臺灣博碩士論文加值系統

摘要
過去研究常使用公司財務報表，用以建立企業危機預警(corporate bankruptcy)模型；然而，許多發生危機公司的資料往往較不健全，在使用上和搜集上較容易受到限制，而且，對已發生危機公司所提供之財務報表，其可信度仍是另一個值得思考的問題。所以，單純以公司所提供之財務報資料來建立預警模型，似乎容易受到公司提供資訊的可靠性問題，而使得模型受到質疑。因此，本研究首次加入新的市場風險指標VaR(Value at Risk)，以增加利用VaR來衡量公司的市場風險程度。
過去過內多數研究者皆表示台灣股票市場為一有效率的市場，根據效率市場假說，若股票市場是有效率的，則公司的股價應已反應所有已公開資訊。基於此一理由，相信利用VaR較能合理且正確的對公司危機發生做一預測。本研究探討使用羅吉斯模型與類神經方法分別以財務變數所建構的模型、加入景氣因素及VaR值的預測能力比較，並了解加入景氣因素及VaR值是否能提高預測能力。
研究結果可歸納以下幾點：
1. 隨著時間增加，模型的預測能力就越差。
2. 危機發生前一年預測能力最高，顯著的變數為營業用現金流量比率、應收帳款週轉率及每股盈餘，顯見這三個財務比率為主要影響危機發生的主要變數。
3. 加入景氣因素並無法有效提高預測能力。
4. 加入由GARCH(1,1)所求算之VaR值，能夠有效提高危機發生前一年預測能力。
5. GARCH(1,1)較傳統變異數較能有效捕捉股票市場波動的情形。
6. 類神經的預測能力並沒有比羅吉斯模型要來的好。

ABSTRACT
In the past, we used to set up a financial crisis forecasting model by using a company’s financial statement. However, it has limitation in using and collecting data because the data of many companies that had crises are usually incomplete. Furthermore, the credibility of the financial statements provided by those companies is another question for us to think. According to this, setting up a business crisis precaution with only the financial statements of a company tends to be query because of the credibility of the data. Therefore, this research adds a new market risk index VaR(Value at Risk), as the proxy of market risk.
In the past, most researchers found that Taiwan’s stock market is efficient. Based on efficiency market hypothesis, if the stock market is efficient, the stock’s price of the company has reflected all public information. On account of this reason, I believe we can make more reasonable and more correct forecast of a company’s crisis by using VaR. In this report, we discuss comparing Logit Model with Neural Network’s forecast ability when add financial variable, business cycle and VaR. Whether the forecast ability will increase by adding business cycle and VaR is studied.
We can generalize the conclusions to the following:
1.The more the time passes, the worse the model’s ability of forecast is.
2.The greatest ability of forecast is on the year before the crisis happened. The most important variables that influence the crisis are business cash flow ratio、account receivable turnover ratio and earning per share。
3.Adding the element of boom cannot rise the ability of forecast efficiently.
4.Adding GARCH(1,1) count VaR can efficiently rise the ability of forecast the year before the crisis happens.
5.GARCH(1,1) can catches the volatility of the market more effectively than traditional variables.
6.Neural Network’s ability of forecast isn’t better than Logit mode

目 錄
第一章 緒論 1
第一節 研究動機 1
第二節 研究目的 2
第三節 研究範圍與限制 3
第四節 研究架構 4
第二章 文獻探討 6
第一節 企業危機預警相關文獻 6
第二節 VaR相關文獻之探討 14
第三章 研究設計 17
第一節 企業危機定義 17
第二節 研究樣本選取 19
第三節 研究變數的選取 23
第四節 研究方法 33
第五節 研究步驟 39
第四章 實證分析及結果 41
第一節 正常公司與危機公司財務比率平均數檢定41
第二節 變數的選取 44
第三節 Logit Model之建立與測試 47
第四節 類神經網路系統 57
第五節 Loigt Model和類神經網路系統之比較 63
第五章 結論與建議 66
第一節 結論 66
第二節 研究建議 68
參考文獻 70

參考文獻一、中文部分1. 吳建宏(1995)，類神經網路運用於公司財務危機之時點，成功大學工業管理研究所碩士論文。2. 邵朝賢(1999)，超額報酬投資組合之研究，政治大學金融學系研究所碩士論文。3. 柳佳君(2001)，公司財務危機預警模型之研究，逢甲大學保險學研究所碩士論文。4. 陳宜玫(1999)，風險值估計模型之研究：以台灣股票市場為例，義守大學管理科學研究所碩士論文。5. 陳若鈺(1998)，風險值(Value at Risk)的衡量與驗證：台灣股匯市之實證，臺灣大學財務金融研究所碩士論文。6. 陳肇榮(1983)，運用財務比率預測財務危機之實證研究，台灣大學商學研究所碩士論文。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碩士論文。8. 黃文隆(1993)，財務危機預警模式建立與驗證，東吳大學管理科學研究所碩士論文。9. 曾素娟(1999)，考慮經濟景氣變動之企業失敗預警模式-台灣上市公司之研究，成功大學企業管理研究所碩士論文。10. 隋何(1998)，財務管理，鼎茂圖書出版有限公司，5月1版。11. 葉怡成(1993)，應用類神經網路，儒林圖書有限公司。12. 葉怡成(1999)，應用類神經網路，儒林圖書有限公司，4月2版。13. 葉怡成(2000)，類神經網路模式應用與實作，儒林圖書有限公司，4月7版。14. 楊浚泓(2001)，考慮財務操作與合併報表後之財務危機預警模式，中央大學財務管理研究所碩士論文。15. 鄭碧月(1996)，上市公司營運危機預測模式之研究，朝陽技術學院財務金融研究所碩士論文。16. 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博士論文。17. 蘇文娟(2000)，台灣上市企業財務危機預測之實證研究，東華大學國際經濟研究所碩士論文。18. 龔志明(2000)，財務危機預測模型之跨期性研究，中山大學財務管理研究所碩士論文。 二、英文部分1. Alexander, C.O. and C.T. Leigh(1997),“On the Covariance Matrices Used in Value at Risk Model,”Journal of Derivative,pp.50-62.2. Altman, E.I.(1968),“Financial Ratios, Discriminant Analsis and the Prediction of Corporate Bankruptcy,”Journal of Finance,pp.589-609.3. Altman, E.I. and G. V. Marco and F. Varetto(1994),“Corporate distress diagnosis: Comparisons usinglinear discriminant analysis and neural networks,”Journal of Banking and Finance,pp.505-529.4. Beaver, W.H.(1966),“Financial Ratios as Predictors of Failure,”Journal of Accounting Research,pp.71-111.5. Blum, M.(1974),“Failure Company Discriminant Analysis,”Journal of Accounting Research,pp.1-25.6. Bollerslev, T.(1986),“Generalized Autoregresive conditional heterosked ”Journal of Econometrics, vol.31,pp.307-327.7. Coats, P. K. and L. F. Fant(1993),“Recognizing financial distress patterns using a neural network tool,”Financial Management,pp.142-155.8. Danielsson J. and C. Vries(1977),“Extreme Returns, Tail Estimation, and Value-at-Risk,”Institute of Economic Studies Working Paper Series.9. Hendricks, Darryll(1966),“Evaluation of Value-at-Risk Models Using Historical Data,”Economics Policy Review,pp.39-69.10. Jorion, Philipe(1977),“Value at Risk: The New Benchmark For Controlling Market Risk,”Irwin.11. Martin, D.(1977),“Early Warning of banking failure,”Journal of Banking and Finance,pp.249-276.12. Mensah, Y. M.(1984),“An Examination of the Stationary of Multivariate Bankruptcy Prediction Models: A Methodological Study,”Journal of Accounting Research,pp.380-395.13. Odom, M.D. and R. Sharda(1990),“A Neural Network Model for Bankruptcy Prediction,”IEEEE INNS IJCNN,pp.163-168.14. Ohlson, J. A.(1980),“Financial Ratios and the Probabilistic Prediction of Bankruptcy,”Journal of Accounting Research,pp.109-131.