臺灣博碩士論文加值系統

農會信用部為基層金融中重要一環，但近年因受到外在經營環境影響加上淨值累積不易，部分經營體質較為脆弱的農會信用部因無法經得起環境競爭的考驗，而出現危機成為問題農會信用部，進而危及整體金融系統的穩定及增加社會成本的負擔。傳統的預警統計工具中，以鑑別分析及羅吉斯迴歸分析最為常見，然而，因其有較為嚴謹之假設條件及理論背景，當應用於現實環境中時，適用性相對降低，本文採用BPN網路作為預測之工具，原因在於其平行處理、歸納推導及學習之能力，實作以CAMELS評等制度為架構選取24個財務比率為輸入變數，而以基層農會信用部遭強制合併前的一至三年選取為訓練與驗證資料，驗證結果，該網路的辨識能力能夠接近100%準確，證實其能於事先發出警訊，使主管機構在危機發生前能適時予以輔導，使人力有效配置，避免資源浪費，經營者改善其經營管理策略，廣大存款戶將其損失減至最低，同時達到健全農業金融體系的功能。

The credit departments of farmers’ associations play an important role in the community of finance. In recent years, these departments have faced operational crises because of the competitive industry environment and the uneasiness to accumulate net values. Therefore, it becomes a problem in the Framer’s Associations. Furthermore, it also influences the stability of the overall financial system and thus increases the social cost. Traditionally, Discriminant Analysis and Logistic Regression Analysis are the most popular tools which are used to predict financial crises. However these tools have limited themselves to a stricter environment or background, which is lack of adaptability in reality. In this thesis, BPN is used as a prediction tool because it includes parallel processing, inductive reasoning, and learning abilities. In order to verify the accuracy of the BNP were adopted, utilized 24 CAMELS financial ratios of the credit departments, which were absorbed in the last 1 to 3 years as parameters and the results verified that BNP’s accurate prediction rate of financial crises was almost 100%. Using the proposed model, several advantages could achieved (1) the supervisory organization could deal with a proper mechanism supervision that could prevent the waste of resources, (2) the executive could adjust strategy of management, (3) the depositor could reduce loss, and (4) the operation of the agriculture's financial system would be sound at the same time.

目　錄
摘　要 i
Abstract ii
誌　謝 iii
目　錄 iv
圖目錄 vi
表目錄 vii
第一章 緒論 1
1.1研究動機 1
1.2研究目的 1
1.3背景分析 2
1.3.1農會信用部經營概況 2
1.3.2問題農會信用部遭強制合併概況 4
1.3.3農業金融體系及農會信用部金融監理概況 5
1.4研究步驟 7
1.5資料來源、期間及研究範圍 8
1.5.1資料來源 8
1.5.2資料期間 8
1.5.3研究範圍 8
1.5.4研究限制 8
第二章　文獻探討 10
2.1金融監理 10
2.1.1金融監理的意義及目的 10
2.1.2金融檢查 12
2.1.3金融預警系統 15
2.2國外相關金融預警文獻回顧 17
2.3國內相關金融預警文獻回顧 21
2.4文獻評述 25
表2.2 統計方法比較 26
第三章　研究方法 29
3.1研究方法理論概要 29
3.1.1類神經網路 29
3.1.2倒傳遞類神經網路 30
3.1.3網路的學習與測試 34
3.2選取財務比率變數 36
第四章　實驗設計與結果分析 44
4.1實驗設計 44
4.1.1資料來源及期間 44
4.1.2樣本選取 44
4.1.3輸入及輸出變數 44
4.1.4網路設定 45
4.2實驗結果與分析 46
第五章　結論與建議 50
5.1結論 50
5.2建議 50
參考文獻 52
附　錄 56

圖目錄
圖1.1農業金融體系 7
圖1.2研究步驟 9
圖2.1金融監理方式 11
圖3.1類神經網路處理單元之基本運作 30
圖3.2倒傳遞類神經網路 32
圖4.1實驗設計倒傳遞類神經網路架構 46


表目錄
表 1.1 台灣地區金融機構存款餘額市場佔有率 3
表 1.2 台灣地區金融機構放款餘額市場佔有率 3
表 1.3 台灣地區本國銀行及農漁會信用部金融機構逾放金額及逾放比率 4
表 1.4 遭強制合併農會信用部 4
表 2.1 我國金融檢查制度之沿革 13
表 2.2 統計方法比較 26
表 3.1 台灣各金融機構監理機關所採用的檢查指標依屬性彙總 39
表 3.2 財務比率變數之選取 40
表 3.3 合格淨值之計算 42
表 4.1 樣本資料分配表 44
表 4.2 輸入變數個數表 45
表 4.3 參數設定表 45
表 4.4 實驗結果 47
表 4.5 實驗結果比較………………………………………………………….. 49

參考文獻
1.丁文郁(2004)，「三十六家農漁會信用部讓與銀行承受後續問題處理之芻議」，中華民國農民團體幹部聯合訓練協會網站，http://www.ntifo.org.tw/ntifo/index.asp。
2.丁玉成(2000)，「台灣區銀行信用評等之模式研究－以Bank Watch評等為基礎的實證研究」，台灣大學商學研究所博士論文。
3.中央銀行(2006)，「中華民國台灣地區金融統計月報」，經濟研究處，http://www.cbc.gov.tw/。
4.行政院農業委員會農業金融局(2006)，「農漁會信用部營運概況」，第一組，http://www.boaf.gov.tw/boafwww/index.htm。
5.吳祁蔓(2002)，「金融預警系統之研究-以台灣地區銀行為例」，東吳大學企業管理學系碩士論文。
6.吳秉奇(1999)，「類神經網路在臺股指數期貨的預測應用」，中央大學資訊管理學系碩士論文。
7.吳榮杰、周百隆、陳永琦(2000)，「農會信用部信用評等之研究」，國科會專題研究計劃報告，台灣大學農業經濟研究所。
8.李紀珠(2003)，「台灣金融監理體系之改革與建制－我國金融監理機構一元化─」，國政研究報告，財金(研)92-011號，第1-21頁。
9.李紀珠，(1993)，「金融機構失敗預測模型－加速失敗時間模型之應用」，經濟論文叢刊，第二十一卷，第四期，第355-379頁。
10.李逸川(2002)，「淺析金融檢查之理論與實務」，法令月刊，第五十卷，第八期，第35頁。
11.周百隆(2001)，「農會信用部經營危機之研究－危機預警模型與馬可夫吸收鏈鎖之應用」，臺灣大學農業經濟學研究所博士論文。
12.周百隆(1996)，「農會信用部預警機率模式之建立」，台灣大學農業經濟研究所碩士論文。
13.周麗貞(1989)，「以財務比率建立銀行經營績效評鑑模式之研究」，淡江大學管理科學研究所碩士論文。
14.周繼成(1998)，「台灣地區金融預警系統之研究」，台灣大學財務金融所碩士論文。
15.林維義(2003)，「金融控股公司監理機制之探討」，存款保險資訊季刊，第十六卷，第三期，第14-19頁。
16.林維義(2000)，「金融預警制度之建立對強化金融監理與存保機制功能之探討」，存款保險資訊季刊，第十三卷，第三期，第1-81頁。
17.施峰達(2001)，「我國金融檢查與財務隱私權法制關連性之探討-以銀行業之監理為中心」，中原大學財經法律研究所碩士論文。
18.施麗玉(2002)，「農會信用部財務危機預測模型之研究－模糊類神經網路系統之應用」，中興大學農業經濟研究所博士論文。
19.殷乃平(1997)，「金融監理制度的檢討與建議」，台北銀行月刊，第2-28頁。
20.馬克林(2003)，「新金融環境應有之金融監理模式」，http://home.kimo.com.tw/markyslin/rpt6.htm。
21.郭展榕(2004)，「金融從業人員對改善監理機制意見之探討－以台灣信用合作社為例」，大葉大學事業經營研究所碩士論文。
22.郭素綾(2002)，「本國銀行信用評等實證模型之研究」，中正大學企業管理研究所碩士論文。
23.陳中河(2000)，「臺灣農會信用部金融預警系統之研究」，朝陽科技大學財務金融所碩士論文。
24.陳明賢(1986) ，財務危機之計量分析研究，台灣大學商研所碩士論文。
25.陳瑞行(1985)，「台灣金融預警模型之實證研究－因素分析法之應用」，淡江大學管理科學研究所碩士論文。
26.游淑雅(2001)，「中央銀行與金融監理權」，中央銀行季刊，第二十三卷，第二期，第31-35頁。
27.黃達業(1999)，「金融監理再造工程之芻議」，台研金融與投資，第2-26頁。
28.葉正明(2004)，「農會信用部經營策略之個案研究」，臺灣大學農業經濟學研究所碩士論文。
29.葉怡成(2000)，「類神經網路模式應用與實作第七版」，儒林圖書公司。
30.劉松齡(2003)，「認清時勢、掌握先機－農會經營發展策略」，農訓雜誌，8月號，第32-37頁。
31.劉燕菊(1991)，「我國公營銀行民營化之推動及金融監理制度」，育達學報，第五期，第48-54頁。
32.蔡碩倉(1999)，「農會信用部經營危機預警模式之研究」，中興大學農業經濟研究所博士論文。
33.顧石望(1997)，「金融預警制度之研究－以本國一般銀行為例」，政治大學企業管理學系碩士班碩士論文。
34.Alam, P., D. Booth, K. Lee, T. Thordarson,(2000),“The Use of Fuzzy Clustering Algorithm and Self-Organizing Neural Networks for Identifying Potentially Failing Banks: an Experimental Study,” Expert Systems with Applications. 18, pp. 185-199.
35.Altman , E. I.,(1968).“Financail Ratios、Discriminant Analysis and the Prediction of Corporate Bankruptcy ,”Journal of Finance,Vol.4, No.23, pp. 598-609.
36.Altman, E.I., R.G. Haldeman, and P. Narayanan, (1977), “ZETA Analysis : A New Model to Identify the Bankruptcy Risk of Corporations”, Journal of Banking and Finance, Vol.1,No.1, pp.29-54.
37.Atiya, A.F. (2001), “Bankruptcy prediction for credit risk using neural networks: A survey and new results, ” Neural Networks, IEEE Transactions, Vol.12, Issue 4, pp.929-935.
38.De-Shuang Huang; Ip, H.H.S.; Law, K.C.K.; Zheru Chi (2005), “Zeroing polynomials using modified constrained neural network approach, ” Neural Networks, IEEE Transactions, Vol.16, Issue3, pp.721-732.
39.Kolari, James. Glennon, Dennis. Shin, Hwan. Caputo, Michele.(2002) “Predicting large US commercial bank failures” ,Journal of Economics and Business, Vol. 54, Issue 4, pp.361-387.
40.Kramer, B.(1995),“A Neural Network Model for the Evaluation of Dutch Non-lifeInsurance Companies”, Artificial Neural networks and Expert Systems, 1995.Proceedings, second New Zealand International Two-Stream Conference on, pp.322-325.
41.Martin , D.(1977),“Early Warning of Bank Failure ,”Journal of Banking and Finance ,Vol.1, pp. 249-276.
42.Mayer , P .A .and H . Pifer (1970),“Prediction of Banking Failure ,”Journal of Finance, Vol.25, No.3, pp. 853-868.
43.Rumelhart, D., G. Hinton, and R. William (1986). Learning Internal Representations by Error Propagation. In Rumelhart, D. and J. McClelland (Eds.), Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol.1, MIT Press, Cambridge, MA, pp. 318-362.
44.Sinkey, J. F. Jr. (1978),“Identifying ‘Problem’ Banks: How do the Banking Authorities Measure a Bank’s risk Exposure?” Journal of Money, Credit and Banking, Vol.4, No.10, pp.184-193.
45.Tam, K. Y. and Kiang, M.Y.,(1992),“Managerial Application of Neurnal Networks: The Case of Bank Failure Predictions,”Management Science Vol.38, No. 7, pp.926-946.
46.Tan, N. W., (1996),“A Study on Using Artificial Neural Networks to Develop an Early-Waming Predictor for Credit Union Financial Distress with Comparison to the Probit Model,” Neural Networks in Finance and Investing, Trippi, R.R. and E. Turban Editors, IRWIN Professional Publishing, pp. 329-365.
47.Wasserman, P. D., (1989), Neural Computing: Theory and Practice,Van Nostrand Reinhold , NY：The Free Press.
48.West, R. C., (1985), “A Factor-analytic Approach To Bank-54-Condition”,The Journal of Banking and Finance, Vol.9, No.2, pp.253-266.