跳到主要內容

臺灣博碩士論文加值系統

(44.201.94.236) 您好!臺灣時間:2023/03/25 00:59
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:王怡涵
研究生(外文):Wang, I-Han
論文名稱:應用倒傳遞與自組織映射圖神經網路於企業體質檢定模型之研究
論文名稱(外文):Applying back-propagation neural network and self-organizing map to corporate constitution inspection model
指導教授:陳安斌陳安斌引用關係
指導教授(外文):Chen, An-Pin
學位類別:碩士
校院名稱:國立交通大學
系所名稱:資訊管理研究所
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:2011
畢業學年度:99
語文別:中文
論文頁數:98
中文關鍵詞:倒傳遞類神經財務報表總體經濟指標自組織映射圖網路企業體質檢定
外文關鍵詞:Back-Propagation Neural NetworksFinancial ReportsMacroeconomic IndexCorporate Constitution JudgmentSelf-Organizing Map
相關次數:
  • 被引用被引用:0
  • 點閱點閱:626
  • 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:0
受到全球經濟環境的波動難以預測的影響下,台灣的企業在經營上已不像過去中小企業經營那樣容易,一旦遇到財務危機或整體經濟走勢不佳的利空因素而面臨倒閉時,其可能造成的龐大社會成本付出的連帶效應不容小覷。因此,若能夠在企業發生財務危機前,有效的從總體經濟指標和過去財務資料中可能引發危機的種種跡象中透過方法評估出經營狀況,提早客觀且有效地發現營運發生困難或體質不佳的企業,能幫助企業在財務爆發危機前找出因應對策,將可能造成的傷害降至最低。
自Beaver在1996年提出「以財務比率預測經營失敗」的研究後,財務危機預警的觀念與相關研究開始受到重視。因此,本研究提出以倒傳遞類神經網路為架構,搭配總體經濟指標與18項企業財務報表中的重要指標,嘗試從財務趨勢行為中,找出知識規則,推估企業下個月之財務表現。本研究運用倒傳遞類神經網路來做企業體質的總和評判,使類神經網路的輸出更具有可靠性,建立一個預測月內財務指數趨勢的企業體質預測模型,讓企業在面臨潛在的財務危機時,依據本模型所發出的警訊做出相對應的策略,以達到企業財務危機預警之目的。
有鑑於一般民眾對財務報表的解讀與認知多不如專業人士,本研究設計一套運用自組織映射圖網路來建立企業體質特徵模型圖,透過視覺化圖形,幫助一般民眾在投資決策時可以容易上手與解讀公司財務狀況。再搭配結合總體經濟因素與倒傳遞類神經網路的預測模型,相信能夠更精準且提早判斷出公司可能有危機的發生。
Under the impact of unpredictable global economic fluctuation, corporates management in Taiwan is not as easy as it was used to be. Once enterprises are encountering financial crisis or overall economic downward, they may bankrupt and lead to huge social cost and other domino effects. Therefore, if there are ways to effectively evaluate the possible financial crisis of the company through microeconomic index and past reports in advance may minimize the damage of the financial outbreak.
After Beaver’s research in 1996, the idea of financial distress pre-warning and related research has started to be valued. Therefore, this research proposes a back-propagation neural network based model with microeconomic index and 18 important indexes of corporate financial reports, trying to find a trend in the finance behavior, and to inspect next month’s financial performance of the company. The results show that the rate of accuracy of the enterprise’s financial state evaluation is above 95%.
Due to the fact that ordinary people’s knowledge of financial reports is not as good as the professionals, this research designs a corporate constitution character model by applying Self-Organizing Map. It is convinced that by using visualized graphs, people can understand the financial situation of a certain company in an easier way. In addition, coupled with microeconomic index and back-propagation neural networks, the prediction of when crisis may occur to a company can be more accurate and ahead of time.

中文摘要 iii
英文摘要 iv
致 謝 v
表目錄 viii
圖目錄 ix
第一章、緒論 1
1.1 研究動機與背景 1
1.2 研究目的 2
1.3 研究方法與步驟 4
1.4 研究範圍與限制 5
1.5 研究限制 5
1.6 論文架構 7
第二章、文獻探討 8
2.1 企業體質檢定相關文獻 8
2.1.1 單變量分析 8
2.2.2 多變量分析 8
2.2 總體經濟指標相關文獻 9
2.3 類神經網路模型 13
2.3.1 倒傳遞類神經網路簡介 13
2.4 自組織映射圖網路 14
2.4.1 自組織映射圖神經網路簡介 15
2.4.2 自組織映射圖神經網路於財務金融上之研究 15
第三章、研究方法與步驟 17
3.1 研究模型說明與架構 17
3.2 財務指標選擇 18
3.3 總體經濟指標選擇 21
3.4 資料蒐集與前處理 22
3.4.1 資料蒐集 22
3.4.2 資料前處理 22
3.4.2.1 財報資料處理 23
3.4.2.2 資料正規化 24
3.5 倒傳遞類神經網路相關設定 24
3.5.1 訓練與測試資料之分割 24
3.5.2 倒傳遞類神經網路之架構 24
3.5.3 倒傳遞類神經網路參數設定 25
3.5.4 本研究倒傳遞類神經網路之參數設定 26
3.6 企業體質特徵圖模型 27
3.6.1 自組織映射圖神經網路 27
3.6.2 企業體質特徵圖模型 31
3.7 企業體質檢定預測模型績效評估 32
第四章、實證結果與分析 33
4.1 實驗結果分析 33
4.1.1 企業體質檢定預測模型訓練結果準確率 33
4.1.2 企業體質特徵模型圖結果與分析 35
4.1.3 企業體質檢定預測模型之驗證 36
4.1.4 企業體質特徵圖模型之驗證 37
第五章、結論與建議 40
5.1 結論 40
5.2 建議 40
參考文獻 41
附錄一:財務指標計算公式與說明 43
附錄二:財務比率指標內插法計算公式 46
附錄三:財務危機事件一覽表 47
附錄四:企業體質檢定模型預測結果(BPNN)-上市半導體 49
附錄五:企業體質檢定模型預測結果(BPNN)-財務危機半導體 53
附錄六:上市半導體公司之企業體質特徵圖 55
附錄七:曾經全額交割或下市半導體公司之企業體質特徵圖 60
中文文獻

[1] 林威廷,「以總體經濟因素預測股票報酬率–類神經網路與多元迴歸之比較研究」,國立交通大學資訊管理研究所,碩士論文,民國84年。
[2] 陳俊宏,「總體經濟因素與股價指數關係性之分析」,國立台灣大學商學系研究所,碩士論文,民國84年。
李心妮,「整合式類神經網路應用於企業財務困境之檢定」,交通大學資訊管理所碩士論文,2006 年。
[3] 陳宗益,「利用總經變數掌握台股趨勢」,國立台灣大學會計研究所,碩士論文,民國91年。
[4] 徐毓宏,「總體經濟指標預測股價指數報酬率之實證研究-基因及類神經網路之應用」,國立台北大學企業管理研究所,碩士論文,民國91年。
[5] 徐鍵欣,「定期總體經濟訊息之宣告效果-以台指現貨、期貨及台指選擇權VIX為例」,國立台北大學合作經濟學系研究所,碩士論文,民國93年。
[6] 李淑君,「以階層式自組織映射圖神經網路於動態金融環境之異常財務行為發現」,國立交通大學資訊管理研究所,碩士論文,民國97年。
[7] 郭瓊宜,「類神經網路在財務危機預警模式之應用」,淡江大學管理科學研究所碩士論文,1993 年。
[8] 邱憶如(2008),「應用自組織映射圖神經網路及倒傳遞類神經網路於機構投資人融資券行為分析研究-以台灣50 期貨指數為例 」,國立交通大學管理研究所碩士論文。
[9] 葉怡成,類神經網路模式應用與實作,儒林圖書有限公司,台北,2003 年。


英文文獻

[1]Odom, M.D. and Sharda, R., “A Neural Network Model for Bankruptcy Prediction,” IEEE INNS IJCNN International Joint Conference on Neural Networks 2, 163-168, 1990.
[2] Koh, H. and S. Tan,“A Neural Network Approach to the Prediction of Going Concern Status.”, Accounting and Business Research 21, 211-216, 1999.
[3] Monica Lam., “Neural Network Techniques for Financial Performance Prediction: Integrating Fundamental and Technical Analysis.”, Decision Support Systems 37 ,pp 567– 581, 2004.
[4] David Enke and Suraphan. Thawornwong., “The Use of Data Mining and Neural Networks for Forecasting Stock Market Returns.”, Expert Systems with Applications 29 (4), pp. 927–940. SummaryPlus, 2005.
[5] Jonas Karlsson , Barbro Back , Hannu Vanharanta , Ari Visa, “Financial Benchmarking of Telecommunications Companies.”, Turku Centre for Computer Science, 2001.
[6] Kohonen, T., “Self-Organized Formation of Topologically correct Feature Maps.”, Biological Cybernetics 43(1) , 141–152, 1982.
[7] Dittenbach. M, Merkl. D, and Rauber.A, "The Growing Hierarchical Selforganizing Map.", In Intl. Joint Conf. on Neural Networks (IJCNN’00),2000.
[8] Jonas Karlsson , Barbro Back , Hannu Vanharanta , Ari Visa, “Analysing Financial Performance with Quarterly Data using Self-Organising Maps.”, TUCS Technical Report No. 430, Turku, 2001.
[9] Kimmo Kiviluoto, Pentti Bergius., “Two-level Self-Organizing Maps for Analysis of Financial Statements.“, in Proc. 1998 IEEE Int. Joint Conf. Neural Networks (IJCNN'98), vol. 1. Piscataway, NJ, May 1998, pp. 189-192, 1998.
[10]M. Kearns, "A Bound on the Error of Cross Validation Using the Approximation and Estimation Rates,with Consequences for the Training-Test Split," in Advance in Neural Information Processing System,Vol. 8, pp.183-189,1996.
[11] Lewis , E. B. (1982) Control of body s egment differentiation in Drosophila by the bithorax gene complex, Embr yonic Development, Part A: Genetics Aspects , Edited by Burger, M. M. and R. Weber. Alan R. Liss, New York, 269-288.
[12] Mensah,Yaw M. (1984), “An Examination of the Stationarity of Multivariate Bankruptcy Prediction Models﹕ A Methodological Study,” Journal of Accounting Research, 22 Spring, 380-320.
[13] Kohonen, T., "4311 Works That Have Been Based on the Self-Organizing Map (SOM) Method Developed by Kohonen.", <http://www.cis.hut.fi/nnrc/refs/>
(read October 24th 2000), 2000.
[14] Altman, Edward I., “Financial ratios Discriminant Analysis, and the Prediction of Corporate Bankruptcy.”, Journal of Finance, Steptember 1968.
[10] Beaver, William H., ”Financial Ratios and Predictors of Failure.”, Empirical Research in Accounting; Selected Studies, Supplement to Journal of Accounting Research, 4, pp.71-111, 1966.
[15] Beaver, William H., ”Financial Ratios and Predictors of Failure.”, Empirical
Research in Accounting; Selected Studies, Supplement to Journal of Accounting
Research, 4, pp.71-111, 1966.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊