跳到主要內容

臺灣博碩士論文加值系統

(44.222.104.206) 您好!臺灣時間:2024/05/28 11:54
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:何建興
研究生(外文):Chien-Hsing Ho
論文名稱:以創投業觀點利用資料探勘技術建立投資及退出預警模型
論文名稱(外文):Using Data Mining to Construct the Investment and Exit Warning Model from the Point of View of Venture Capital
指導教授:楊重任楊重任引用關係涂登才涂登才引用關係
指導教授(外文):Chung-Jen YangTeng-Tsai Tu
學位類別:碩士
校院名稱:銘傳大學
系所名稱:財務金融學系碩士在職專班
學門:商業及管理學門
學類:財務金融學類
論文種類:學術論文
論文出版年:2005
畢業學年度:93
語文別:中文
論文頁數:89
中文關鍵詞:卡方自動互動檢視法羅吉斯迴歸模型財務比率資料探勘技術財務危機
外文關鍵詞:Data MiningFinancial CrisisCHAIDFinancial Ratio
相關次數:
  • 被引用被引用:2
  • 點閱點閱:128
  • 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:3
近幾年創投業隨著台灣科技產業的發展而迅速達到高峰,並獲得極佳的績效表現。全球景氣循環近幾年由盛轉衰,台灣民間投資意願轉趨保守,受到政經環境惡化及被投資公司作假帳等因素影響,台灣股市本益比與成交量持續向下修正,導致釵h被投資公司出現流動性不足與股價下滑的問題,創投也因為資本市場低迷,而產生資金退出不易或遭逢投資損失的情形。故本研究希望能瞭解在實務上我國創投業在對企業投資評估時,投資失敗之可能影響因素,以做日後創投業投資及退出決策之參考。
因此,本研究嘗試利用某家創投公司提列備抵或沖銷投資戶共26家,配對以一般正常營運上市(櫃)及公開發行公司同期間78家之財務資料,合計104家公司資料,採用資料探勘技術(CHAID卡方自動互動檢視法)建立模型,以解釋並預測財務危機發生之可能機率,並檢測創投業評估投資及退出之財務比率的適用性與預警效果,最後並以羅吉斯迴歸模型之結果作為分析能力的比較。
本文實證結果顯示在CHAID中所建立預警模型,在分析準確率方面可達90%以上,而預測準確率亦可達88%以上。羅吉斯迴歸模型整體準確率為75.8%,顯示藉由CHAID在投資和處分股份時,可達到篩選、檢視和判斷被投資公司財務狀況,並防患於未然,以及有效降低創投業投資失敗率,提升資產品質。

關鍵字:財務危機、資料探勘技術、財務比率、羅吉斯迴歸模型、卡方自動互動檢視法。
Along with the development of Taiwan’s technology industry, venture capitalist had grown rapidly to achieve the peak and had obtained extremely good return and performance. However, in recent years, due to cooled down global economy, more conservative investment willingness for private sectors, deterioration of politics and economic environment, and the influence of financial fraud of listed companies, the P/E ratio and the turnover volume of Taiwan stock market continue to decrease and cause the liquidity insufficiency and the stock price sliding of many investee companies. The gloomy capital market eventually results in fund exit difficulty and investing loss. Therefore, this research aims to realize the key factors of investment failure of venture capitalists’ investment, and to provide venture capitalists a decision-making reference in investment and exit.

This research tries to utilize one venture capital’s 26 distressed investee companies’ data, compared with same periodic financial information of 78 normal listed companies, totaling 104 companies’ materials. By using the approach of Chi-Square Automatic Interaction Detector (CHAID), a model is constructed to explain and predict the possibility of financial crisis, and to test the applicability and warning effect of financial ratio in evaluating investment and exit. Finally, the research uses the result of Logistic regression Model as the comparison of analysis capability.

The experimental result of this research has shown that the analytic accuracy rate in the warning model set up by CHAID is higher than 90% and the predictive accuracy rate is above 88%, while the overall accuracy rate of Logistic regression Model is 75.8%. All of these evidences have demonstrated that using CHAID in investing and disposing investment can achieve the goals of screening, evaluating and judging the financial situation of investee companies, preventing losses and decreasing the failure rate of venture capitalists, and increasing the assets quality.

Key words: Financial Crisis、Data Mining、Financial Ratio、Logistic Regression Model、Chi-Square Automatic Interaction Detector,CHAID
目 錄
頁次
第壹章 緒論……………………………………………………………… 1
第一節 研究動機 …………………………………………………… 1
第二節 研究目的 …………………………………………………… 2
第三節 研究流程 …………………………………………………… 3
第貳章 相關文獻探討…………………………………………………… 4
第一節 財務危機預警模式 ………………………………………… 4
第二節 Data Mining(資料探勘) …………………………………… 10
第叁章 研究方法與設計………………………………………………… 19
第一節 研究設計 …………………………………………………… 19
第二節 樣本選取與資料來源 ……………………………………… 20
第三節 研究方法 …………………………………………………… 23
第肆章 實證結果與分析………………………………………………… 31
第一節 決策樹學習分析法分類結果 ……………………………… 31
第二節 決策樹預測結果與探討 …………………………………… 59
第三節 羅吉斯模型預測結果 ……………………………………… 61
第伍章 結論與建議……………………………………………………… 84
第一節 結論 ………………………………………………………… 84
第二節 建議 ………………………………………………………… 85
參考文獻 ………………………………………………………………… 87




圖 目 錄
頁次
圖1.1 研究流程圖……………………………………………………… 3
圖2.1 決策樹樹狀圖…………………………………………………… 13
圖2.2 CHAID分析流程圖 …………………………………………… 17
圖3.1 研究設計流程圖………………………………………………… 19
圖4.1 決策樹圖例……………………………………………………… 32
圖4.2 決策樹圖例……………………………………………………… 32
圖4.3 決策樹圖例……………………………………………………… 32
圖4.4 決策樹圖例……………………………………………………… 32
圖4.5 決策樹圖例……………………………………………………… 32
圖4.6 決策樹圖例……………………………………………………… 32
圖4.7 決策樹圖例……………………………………………………… 32
圖4.8 財務危機前一、二、三年全體樣本決策樹圖………………… 33
圖4.9 財務危機前一、二、三年全體樣本決策樹圖………………… 34
圖4.10 財務危機前一、二、三年全體樣本決策樹圖 ……………… 35
圖4.11 財務危機前一、二、三年全體樣本決策樹圖 ……………… 36
圖4.12 財務危機前一、二、三年全體樣本決策樹圖 ……………… 38
圖4.13 財務危機前一、二、三年全體樣本決策樹圖 ……………… 39
圖4.14 財務危機前一、二、三年全體樣本決策樹圖 ……………… 40
圖4.15 財務危機前一、二、三年全體樣本決策樹圖 ……………… 41
圖4.16 財務危機前ㄧ年全體樣本決策樹圖 ………………………… 42
圖4.17 財務危機前ㄧ年全體樣本決策樹圖 ………………………… 43
圖4.18 財務危機前ㄧ年全體樣本決策樹圖 ………………………… 44
圖4.19 財務危機前ㄧ年全體樣本決策樹圖 ………………………… 45


圖4.20 財務危機前ㄧ年全體樣本決策樹圖 ………………………… 46
圖4.21 財務危機前ㄧ年全體樣本決策樹圖 ………………………… 47
圖4.22 財務危機前二年全體樣本決策樹圖 ………………………… 48
圖4.23 財務危機前二年全體樣本決策樹圖 ………………………… 50
圖4.24 財務危機前二年全體樣本決策樹圖 ………………………… 51
圖4.25 財務危機前二年全體樣本決策樹圖 ………………………… 52
圖4.26 財務危機前三年全體樣本決策樹圖………………………… 54
圖4.27 財務危機前三年全體樣本決策樹圖 ………………………… 55
圖4.28 財務危機前三年全體樣本決策樹圖 ………………………… 56
圖4.29 財務危機前三年全體樣本決策樹圖 ………………………… 57
圖4.30 財務危機前三年全體樣本決策樹圖 ………………………… 58



















表 目 錄
頁次
表2.1 決策樹演算法比較表…………………………………………… 18
表2.2 資料探勘中分類技術比較表…………………………………… 18
表3.1 財務危機公司及正常公司樣本表……………………………… 20
表4.1 決策樹分析/預測準確率比較表 ……………………………… 59
表4.2 決策樹分析極度相關自變數分類表…………………………… 60
表4.3 財務危機公司樣本基期前一、二、三年之財務比率統計量… 61
表4.4 財務正常公司樣本基期前一、二、三年之財務比率統計量… 62
表4.5 全體公司樣本基期前一、二、三年之財務比率統計量……… 63
表4.6 財務危機公司樣本基期前一年之財務比率統計量…………… 64
表4.7 財務正常公司樣本基期前一年之財務比率統計量…………… 65
表4.8 全體公司樣本基期前一年之財務比率統計量………………… 66
表4.9 財務危機公司樣本基期前二年之財務比率統計量…………… 67
表4.10 財務正常公司樣本基期前二年之財務比率統計量 ………… 68
表4.11 全體公司樣本基期前二年之財務比率統計量 ……………… 69
表4.12 財務危機公司樣本基期前三年之財務比率統計量 ………… 70
表4.13 財務正常公司樣本基期前三年之財務比率統計量 ………… 71
表4.14 全體公司樣本基期前三年之財務比率統計量 ……………… 72
表4.15 財務危機發生前一、二、三年平均數檢定結果 …………… 73
表4.16 財務危機發生前一年平均數檢定結果 ……………………… 74
表4.17 財務危機發生前二年平均數檢定結果 ……………………… 75
表4.18 財務危機發生前三年平均數檢定結果 ……………………… 76
表4.19 財務危機前一、二、三年逐步迴歸法自變數顯著性檢定結果 77
表4.20 財務危機前一、二、三年全體樣本羅吉斯模型預測結果 … 78


表4.21 財務危機前一年逐步迴歸法自變數顯著性檢定結果 ……… 79
表4.22 財務危機前一年全體樣本羅吉斯模型預測結果 …………… 80
表4.23 財務危機前二年逐步迴歸法自變數顯著性檢定結果 ……… 81
表4.24 財務危機前二年全體樣本羅吉斯模型預測結果 …………… 82
表4.25 財務危機前三年逐步迴歸法自變數顯著性檢定結果 ……… 82
表4.26 財務危機前三年全體樣本羅吉斯模型預測結果 …………… 83
中文部分

1.王裕民(1998),「PCB金手指檢測中小樣本條件下瑕疵分類之研究」,元智大學工業工程研究所碩士論文。
2.王柏崑(2004),「以銀行授信觀點建立企業財務預警模型」,銘傳大學財務金融學系碩士在職專班碩士論文。
3.吳楷華(2000),「建構財務預警系統之可行性研究」,中山大學高階經營碩士班碩士論文。
4.周國政(1989),「專家系統在財務診斷上應用之研究」,中山大學企業管理研究所碩士論文。
5.林逸修(2002),「運用決策樹演算法於波長分割多工技術環狀接取網路之動態波長分配機制」,元智大學資訊工程學系碩士論文。
6.柯美滿(2003),「創業投資事業投資後管理-追蹤監控方式之研究」,交通大學高階主管管理學程碩士班碩士論文。
7.韋伯韜(2004),「統計金融學講義」。
8.張紘炬、潘玉葉(1990),「財務預警分析與台灣股票上市公司財務基本資料關係之探討」,台北市銀月刊,第二十一卷第六期,P.12-14。
9.張健邦(1993),「應用多變量分析」,文富出版社,CH3,p52-68。
10.張智欽(1995),「財務比率、區別分析與臺灣股票上市公司升降類之預測」,證券金融,第四十八期,P.23-44。
11.連惟謙(2004),「應用資料分析技術進行顧客流失與顧客價值之研究」,中原大學資管研究所碩士論文。
12.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碩士論文。
13.陳俊良(1994),「財務危機預測模式穩定性之研究」,政治大學企業管理研究所碩士論文。
14.陳肇榮(1983),「運用財務比率預測財務危機之實證研究」, 政治大學企業管理研究所博士論文。
15.陳淑萍(2003),「資料探勘應用於財務危機預警模式之研究」,銘傳大學資訊管理學系碩士班碩士論文。
16.頃z先(1999),「以複式模擬法構建單一製程能力指標Cpmk之信賴下限及兩個製程能力指標Cpmk之差異的信賴區間」,交通大學工業工程與管理系碩士論文。
17.莊文寬(2002),「台中縣國中生嚼食檳榔相關因素之研究」,逢甲大學統計與精算研究所碩士論文。
18.黃文隆(1993),「財務危機預警模式之建立與實證」,東吳大學管理學研究所碩士論文。
19.黃俊英(1996),「多變量分析」,中國經濟企業研究所,華泰文化事業公司。
20.蔡家昌(2002),「應用決策樹歸納法探討台灣行動電話市場區隔」,台北大學統計研究所碩士論文。
21.賴世權(1987),「企業正常或具失敗危機之關鍵性財務指標比較分析研究」,中興大學企業管理研究所。


英文部分

1.Altman, E.I. (1968), “Financial Ratio, Discriminant Analysis, and the Prediction of Corporate Bankruptcy, ” Journal of Finance, Vol.23, No.4, September, pp. 589-609.
2.Altman, E.I., R.G.Haldeman, and P. Narayanan (1977), “Zeta analysis: A new model to identify bankruptcy risk of corporation, ” Journal of Banking and Finance, Vol.1, June, pp. 29-54.
3.Alves, J.R. (1978), “The Prediction of Small Business Failure Utilizing Financial, and Non-financial Data,” University of Massachusetts.
4.Beaver, W.H. (1968), “Market Price, Financial Ratio, and the Prediction of Failure, ” Journal of Accounting Research, Autumn, pp. 179-192.
5.Bose, S. (1996), “Classificcation using splines: Computational Statistics and Data Analysis,” pp. 505-525.
6.Deakin, E.B. (1972), “A Discriminant Analysis of Predictors of Failure,” Journal of Accounting Research, spring, pp. 167-179.
7.Gentry, J.A., P.Newbold, and D.T.Whitford (1985), ”Classifying Bankrupt Firms with Funds Flow Components,” The Journal of Accounting Research, Vol.23, No.1, Spring, pp. 146-160.
8.Lisa, G., R.K.Menon, and K.B.Schwartz (1990), “Predicting Bankruptcy for Firm in Financial Distress,”Journal of Business Finance & Accounting, Vol.17, pp. 161-171.
9.Griffin, W.L., N.I.Fisher, J.H.Friendman, and C.G.Ryan (1997), ”Statistical Techniques for the classification of chromites in diamond exploration samples,”Journal of Geochemical Exploration, Vol.59, pp. 233-249.
10.Keasey, K., and R.Watson (1987), “Non-Financial symptoms, and the Prediction of Small Business Failure: A Test of Argenti’s Hypothesis,”Journal of Business Finance, and Accounting, Autumn, pp. 335-553.
11.Lau, A.H. (1987), ”A Five-State Financial Distress Prediction Model,”Journal of Accounting Research, Vol.25, pp. 127-138.
12.Ohlson, J. A. (1980), ”Financial Ratios, and the Probability Prediction of Bankruptcy,” Journal of Accounting Research, Vol.18, No1, pp. 109-131.
13.Sung, T.K., N.Chang, and G.Lee (1999), ”Dynamics of modeling in data mining: interpretive approach to bankruptcy prediction, ” Journal of Management Information System, Vol.16, pp. 63-85.
14.Zmijewski, M.E. (1984), “Methodological Issues Related to the Estimation of Financial Distress Prediction Model, ” Journal of Accounting Research, Vol.22, pp. 59-82.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top