臺灣博碩士論文加值系統

摘 要
企業財務危機預測一直是財務領域相當重要的議題，企業本須定期報告財務報表而反應其營運狀況，但若企業刻意粉飾財報，則其營運情形即無法由財務資訊而得知其營運狀況。然而，企業發生財務危機之原因甚多，事發前之跡象也不盡相同，正常公司與危機公司之某些財務比率可能相若甚或矛盾，故很難以少數財務資訊作為判斷。此外，雖然預測之相關理論與分析模型發展得相當成熟，但在判斷一家公司是否會在短期內產生危機時，若僅使用財務報表上呈現的數據判斷不太可能正確，實際上，還是跳票倒閉。所以本研究認為，在進行統計分析時，重點在於使用的解釋變數到底能不能代表公司真實的狀況。
本研究結合企業非財務報表資訊指標和財務比率指標，建構企業財務危機，包含公司董監事持股變動、董監事股票質押比例、簽證會計師更換次數等資訊的數種變數，由民國九十二年至九十六年初上市櫃發生財務危機公司，以一比一配對同時期正常營運公司，獲致以下結論：非財務報表資訊含有財報所沒有的資訊，在加入非財務報表資訊所建立的財務危機預警模型，能提高僅由財報資訊所建立模型在財務危機預測的正確率。其中董監事持股變動、簽證會計師更換與否、董監事股票質押比例與發生財務危機的可能性成正向關係。
本論文建立一套基於XBRL的財務分析系統，透過系統粹取特徵變數值，進行財務及非財務報表資料的分析，並結合機器學習的技術來預測企業是否發生財務危機，並以此試圖發現其他可能影響企業是否發生財務危機的解釋指標。

Abstract
Enterprise operating status will be disclosed periodically on financial statement and investors can get fully information once the formal financial statement is disclosed and published. If electives of firms intentionally dress financial statements up, investors can not get real enterprise operating status from it. However, non-financial information was proved to predict financial crisis by former researchers. But few studies exploit non-financial information to construct financial crisis prediction model.
The study uses financial and non-financial information to predict corporate financial crisis. We get 26 financial distress and 26 normal firms for sampling data. Regarding to our data gathering and former researchers’ experiences, we exploit 5 financial indicators and 4 non-financial indicators for our input data.
Stepwise Regression and support vector machines analysis were used by the study to construct financial crisis prediction model and found non-financial indicators can be enhance the accuracy in the year before financial crisis.

目 錄
第一章 導論 1
第一節、 研究動機 1
第一項. 財務比率之財務危機預測 1
第二項. 財務報告之應用 2
第三項. 財務比率及財務報告之限制性 3
第二節、 研究目的 4
第三節、 論文結構 5
第二章 研究背景 6
第一節、 XBRL簡介 6
第一項. XBRL與XML概述 6
第二項. XBRL規格 8
第三項. XBRL之優缺點 11
第二節、 DOM簡介 13
第一項. DOM基本概念 13
第二項. DOM應用優缺點 15
第三章 文獻探討 16
第一節、 財務危機預測 16
第一項. 財務危機的定義 16
第二項. 財務比率分析－財務資訊 19
第三項. 公司治理－非財務報表資訊 20
第四項. 財務結合非財務報表資訊 21
第二節、 資科機器學習技術-支持向量機 24
第四章 系統架構設計與實作 27
第一節、 系統設計目標 27
第二節、 系統架構描述 28
第三節、 系統運作模式 29
第四節、 系統實作與測試 30
第一項. 系統實作環境需求 30
第二項. 系統實作 30
第五章 實驗設計與評估 37
第一節、 系統環境需求 37
第二節、 實驗設計 38
第三節、 實驗與結果討論 40
第一項. 逐步迴歸分析 40
第二項. 分類器與衡量標準 41
第三項. 資料的來源與變數應用 42
第四項. 實驗結果與分析 43
第六章 研究討論與未來發展 54
第一節、 研究貢獻討論 54
第二節、 未來工作發展與應用 55

[1] M. Alles, A. Kogan, and M. Vasarhelyi, "Real Time Reporting and Assurance: Has its time come?," 2004.
[2] W. M. Sinnett, "Reporting: xbrl,A 'Revolution' in Corporate Reporting?," FINANCIAL EXECUTIVE, 2006.
[3] K. M. Nelson, M. A. Vasarhelyi, A. Kogan, R. P. Srivastava, and H. Lu, "Virtual Auditing Agents: The EDGAR Agent Challenge," DECISION SUPPORT SYSTEMS, vol. Vol. 28, pp. 241-253, 2000.
[4] "XBRL Specificaions-Recommendations," 2006.
[5] S. P. Williams, P. A. Scifleet, and C. A. Hardy, "Online business reporting: An information management perspective," INFORMATION MANAGEMENT, vol. Vol. 26, pp. 91-101, 2006.
[6] 郭尚君 and 郭慧琦, XML 技術實務. 台北市: 文魁資訊股份有限公司, 2003.
[7] M. Bovee, A. Kogan, K. Nelson, R. P. Srivastava, and M. A. Vasarhelyi, "Financial Reporting and Auditing Agent with Net Knowledge(FRAANK) and eXtensible Business Reporting Language(XBRL)," JOURNAL OF INFORMATION SYSTEMS, vol. Vol.19, No. 1, Spring 2005.
[8] "Public Release of Specifications," 2004.
[9] E. I. Altman., "Financial ratio, discriminant analysis, and the prediction of corporate bankruptcy.," JOURNAL OF FINANCE, vol. Vol. 23, pp. 589-609, SEPTEMBER 1968.
[10] S. Johnson, P. Boone, A. Breach, and E. Friedman, "Corporate governance in the Asian Financial crisis.," JOURNAL OF FINANCIAL ECONOMICS, vol. Vol. 58, pp. 141-186, 2000.
[11] R. L. Porta, F. Lopez-de-Silanes, A. Sheifer, and R. Vishny, "Agency problems and dividend policies around the world," JOURNAL OF FINANCE, vol. Vol. 55, pp. 1-33, 2000.
[12] T. S. L. a. Y. H. Yeh., "Corporate governance and financial distress：evidence from Taiwan," CORPORATE GOVERNANCE, vol. Vol. 12, pp. 378-388, 2004.
[13] 葉銀華, 李存修, and 柯承恩, 公司治理與評等系統. 台灣: 商智文化, 2002.
[14] 馬. 教授, 陳朱佑, 嚴亦奇, 曾偉倫, and 吳怡儒, "舞弊案例大彙整," 2006.
[15] K. S. Shin, T. S. Lee, and H. J. Kim, "An application of support vector machines in bankruptcy prediction model," EXPERT SYSTEMS WITH APPLICATIONS, vol. Vol. 28, pp. 127-135, 2005.
[16] Z. Pawlak., "Rough sets," INTERNATIONAL JOURNAL OF PARALLEL PROGRAMMING, vol. Vol. 11, pp. 341-356, 1982.
[17] 高偉柏, "企業財務危機預測," 國立中山大學財務管理研究所碩士論文, 2001.
[18] S. Salcedo-Sanz, M. Deprado-Cumplido, and M. J. Segovia-Vargas, "Feature selection methods involving support vector machines for prediction of insolvency in non-life insurance companies.," INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS IN ACCOUNTING, FINANCE & MANAGEMENT, vol. Vol.12, pp. 261-281, 2004.
[19] C. Charalambous, A. Charitou, and F. Kaourou, "Application of feature extractive algorithm to bankruptcy prediction," PROCESS OF THE IEEE-INNS-ENNS INTERNATIONAL JOINT CONFERENCE, vol. Vol. 5, pp. 303-308, 2000.
[20] 黃振豐 and 呂紹強, "企業財務危機預警模式之研究－以財務及非財務因素建構," 當代會計期刊第一卷第一期, pp. 19-40, 2000.
[21] C. C. Chang and C. J. Lin, "LIBSVM: Alibrary for support vector machines," 2001.
[22] I. H. Witten and E. Frank, "Data mining: practical machine learning tools and techniques," vol. 2nd, Morgan Kaufmann, San Francisco, 2005.
[23] N. M.L., J. R.I., B. S.C., and R. D.M., "Predicting corporate bankruptcy using modular neural networks," IEEE/IAFE/INFORMS 2000 Conference, 2000.
[24] 黃珮雯, "以財務比率、共同比分析和公司治理指標預測上市公司財務危機之基因演算法與支持向量機的計算模型," 國立政治大學資訊科學系碩士論文, 2006.
[25] 葉銀華, 蒸發的股王：領先發現地雷危機. Taipei: 商業周刊, 2005.