限公司。
〔31〕宋宜哲(2000),營建廠商信用評等模式之初步研究,國立臺灣科技大學營建工程系碩士論文。
〔32〕汪忠平(1996),以類神經網路建立財務危機預測模式 : 考慮產業、總體經濟因素與其穩定性因素,東吳大學企業管理學系碩士論文。
〔33〕吳致遠(1999),類神經集群模式於企業債信評等之應用,元智大學資訊研究所資訊管理組碩士論文。
〔34〕林昇輔、洪成安(1993),神經網路入門與圖樣辨識,全華科技圖書股份有限公司。
〔35〕林鴻傑(1997),建立企業財務危機預警模型之研究 : 以臺灣地區紡織業股票上市公司為例,大葉工學院事業經營研究所碩士論文。
〔36〕林逢煥(1995),應用基因法則最佳化類神經網路建立財務分析模式之研究,交大工業工程研究所碩士論文。
〔37〕邱文昌(1999),日本信用評等公司之新近發展,證券暨期貨管理,第17卷,第7期,頁15-18。
〔38〕邱志榮(1991),公司營運危機之預測─財務比率之研究,成功大學會計研究所碩士論文。
〔39〕卓統祐(1999),模糊邏輯在台灣地區電子公司財務危機預測上之應用,朝陽科技大學財務金融研究所碩士論文。
〔40〕金融聯合徵信中心譯(1994),全球信用分析(Global Credit Analysis),金融聯合徵信中心出版。
〔41〕施人英(1997),企業信用評等模式之研究,國立臺灣大學商學研究所碩士論文。
〔42〕施並洲(1999),類神經網路、案例推理法、灰色關聯分析於財務危機之應用,國立中央大學工業管理研究所碩士論文。
〔43〕侯偉晉(1995),我國上市公司產業間財務比率之研究,成功大學會計研究所碩士論文。
〔44〕徐健進(1985),銀行放款信用評等模式之研究,國立政治大學企業管理研究所碩士論文。
〔45〕陳樞(1984),我國銀行與外商銀行授信考慮要素之研究,交大管研所碩士論文。
〔46〕陳錦村(1995),銀行授信客戶之風險評估 : 財務比率研究。
〔47〕陳隆麒、郭淑華、吳政穎與盧雲江(1997),財務評等五力分析模型──以觀光業為例,管理與資源學報,第2期,頁77-108。
〔48〕張志向(1997),應用模糊理論於未上市企業信用評等表改善建立之研究,義守大學管理科學研究所碩士論文。
〔49〕張永豪(1999),銀行信用評等 : 新銀行之實證分析,朝陽科技大學財務金融研究所碩士論文。
〔50〕郭瓊宜(1992),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碩士論文。
〔51〕郭祥兆、李致寬(1995),類神經網路分析在財務危機上預測之應用,台灣經濟金融月刊,第31卷,第8期,頁20-28。
〔52〕郭敏華(1999),債信評等,智勝出版公司。
〔53〕彭俊豪(1999),神經網路建構上市公司財務預警模型之比較研究,朝陽科技大學財務金融研究所碩士論文。
〔54〕葉子謀(1997),信用評等機構如何判定公司信用等級,華銀月刊,第47期8卷,頁1-5。
〔55〕萬哲鈺、高崇瑋(2001),財務報表分析實務與應用,華泰文化事業股份有限公司。
〔56〕經濟部中小企業處(2001),民國九十年中小企業白皮書,經濟部中小企業處,http://www.moeasmea.gov.tw。
〔57〕楊文瑞(1997),建立中小企業經營指標-廠商五力研究,台灣經濟研究院,http://notes.tier.org.tw/。
〔58〕鄧誠中、紀麗秋(2001),企業失敗預測理論探討及財務危機預警模型之應用,信用合作,第68期,頁50-58。
〔59〕蔣松原(1998),應用模糊理論與類神經網路於銀行授信決策模式之研究-以台灣上市公司為例,國立中興大學統計學研究所碩士論文。
〔60〕鄭瑞楠(1999),財務分析在銀行授信決策上的應用之研究,國立東華大學企業管理研究所碩士論文。
〔61〕盧炳勳、曹登發(1992),類神經網路理論與應用,全華科技圖書股份有限公司。
〔62〕賴富(1997),信用評等統計模型之研究 : 以銀行業為例,長庚醫學暨工程學院管理學研究所碩士論文。
〔63〕鍾俊文 陳勇徵(1996),銀行信用評等--本國銀行之實證分析,基層金融,第33期,頁27-53。
〔64〕蘇美芳(1999),無母數集群模式於企業信用評等之應用,元智大學資訊社會學研究所碩士論文。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top