臺灣博碩士論文加值系統

本研究希望經由財務危機預警模型，可以提供一個評估企業經營狀況及財務體質好壞的依據，探討財務五力對辨識企業財務危機的顯著程度，並研究危機發生前五年，具有預測能力的重要變數。運用財務危機預警模型中的區別分析法，對於危機公司於危機發生前五個年度，提供辨識財務危機的能力，並計算其預測擊中率，希望藉由企業財務危機預警模型，在企業發生危機之前得以採取適當的因應措施。本樣本年度為2010年至2019年10年度，財務危機企業的定義為變更交易方式的公司，以1：1的配對比率取樣危機公司及正常公司，各112家，財務比率變數共17個。實證結果顯示：
一、經由逐步區別分析進行對財務危機預測的重要性探討，結果顯示：現金股利率、ROA(稅前息前折舊前)、流動比率、平均售貨天數、常續性EPS、季底普通股市值、利息保障倍數、營收成長率及應付帳款付現天數共9個變數，對判別財務危機有重大的影響。另依各構面選中的數量來分析，收益力、安全力及資金周轉力皆被選中二個，顯示企業的收益能力、資產流動性及資金周轉能力對於企業的財務危機有較高的解釋力。
二、以區別分析法預測實際為危機企業預測亦為危機，以及實際為正常企業預測亦為正常，於危機發生前一至五年之擊中率分別為95.54%、96.43%、97.32%、96.43%及92.41%，除了危機發生前五年低於95%，其餘年度的擊中率皆高於95%，而五年的平均擊中率為94.92%，顯示區別分析法對於企業財務危機具有良好的預測力。

This study attempts to construct an early warning financial distress prediction model, which could provide a basis for evaluating the operating conditions and financial health of companies, could explore the significance of the five financial forces, and could identify predictive variables in the five years prior to the corporate financial crisis. The annual data ranges from 2010 to 2019. Company forced to altered security trading method is defined as suffering financial difficulty. Within sample period, 112 companies are in financial difficulty, matching with additional 112 normal companies. 17 performance-related financial ratios are chosen. The discriminant and stepwise discriminant models were estimated and the predicted hit ratio is calculated for each firms prior to one thru five years. The empirical findings are as follows:
First, cash flow rate, ROA, current ratio, average days to sell, recurring EPS, market value, interest coverage ratio, revenue growth rate, and days to pay for accounts payable were the nine variables that have significant impacts on financial crisis prediction. Based on the number of selected variables, two variables were selected for earnings capacity, safety capacity and liquidity capacity, indicating that earnings capacity, asset liquidity and liquidity capacity have higher explanatory ability for the financial crisis.
Second, the hit ratios from one to five years before the crisis were 95.54%, 96.43%, 97.32%, 96.43% and 92.41%, respectively. The hit ratios were higher than 95%, except for five years before the crisis, and the average hit ratio for all years was 94.92%, indicating the discriminant model has good predictive power for evaluating corporate financial crises.

謝　詞 I
國立臺北大學109學年度第2學期碩士學位論文提要 II
英文摘要 III
目　錄 IV
圖　次 VI
表　次 VII
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 研究流程 2
第四節 論文架構 3
第二章 文獻探討 5
第一節 財務危機之定義 5
第二節 財務危機預警模型之文獻 9
 
第三章 研究方法 19
第一節 資料來源及變數定義 19
第二節 逐步區別分析 24
第三節 區別分析 25
第四章 實證分析 29
第一節 資料初步分析 29
第二節 區別分析之實證結果 33
第五章 研究結論與建議 39
第一節 研究結論 39
第二節 研究意涵 39
第三節 研究限制 40
第四節 研究建議 40
參考文獻 41
附錄一 台灣證券交易所營業細則第四十九條第一項 45
附錄二 樣本公司明細 49
著作權聲明 51

一、中文參考文獻
王俊傑(2000)。財務危機預警模式-以現金流量觀點。新北市：國立台北大學企業管理研究所未出版碩士論文。
古永嘉、楊雪蘭/編譯(2014)。企業研究方法。台北市：華泰文化事業股份有限公司。
呂紹石(2002)。財務危機企業預測模型之研究-以我國上市櫃公司為例。台北市：銘傳大學管理科學研究所在職專班未出版碩士論文。
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構建。新北市：淡江大學會計學研究所未出版碩士論文。
卓怡如(1996)。財務危機預警之建立-以上市及未上市公司為例。台北市：國立台灣大學財務金融研究所未出版碩士論文。
周麗娟、張大成、黃筱雯(2001)。經營效率與企業危機相關性研究。
洪于珺(2014)。運用羅吉斯迴歸及區別分析建立企業財務危機預警模型之研究。新北市：國立台北大學企業管理研究所未出版碩士論文。
梁益銘(2015)。台灣上市公司財務危機預警模型。雲林縣：國立雲林科技大學財務金融系為未出版碩士論文。
張淵智(1999)。金融產業股價泡沫檢定之研究。台北市：東吳大學企業管理學系未出版碩士論文。
陳肇榮(1983)。運用財務比率預測企業財務危機之實證研究。台北市：政治大學管理科學研究所未出版碩士論文。
陳鳳儀(1996)。台灣上市公司財務困難預測之研究。台北市：國立台灣大學會計學研究所未出版碩士論文。
黃瓊華(1995)。現金流量與傳統財務比率預測企業失敗之研究。新竹市：中華大學工業研究所未出版碩士論文。
潘玉葉(1990)。台灣股票上市公司財務危機預警分析。台北市：淡江大學管理科學研究所未出版博士論文。
鄧志豪(1999)。以分類樣本偵測地雷股－新財務危機預警模型。台北市：國立政治大學金融學系未出本碩士論文。
鄭碧月(1996)。上市公司營運危機預測模式之研究。台中市：朝陽科技大學財務金融系未出版碩士論文。
蔡麗君(1995)。審計報告之資訊內涵-運用於財務危機之預測。台北市：國立政治大學會計學研究所未出版碩士論文。
賴季柔(1999)。企業失敗危機的預測-現金管理模式、財務比率模式、現金流量模式與混合模式的比較。新北市：輔仁大學管理學研究所未出版碩士論文。

二、英文參考文獻
Altman, E. I., (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
Bahnson, P. R., & Bartley, J. W. (1991). Cash Flows and Financial Distress: Further Evidence. Working Paper, University of Montana.
Beaver, W.H.(1966). Financial ratios as predictors of Failure. Journal of accounting research, 4, 71-111.
Bhimani, A., Gulamhussen, M. A., & Lopes, S. D. (2010). Accounting and non-accounting determinants of default: An analysis of privately-held firms. Journal of Accounting and Public Policy, 29(6), 517-532.
Blum, M. (1974). Failing company discriminant analysis. Journal of Accounting Research, 12(1), 1-25.
Brockett, P. L., Golden, L., Jang, J., & Yang, C. (2006). A Comparison of neural network, statistical methods, and variable choice for life insurers’financial distress prediction. Journal of Risk and Insurance, 73(3), 397- 419.
Collins, R. A. & Green, R. D. (1982). Statistical methods for bankruptcy forecasting. Journal of Economics and Business, 34(4), 349-354.
Deakin, E. B. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research, 10(1), 167-179.
Foster, B. P., Ward, T. J., & Woodroof, J. (1998). An analysis of the usefulness of debt defaults and going concern opinions in bankruptcy risk assessment. Journal of Accounting, Auditing & Finance, 13(3), 351-371.
Gentry, J. A., Newbold, P., & Whitford, D. T. (1987). Funds flow components, financial retios, and bankruptcy. Journal of business Finance & Accounting. 14(4), 595-606.
Grice, J. S., & Ingram, R. W. (2001). Tests of the generalizability of Altman`s bankruptcy prediction model. Journal of Business Research, 54(1), 53-61.
Koh, H. C. & S. S. Tan. (1999). A Neural Network Approach to The Preciction of Going Concern Status. Accounting and Business Research, 29(3), 211-216.
Lau, a. Hing-Ling. (1987). A five-state financial distress prediction model. Jounal of Acccountin Research, 25(1), 127-138.
Li, S. & Wang, S. (2014). A financial early warning logit model and its efficiency verification approach. Knowledge-Based Systems, 70, 78-87.
Ohlson, J. A. (1980) Financial ratios and the probabilistic prediction of bankruptcy. Journal of accounting research, 18(1), 109-131.
Pastena, V., & Ruland, W. (1986). The merger/bankruptcy alternative. The Accounting Review, 61(2), 288-301.
Platt, H. D. & Platt, M. B. (1990). Development of a class of stable predictive variables: the case of bankruptcy prediction. Journal of Business Finance & Accounting, 17(1), 31-51.
Walter, J. E. (1957). Determination of technical solvency. The Journal of Business, 30(1), 30-43.
Ward, T. J., & Foster, B. P. (1997). A note on selection a response measure for financial distress. Journal of Business Finance & Accounting, 24(6), 869-879.
Wruck, K. H. (1990). Financial distress, reorganization, and organizational efficiency. Journal of Financial Economics, 27(2), 419-444.

三、網路參考資料
臺灣證券交易所(2021)。http://www.twse.com.tw/
臺灣經濟新報(2021)。http://www.tej.com.tw/
全國法規資料庫(2021)。http://law.moj.gov.tw/