(3.227.235.183) 您好!臺灣時間:2021/04/13 10:43
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:杜胤寬
研究生(外文):Yin-Kuan Du
論文名稱:類神經網路與資料探勘應用於財務危機預警之研究
論文名稱(外文):An application of Neural Network and Data Mining Techniques on the Prediction Model of Financial Distress
指導教授:陳牧言陳牧言引用關係
指導教授(外文):Mu-Yen Chen
學位類別:碩士
校院名稱:國立彰化師範大學
系所名稱:會計學系
學門:商業及管理學門
學類:會計學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:66
中文關鍵詞:財務危機預警模式因素分析類神經網路分群法
外文關鍵詞:Financial Distress Prediction ModelFactor AnalysisNeural NetworkClustering
相關次數:
  • 被引用被引用:1
  • 點閱點閱:194
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
隨著股票市場瞬息萬變,雖然企業每年的營運狀況定期的反應在財務報表上,但投資人往往需等到財務資訊揭露後才得知公司出現財務危機。而若企業刻意窗飾財務報表,例如操弄流動比率在200%以上,短期內似乎不會因為流動性不足而發生財務危機,則投資人更無法從財務資訊上得知企業實際的營運狀況。
為求提高財務危機預警模型的精確性,本研究採用違反台灣證券交易所股份有限公司營業細則所規定的公司,即為終止上市公司,為本研究分析標的,並利用前人常用之財務比率變數,及其他非財務比率變數,再利用因素分析法篩選出適合之變數。最後利用分析之結果以建構以類神經網路和分群法為基礎之財務危機預警模型。
結果發現:
(1) 因素分析進行的次數與類神經網路和分群法的準確率呈現反向之關係。
(2) 運用類神經網路分析下,前2季資料準確率最高達82.14%,及前8季最低值59.7%,顯示愈接近財務危機時點則準確率愈高。
(3) 在建構財務危機預警模型下,類神經網路模型準確率高於分群法模型。
(4) 經實證結果,使用因素分析對於將財務危機公司被分類為正常公司(型二錯誤)之錯誤率有不利之影響。
As the market develops, enterprise operating status will be disclosed periodically on financial statement and investors can get information about the financial distress only after the formal financial statement is published. If executives intentionally package financial statements, then investors will have even less chance to obtain the real financial information. For example, they can manipulate the current ratio up to 200% and its liquidity deficiency will not result in financial distress in the short run.
To improve the accuracy of financial distress prediction model , this research adopt the companies violating Operating Rules of the Taiwan Stock Exchange Corporation (TSEC), which are the stopping suspension companies as the analysis range of this research. This paper used financial ratios, other non-financial ratios, and used factor analysis to extract adaptable variable. Finally, Neural Network and Clustering were used by this study to develop financial distress prediction model.
This study fund that:
(1) The more factor analysis we used, the less accuracy we got in Neural Network model and Clustering model. (2) The closer time gets to the occurrence of financial distress, the higher the accuracy we can get. (3) In developing financial distress prediction model, Neural Network model obtains better prediction accuracy than Clustering model. (4) From empirical results, factor analysis would increase Type 2 error that investors care about. That is the possibilities that financial crisis companies are classified as normal companies.
第壹章 緒論 1
第一節 研究背景 1
第二節 研究目的與動機 2
第三節 資料來源與限制 3
第四節 研究流程 4
第貳章 文獻探討 5
第一節 財務危機定義 5
第二節 財務危機預警模式 9
第三節 案例回顧 16
第參章 研究方法與設計 26
第一節 因素分析 26
第二節 研究變數 28
第三節 樣本選取 34
第四節 研究設計 35
第肆章 實證分析與結果 36
第一節 因素分析 36
第二節 類神經網路分析 41
第三節 分群法分析 48
第四節 分析與比較 55
第伍章 結論與建議 61
第一節 結論 61
第二節 建議與未來改進方向 62
參考文獻 63
一、 中文部分
丁一賢、陳牧言,資料探勘,滄海書局,民國94年。
王仁杰,以離群值偵測方法為基礎的公司財務危機預警模型之研究,國立交通大學資訊管理研究所碩士論文,民國93年。
王嘉穎,我國上市公司財務危機與監理因素之關聯性研究-實質所有權之探討,國立台灣大學會計學研究所碩士論文,民國89年。
李智雯,運用現金流量資訊預測企業財務危機之實證研究,政治大學會計學研究所碩士論文,民國89年。
李智霖,利用不同分類模式探討財務危機預警模式之建立,銘傳大學資訊管理研究所碩士論文,民國93年。
林群凱,上市公司財務危機預警模式-以非財務資訊及不同預測模型建構,國立成功大學會計學系碩士論文,民國93年。
財團法人中華民國證卷暨期貨市場發展基金會編,證券法規,民國93年。
高偉柏,企業財務危機預測,國立中山大學財務管理學系研究所碩士論文,民國89年。
陳生祥,運用資料探勘技術建構企業財務危機預警模式-結合財務與非財務資料,私立中原大學資訊管理研究所碩士論文,民國94年。
陳明賢,財務危機預測之計量分析研究,台灣大學商研所未出版之碩士論文,民國75年。
陳淑萍,資料探勘應用於財務危機預警模式之研究,銘傳大學資訊管理研究所碩士論文,民國91年。
陳肇榮,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未出版之博士論文,民國71年。
黃小玉,銀行放款信用評估模式之研究--最佳模式之選擇,淡江大學管理科學研究所碩士論文,民國77年。
黃文隆,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,民國81年。
黃振豐、呂紹強,企業危機預警模式之研究—以財務及非財務因素構建,當代會計,第一卷第一期,民國89 年11 月。
葉銀華,蒸發的股王,商智文化事業股份有限公司,民國94年。
鄭丁旺,中級會計學,民國91年。

二、 英文部分
Altman, E. I., “Financial Ratios, Discriminant and the Prediction of Corporate Bankruptcy”, Journal of Finance, vol. 23, 1968, Pages 589 – 609.
Altman, E. I. and Loris, B., “A Financial Early Warning System For Over-the-Counter Broker-Dealers, Journal of Finance, 1976, Pages 1201-1217.
Beaver, W. H., “Financial Ratios as Predictors of Failure”, Journal of Accounting Research, 1966, Pages 71 – 111.
Beaver, W. H., “Alternative Accounting Measures as Predictors of Failure”, Accounting Review, 1968, Pages 113 – 122.
Deakin, E., “Distributions of Financial Accounting Ratios: Some Empirical Evidence”, Journal of the Accounting Review, 1976, vol. 51, Pages 90-96.
Deakin, E., “A discriminant analysis of predictors of business failure.” Journal of Accounting Research, 1972, Pages 167-179
Enke, E. and Thawornwong, S., “The use of data mining and neural networks for forecasting stock market returns” Expert Systems with Applications, vol. 4, November 2005, Pages 927-940.
Fanning, K., and Cogger, K., “Neural network detection of management fraud using published financial data”. International Journal of Intelligent Systems in Accounting, Finance & Management, 1998, vol. 7, Pages 21-41.
Green, B. P., and Choi, J. H., “Assessing the risk of management fraud through neural-network technology”. Auditing: A Journal of Practice and Theory, vol. 16(1), 1997, Pages 14–28.
Guha, S., Rastogi, R., and Shim, K., “Rock: A Robust Clustering Algorithm for Categorical Attributes”, Proceedings of International Conference on Data Engineering, 1999, Pages 512-521.
Kim Kyoung-jae, “Artificial neural networks with evolutionary instance selection for financial forecasting”, Expert Systems with Applications, vol. 30(3), April 2006, Pages 519-526
Oldson, J. A., “Financial Ratios and the Probabilistic Prediction of Bankruptcy”, Journal of Accounting Research, vol. 18, 1980, Pages 109 – 131.
Odom, M, D. and Sharda, R., “A Neural Network model for Bankruptcy Prediction”, Proceedings of International Joint Conference on Neural Networks, vol. 2, 1990, Pages 163 – 168.
Kirkos, E. , Spathis, C., Manolopoulos, Y., “Data Mining techniques for the detection of fraudulent financial statements”, Expert Systems with Applications , vol. 32(4), May 2007, Pages 995-1003.

Kahya, E., and Theodossiou, P., “Predicting corporate financial distress: a time-series CUSUM methodology”, Review of Quantitative Finance and Accounting, vol. 13(4), 1999, Pages 323-345.
McKee, T. E. and M. Greenstein, “Predicting bankruptcy using recursive partitioning and a realistically proportioned data set” Journal of Forecasting, 2000, Pages 219-230.
Persons, O., “Using financial statement data to identify factors associated with fraudulent financial reporting”. Journal of Applied Business Research, vol. 11(3), 1995, Pages 38–46.
Quah, T. S. and Srinivasan B., “Improving returns on stock investment through neural network selection”, Expert Systems with Applications, vol. 17(4), November 1999, Pages 295-301.
Sung, T. K., N. Chang, and G. Lee, “Dynamics of modeling in data mining: interpretive approach to bankruptcy prediction.” Journal of Management Information Systems, 1999, Pages 63-85.
Tae, K. S., Namsik C., and Gunhee L., “Dynamics of Modeling in Data Mining: Interpretive Approach to Bankruptcy Prediction.” Journal of Management Information Systems, vol. 16(1), 1999, Pages 63-85.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔