臺灣博碩士論文加值系統

過去20年來由於整體經濟環境的變遷日益加快，導致企業發生財務危機的可能性增加，而發生的原因種類不一，晚近，國際間匯率幅度變動加劇，讓以進出口貿易依存度很高的臺灣企業，發生財務危機的可能性逐年增加。目前將匯率風險納入危機預測模型之相關文獻尚屬鮮少，本研究之目的在於透過同步考量匯率波動與企業各項財務及非財務指標，建構危機預警模型，檢視匯率風險是否為影響企業財務危機之因素，能否提高預測之精確性，藉以彌補文獻上缺憾及預警模型實務運用上之價值。
本研究以2013年至2014年9月發生財務危機之上市上櫃公司為樣本，採用1：2危機與正常公司配對方式，進行實證分析。實證分析採用二階段方法，首先，以遺傳基因演算法結合支援向量機(GA-SVM)，進行篩選適當解釋企業危機之變數；其次，以支援向量機模型、類神經網路模型與羅吉斯廻歸模型剖析，將其結果比較。
實證結果顯示，匯率風險確為影響財務危機發生之關鍵變數，而GA-SVM不論在預測精確度或預測誤差，皆優於另兩種傳統方法。

The rapid changes of the economic environment resulting in an increase of the possibility of business failure and different kinds of reasons in the past two decades; More recently, the increase of exchange rate volatility jeopardize the healthiness of Taiwanese firms which highly depends on the international trade. The study intends to examine whether an inclusion of the foreign exchange risk variable enhance the accuracy of the early warning model.
The study utilize the TSE listed companies which encountered the financial crises as hazard firms and selected the normal counterparts by 1:2 ratio over the period from 2013 to September 2014. The empirical implementation proceeds as a 2-step approach. First of all, the study will extract predict variables by GA+SVM; secondly, apply those selected predict variables to formulate the early warning model including SVM and neural network model and logistic regression model framework and the results will be validated in terms of classification ratio, type error and prediction error, RMSE.
The empirical results show that an inclusion of the exchange rate risk increase the accuracy of GA-SVM based prediction model. Moreover, the alternative GA-SVM model outperforms the others in terms of both accuracy and prediction error.

目 錄
頁次
目 錄 i
圖 目 錄 ii
表 目 錄 iii
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 2
第三節 研究架構與流程 2
第二章 文獻探討 4
第一節 企業財務危機定義 4
第二節 財務危機預測指標 6
第三節 財務危機預警模型 10
第四節 文獻綜合評述 14
第三章 研究設計 15
第一節 研究流程 15
第二節 樣本資料來源及選取 16
第三節 變數選取 17
第四節 研究方法 22
第五節 交叉驗證法 43
第四章 實證結果與分析 45
第一節 樣本敘述性統計與差異性檢定 45
第二節 變數篩選結果與分析 47
第三節 預警模型預測能力之比較 48
第五章 結論與建議 52
第一節 結論 52
第二節 未來研究方向與建議 53
參考文獻 54

一、中文部份

王翎聿 (2015)，「應用倒傳遞類神經網路與支援向量機預測加權股價指數」，國防大學碩士論文。
王嘉穎 (2000)，「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」,台灣大學會計學研究所碩士論文。
江怡蒨與方冠婷 (2008)，「台灣產業外匯風險-不對稱模型之實證研究」，中華管理評論國際學報，第十一卷第四期，1-15頁。
何素素 (2002) ，「財務比率分析應用於企業診斷之研究-以台灣地區上市櫃公司為例」，大葉大學事業經營研究所碩士論文。
李彥瑾 (2010)，「基因演算法結合支援向量機作為企業財務危機預警模型可行性之研究」，彰化師範大學企業管理學系碩士論文。
李春安與徐傳瑛（2010），「董事會獨立性與企業財務危機關係之研究」， 管理與系統，第四卷第一期，467-499頁。
林英星、李勝榮、林信文與康文姿 (2013)，「企業資訊揭露與財務危機預警關聯性之研究-以台灣上市電子業為例」，全球商業經營管理學報，第五期，167-178頁。
林淑萍、黃劭彥與蔡昆霖 (2007)，「企業危機預警模式之研究－DEA-DA、邏輯斯迴歸與類神經網路之應用」，會計與公司治理第四卷第一期，35-56頁。
林豐澤 (2005)，「基因演算法以及三種應用實例」，智慧科技與應用統計學報，三卷一期，29-56頁。
邱登裕、鍾典村、吳致遠與謝齊莊 (2007)，「以GA-SVM法探討企業財務危機之研究」，中華管理學報，第八卷第四期，61-86頁。
邱碧芳 (2002)，「公司財務危機預警資訊之研究－考慮現金流量因素」，朝陽科技大學碩士論文。
施淑萍 (2000)，「財務危機預警模式與財務危機企業財務特性之研究」，東吳大學會計學系碩士論文。
徐瑋佑 (2007)，「互聯電力系統中自動發電控制最佳化之研究」，中原 大學機械研究所碩士論文。
馬澤亞 (1994)，「匯率對股市的影響：台灣產業實證」，輔仁大學金融研究所碩士論文。
高櫻芬與施衍礽 (2002)，「公司價值與匯率變動之間的關係：台灣上市公司之實證研究」，風險管理學報，第四卷，第一期，19-45頁。
張元與陳虹羽 (2015)，「董監事責任險公司信用評分」，兩岸金融季刊，第三卷第三期，73-112頁。
張振山 (2014)，「公司治理在公司經營績效及風險間所扮演的角色」，國立臺灣科技大學管理研究所博士論文。
張紹基與蘇松齡 (2001)，「台灣出口廠商面臨的匯率風險」，企業管理學報，第51期，87-108頁。
許維晴 (2012)，「經營效率與企業危機預測」，國立彰化師範大學企業 管理學系碩士論文。
陳秋蘭 (2000)，「台灣股票市場外匯風險暴露之實證研究」，國立中山大學經濟學研究所碩士論文。
黃承龍、陳穆臻與王界人 (2004) ，「支援向量機於信用評等之應用」，計量管理學刊，一卷二期，155-172頁。
黃振豐與呂紹強 (2000)，「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，19-40頁。
黃國棟、許中川與黃金生 (2002)，「回饋式類神經網路知識發掘應用於最適投資組合資金配置」，中山管理評論，第十卷第四期，651-682頁。
楊佳蓉 (2009)，「匯率變動對公司價值之影響-以分量迴歸分析」，國立高雄第一科技大學財務管理所碩士論文。
楊婷雅 (2009)，「外匯暴險與企業營運：國內與國際型CAPM模型之比較」，私立東海大學國際貿易學系研究所碩士論文。
楊聲勇、董澍琦、郭憲章與徐偉軒 (2009)，「外匯衍生性商品使用與企業匯率風險暴露：以台灣企業爲例」，臺大管理論叢，第二十卷第一期，157-188頁。
葉怡成 (2009)，「類神經網路模式應用與實作」，儒林圖書有限公司，台北。
葉銀華、李存修與柯承恩 (2002)，「公司治理與評等系統」，商智文化出版，台北。
董澍琦、楊聲勇與紀妤瑩 (2002)，「台灣多國籍企業外匯風險曝露之研究」，亞太經濟合作評論，第九期，36-49頁。
雷祖強、周天穎、萬詢、楊龍士與許晉嘉 (2007)，「空間特徵分類器支援向量機之研究」，航測及遙測學刊，十二卷二期，145-163頁。
潘義豐 (2012)，「台灣中游電子產業危機預警模型」，彰化師範大學企業管理學系碩士論文。
鄭文英、蘇恩德、李勝榮與何慧清 (2008)，「財務危機預警模式建構影響因素之預測能力整合分析」，中華管理評論國際學報，第十一卷第一期，1-18頁。
戴姜慶 (2010)，「應用類神經網路與遺傳演算法建構財務預警模型之研究－以台灣上市櫃公司為例」，東吳大學經濟學系碩士論文。

二、英文部分

Alder, M. and B. Dumas (1984), “Exposure to Currency Risk: Definition and Measurement,” Financial Management, 13, pp. 41-50.
Al-Shboul, M. and S. Anwar (2014), “Foreign Exchange Rate Exposure: Evidence from Canada,” Review of Financial Economics, 23(1), pp. 18-29.
Altman, E. I. (1968), “Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy,” The Journal of Finance, 23(4), pp. 589-609.
Baldwin, C. and M. Scott (1983), “The Resolution of Claims in Financial Distress: The Case of Massey Ferguson,” Journal of Finance,38, pp.505-516
Bartov, E. and G. M. Bodnar (1994), “Firm Valuation Expectations and The Exchange Rate Exposure Effect,” Journal of Finance, pp. 1755-1785.
Bastı, E. C. Kuzey and D. Delen (2015), “Analyzing Initial Public Offerings' Short-Term Performance Using Decision Trees and SVMS,” Decision Support Systems, 73, pp. 15-27.
Beasley, M. S. (1996), “An Empirical Analysis of The Relation between The Board of Director Composition and Financial Statement Fraud,” Accounting Review, pp. 443-465.
Beaver, W.（1966）, “Financial Ratios as Predictors of Failure,” Journal of Accounting Research, pp. 72-102.
Chow, E., W. Lee, and M. Solt (1997), “The Exchange Rate Exposure of US Multinational Firms,” Journal of Business, 70, pp. 105-123.
Deakin, E. B. (1972), “A Discriminiant Analysis of Predictors of Business Failure,” Journal of Accounting Research, pp. 167-179.
Genetic Algorithm to Optimize the Parameters of Support Vector
Jorion, P. (1990), “The Exchange-Rate Exposure of US Multinationals,” Journal of business, pp. 331-345.
Koh, H. C. and S. S. Tan (1999), “A Neural Network Approach to The Prediction of Going Concern Status,” Accounting and Business Research, 29(3), pp. 211-216.
Koutmos, G. and A. D. Martin (2003), “Asymmetric Exchange Rate Exposure: Theory and Evidence,” Journal of International Money and Finance, 22(3), pp. 365-383.
Leland, H. E. (1998), “Agency Costs, Risk Management, and Capital Structure,” Journal of Finance, 53, pp. 1213-1243.
Martin, D. (1977), “Early Warning of Banking Failure: A Logit Regression Approach,” Journal of Banking and Finance, 1, pp. 249-276.
Odom, M. D. and R. Sharda (1990), “A Neural Network Model for Bankruptcy Prediction,” IJCNN International Joint Conference on Neural Networks, pp. 163-168.
Ohlson, J. A. (1980), “Financial Ratios and The Probabilistic Prediction of Bankruptcy,” Journal of Accounting Research, 18, pp. 109-131.
Shapiro, A. C. (1975), “Exchange Rate Changes, Inflation, and The Value of The Multinational Corporation,” Journal of Finance, 30, pp. 485-502.
Shin, K. S. and Y. J. Lee (2002), “A Genetic Algorithm Application in Ankruptcy Prediction Modeling,” Expert Systems with Applications, 23 (3), pp. 321-328.
Smith, C. W., and R. M. Stulz (1985), “The Determinants of Firms' Hedging Policies,” Journal of Financial and Quantitative Analysis, 20 (04), pp.391-405.
Ward, T. J. and B. P. Foster (1997), “A Note on Selecting a Response Measure for Financial Distress,” Journal of Business Finance & Accounting, 24 (6), pp. 869-879.
West, R. C. (1985), “A Factor Analytic Approach to Bank Condition,” Journal of Banking and Finance, 15 (1), pp. 253-226.
Wu, C. H., G. H. Tzeng, and Y. J. Goo and W. C. Fang (2007), “A Real-Valued
Genetic Algorithm to Optimize The Parameters of Support Vector
Machine for Predicting Bankruptcy,” Expert Systems with
Applications, 32 (2), pp. 397-408
Young, H. and Z. Gu (2010), “Predicting Korean Lodging Firm Failures: An Artificial Neural Network Model Along with a Logistic Regression Model,”International Journal of Hospitality Management, 29, pp. 120-127.