跳到主要內容

臺灣博碩士論文加值系統

(3.236.68.118) 您好!臺灣時間:2021/08/04 15:50
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

: 
twitterline
研究生:黃勤明
研究生(外文):Chin-Ming Huang
論文名稱:以籌碼面結合財務比率資訊探討企業財務危機預警模型之研究—以電子產業為例
論文名稱(外文):A research on financial crisis forecasting model of the incorporation of the indices of enterprise financial ratio and stock-holder''s information--A case study of electronic industrial
指導教授:李永山李永山引用關係
學位類別:碩士
校院名稱:銘傳大學
系所名稱:資訊管理學系碩士在職專班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:58
中文關鍵詞:資料探勘財務危機
外文關鍵詞:Financial Crisis Forecasting ModelData Mining
相關次數:
  • 被引用被引用:12
  • 點閱點閱:741
  • 評分評分:
  • 下載下載:254
  • 收藏至我的研究室書目清單書目收藏:3
中文摘要

上市公司接二連三的爆發財務危機,使得投資大眾損失慘重;而電子產業因為其產品生命週期短、淘汰率高,必須持續不斷的開發新產品和增進技術,才能在競爭激烈的環境中生存下來,所以,相對的在這一方面所需要的產業趨勢分析能力也要更為精確;由於董監事持有內部消息,而三大法人機構(外資、投信和自營商)擁有眾多研究人員,及資源,所以,其相關訊息應該可以做為參考,因此,本研究將其相關的資訊納入研究中。
本研究應用資料探勘的決策樹演算法建構企業財務危機預測模型,以西元2006年以前上市櫃的電子產業為訓練樣本,訓練樣本取29家危機公司,以一比一的配對方式選取29家正常公司,共58家公司樣本,再利用西元2006以後的資料為測試資料,測試樣本危機公司16家,正常公司16家,共32家測試樣本,結合企業財務比率指標和非財務比率指標建構出企業財務危機預測模型。
研究結果發現本研究建構本研究財務危機預測模型危機前二年重要的影響變數為借款依存度、淨值報酬率稅後及大戶持股率(三大法人持股率 + 董監持股率),平均預測準確度為85%,若在原來依財務比率建構的財務危機預警模型之中加入了董監事和三大法人的資訊,確能增加電子產業財務預警模型的準確率。
關鍵字:財務危機、財務危機預測模型、資料探勘、決策樹
The recent tides of financial crisis of listed companies have caused the investing public to suffer from heavy losses. Meanwhile, due to the short product life cycle and high-out rate, the electronic industry must rely on continuous product innovations and technology advancement to survive in the highly competitive environment, and therefore, it demands higher precision in market trend analysis. Since the director of the board holds inside information, and the three corporate bodies (foreign investor, Investment Trust and securities dealers) own considerable pool of research staff and resources, their information can be adapted for reference. Owing to that, this research incorporates the related information.

In this research, the decision tree data mining algorithm is applied to build an enterprise financial crises forecasting model which adopts listed electronic companies before A.D. 2006 as training samples. The training sample gathered a total number of 58 companies, consisting of a group of 29 companies in crisis and a one-on-one paired group of 29 normal companies. And then the model adopts the information after A.D. 2006 as testing data which includes 16 companies in crisis, and 16 normal companies, a total of 32 testing samples. Together with the incorporation of the indices of enterprise financial ratio and non financial ratio, the enterprise financial forecasting model is derived.

The result of research discovered the important variables of the first two forecasting years in the financial crisis forecasting model, which are loan dependency, return on net worth (after taxes) and major customer stockholding ratio (stockholding ratio of the three corporate bodies plus stockholding ratio of the director of the board), on an average precision of 85%. On the premise of adding the information of the director of the board and the three corporate bodies in to the former financial crisis forecasting model built based financial ratio, the increment on the precision of the electronic industrial financial crisis forecasting model is assured.

Key word: Financial Crisis、Financial Crisis Forecasting Model、Data Mining、Decision Tree
目  錄

中文摘要 i
ABSTRACT ii
誌 謝 iv
目  錄 v
表目錄 vii
圖目錄 viii
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 3
第三節 研究目的 3
第四節 研究範圍 4
第五節 研究流程 5
第二章 文獻探討 6
第一節 財務危機的定義 6
第二節 財務危機預警相關研究 7
一、 使用統計方法 7
二、 使用資料探勘方法 9
第三節 指標變數說明 12
一、 財務比率指標變數 12
二、 非財務比率指標說明 16
第四節 資料探勘技術 19
一、 決策樹(Decision Tree) 19
第三章 研究方法 21
第一節 樣本選取 21
第二節 混亂矩陣 24
第三節 研究架構 24
第四章 資料分析 26
第一節 資料前置處理 26
第二節 模型建立與調整 27
一、 使用財務比率建立財務危機預警模型Model A 27
二、 使用籌碼面和股價資訊建立財務危機預警模型Model B 32
三、 使用財務比率和籌碼面建立財務危機預警模型Module C 37
第三節 案例探討 42
第五章 結論與建議 44
一、 結論 44
二、 後續研究建議 45
參考文獻 46
參考文獻
中文部份
1.李智雯,「運用現金流量資訊預測企業財務危機之實證研究」,政治大學會計研究所碩士論文,2000。
2.邱志洲、謝邦昌,「類神經網路分析(Neural Network Analysis)」,曉園出版社,2000。
3.洪榮發,「台灣地區股票上市公司盈虧預測模式之建立與其資訊價值之研究」,政治大學企業管理研究所博士論文,1993。
4.許伯彥,「財務報表舞弊風險評量模式研究」,國立臺灣大學會計學研究所碩士論文,2003。
5.陳生祥,「結合財務與非財務資料預測企業財務危機」,私立中原大學資訊管理研究所碩士論文,2005。
6.陳彥華,劉郁秀,財務報表分析,華泰文化,台北,1997。
7.陳漢沖、楊佳寧,「產業別財務變數差異研究」,貨幣觀測與信用評等,第40期,2003,頁87-頁94。
8.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博士論文,1993。
9.黃美月,「上市公司營運危機預測模型建立之研究」,管理會計雜誌,第41期,1997,頁53-頁82。
10.葉怡成,應用類神經網路,儒林圖書公司,1997。
11.臺灣經濟新報,「台灣資料庫欄位說明」,網址:http:www.tej.com.tw/twsite/Default.aspx?TabId=255,2008。
12.楊浚泓,「考慮財務操作與合併報表後之財務危機預警模式」,國立中央大學財務管理研究所碩士論文,2001。
13.潘玉葉,「台灣股票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,1990。

14.鄭志強,「以決策樹演算法建構台灣企業財務危機預警模式」,銘傳大學資訊管理研究所碩士論文,1996。
15.鄭育書,「企業失敗預測之實證研究」,靜宜大學會計研究所,2002。
16.謝邦昌,資料採礦入門及應用─從統計技術看資料採礦,資商訊息顧問股份有限 公司,台北,2001。
17.謝劍平,財務管理原理,智勝文化事業有限公司,台北,2007。

英文部份
1.Altman, E.I., “Financial Ratios Discriminant and the Prediction of Corporate Bankruptcy”, Journal of Finance, September, 1968, pp.589-609.
2.Beaver, W., “Financial Ratios as Predictors of Failure”, Journal of Accounting Research, 1996, pp. 72-102.
3.Blum, M., “Failing Company Discriminant Analysis”, Journal of Accounting Research, 12(Spring), 1974, pp. 1-25.
4.Coats, P.K. and L.F.Fant, ”A Neural Network Approach to Forecasting Financial Distress”, Joural of Business Forecasting, 1991.
5.CRISP-DM 1.0 USER GUIDE, 2000.
6.Deakin, E. B., “A Discriminiant Analysis of Predictors of Business Failure”, Journal of Accounting Research, 1972, pp. 167-17.
7.Gentry, J. A., Newbold. P., and Whitford, D. T., “Predicting Bankruptcy: If Cash Flow’s Not The Botton Line, What is?”, Financial Analysts Journal, (September/October), 1985, pp. 47-56.
8.Han, J.W. and Kamber, M., “Data Mining: Concepts and Techniques”, 2001.
9.Laitinen,E.K., “Financial Ratios and Different Failure Process”, Journal of Business Finance and Accounting, 1991, pp. 613-630.
10.Martin.D, “Early Warning of Bank Failure”, The Journal of Banking and Finance, 1977, pp. 249-276.
11.Odom, M.D.; Sharda, R, “A neural network model for bankruptcy prediction”, IJCNN International Joint Conference on , pp.163-168, vol.2, 1990.
12.Oshlson, J., “Financial Ratios and The Probabilistic Prediction of Bankruptcy ”, Journal of Accounting Research, 18, 1980, pp. 109-131.
13.Pal, M. and Mather , P. M. , “An assessment of the effectiveness of decision tree methods for land cover classification” , Remote Sensing of Environment, 2003, pp. 554-565.
14.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, No. 1, 1999, pp. 63-85.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top