淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0410201415000700
中文論文名稱 整合馬可夫決策過程與演化策略於企業財務危機規則擷取
英文論文名稱 Incorporating Markov Process and Evolution Strategy on Financial Distress Rules Extraction
校院名稱 淡江大學
系所名稱(中) 資訊管理學系碩士班
系所名稱(英) Department of Information Management
學年度 102
學期 2
出版年 103
研究生中文姓名 孟芮賢
研究生英文姓名 Jui-Hsien Meng
學號 699630421
學位類別 碩士
語文別 中文
口試日期 2014-06-21
論文頁數 47頁
口試委員 指導教授-張應華
委員-周清江
委員-伍台國
中文關鍵字 財務危機預警  演化策略  馬可夫決策過程  演化計算  資料探勘 
英文關鍵字 Financial distress alert  Evolution strategies  Markov decision process  Evolutionary computing  Data mining 
學科別分類
中文摘要   在全球化的浪潮下,國內的企業走向開放及自由化之路,其經營環境不斷地改變,並正接受嚴厲的考驗。隨著經營規模的擴大,企業的經營成敗可以和國家經濟產生緊密的連結。企業獲利則社會經濟得以蓬勃發展,反之企業若遭受衝擊而產生經營壓力甚至危機狀況,所造成影響的層面將非常廣泛。此時具規模的企業及產業必須提早因應危機發生的潛在可能,並尋求可靠的財務危機預警機制。過去的學術研究多以基本分析處理財務危機問題,而實務上亦多採用資料探勘技術尋找財務危機形成的因素。
  本研究旨在探求企業經營過程中所產生的財務危機警訊,並基於動態類型的財務危機理論,尋找出公司危機狀態規則,研究包含利用馬可夫決策過程對於企業財務指標的分析,預測企業所遭受的不同危機程度。其次利用演化策略的隱含平行搜尋能力,輔以馬可夫決策過程的評估,以發掘出企業於各危機階段之財務狀態規則。
  透過演化計算技術可以加速找出財務預警機制,並提升機制本身的可信度。對於企業而言,不同程度的財務規則暗示著有潛在危機至高度風險財務危機發生的可能,企業本身可對此提出不同的因應之道解決經營問題,政府可以依此做為評估公司上市上櫃的依據,身處經營外部的投資人亦可做為投資選股決策的參考,以免投資到地雷股而得不償失。
英文摘要   Business environment has greatly changed since Globalization, domestic companies faced with more impact to business operation. Corporate management is closely linked with national economics; its profitability may help on development for economics and society. On the contrary, failure or financial distress companies can largely affect banks, many other companies and people around us. It is necessary for large corporates to make early response to the financial distress and seek for reliable financial distress alert. Past studies using basic analysis on financial distress; practically, Data mining is frequently used to find the cause of financial distress.
  This study focused on exploring financial distress alert in corporate business, and search for financial distress rules based on dynamic financial distress model. This study includes analyses on corporate financial indices utilizing Markov decision process; it could predict distress levels that corporate will faced with. Secondly, Evolution strategies (ES) has capabilities of implicit parallel search, using ES and get evaluated by Markov decision process will find financial status on every distress state.
  It could be more efficient and more credible to find out the financial distress alert through Evolutionary computing. For corporates, financial rules level implies the severity level of financial distress. The corporate may propose different responses to solve the business operation problem; the Government may make assessment on tanking company public on listed and OTC market. Inventers may take these rules as a reference on making decision to select stock holdings, and avoid investing tank stocks.
論文目次 目錄
摘要 I
Abstract II
目錄 III
圖目錄 IV
表目錄 V
壹、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、 論文架構 2
貳、文獻探討 3
第一節、 財務危機之定義 3
第二節、 財務危機預警模型 4
第三節、 財務預警模型之特徵變數 6
參、研究架構 8
第一節、 資料前處理 9
3.1.1 財務樣本的選取 9
3.1.2 財務指標的選擇 9
第二節、 馬可夫決策過程 10
第三節、 演化策略擷取規則 12
肆、實驗分析與結果 15
伍、結論與展望 44
參考文獻 45

圖目錄
圖 3-1、研究架構圖 8
圖 3-2、財務指標之狀態變數舉例 11
圖 3-3、財務危機風險範圍 12
圖 3-4、演化策略染色體結構 13
圖 4-1、公司財務指標狀態之時間變化圖 16
圖 4-2、公司財務指標預測狀態之時間變化圖 16
圖 4-3、危機前三年之財務規則變數圖 19
圖 4-4、規則1與2009年危機公司變數圖 20
圖 4-5、規則1與2010年危機公司變數圖 21
圖 4-6、規則1與2011年危機公司變數圖 22
圖 4-7、規則1與2012年危機公司變數圖 23
圖 4-8、危機前兩年半之財務規則變數圖 24
圖 4-9、規則2與2009年危機公司變數圖 25
圖 4-10、規則2與2010年危機公司變數圖 26
圖 4-11、規則2與2011年危機公司變數圖 27
圖 4-12、規則2與2012年危機公司變數圖 28
圖 4-13、危機前兩年之財務規則變數圖 29
圖 4-14、規則3與2009年危機公司變數圖 30
圖 4-15、規則3與2010年危機公司變數圖 31
圖 4-16、規則3與2011年危機公司變數圖 32
圖 4-17、規則3與2012年危機公司變數圖 33
圖 4-18、危機前一年半之財務規則變數圖 34
圖 4-19、規則4與2009年危機公司變數圖 35
圖 4-20、規則4與2010年危機公司變數圖 36
圖 4-21、規則4與2011年危機公司變數圖 37
圖 4-22、規則4與2012年危機公司變數圖 38
圖 4-23、危機前一年之財務規則變數圖 39
圖 4-24、規則5與2009年危機公司變數圖 40
圖 4-25、規則5與2010年危機公司變數圖 41
圖 4-26、規則5與2011年危機公司變數圖 42
圖 4-27、規則5與2012年危機公司變數圖 43

表目錄
表 2-1、實質財務危機事件定義 4
表 2-2、Ohlson財務危機預測模型採用變數 7
表 4-1、財務變數表 15
表 4-2、演化策略染色體編碼 17
表 4-3、演化策略學習參數 17
表 4-4、危機前三年之財務規則 18
表 4-5、2009年公司財務指標對規則1適配程度 20
表 4-6、2010年公司財務指標對規則1適配程度 21
表 4-7、2011年公司財務指標對規則1適配程度 22
表 4-8、2012年公司財務指標對規則1適配程度 23
表 4-9、危機前兩年半之財務規則 24
表 4-10、2009年公司財務指標對規則2適配程度 25
表 4-11、2010年公司財務指標對規則2適配程度 26
表 4-12、2011年公司財務指標對規則2適配程度 27
表 4-13、2012年公司財務指標對規則2適配程度 28
表 4-14、危機前兩年之財務規則 29
表 4-15、2009年公司財務指標對規則3適配程度 30
表 4-16、2010年公司財務指標對規則3適配程度 31
表 4-17、2011年公司財務指標對規則3適配程度 32
表 4-18、2012年公司財務指標對規則3適配程度 33
表 4-19、危機前一年半之財務規則 34
表 4-20、2009年公司財務指標對規則4適配程度 35
表 4-21、2010年公司財務指標對規則4適配程度 36
表 4-22、2011年公司財務指標對規則4適配程度 37
表 4-23、2012年公司財務指標對規則4適配程度 38
表 4-24、危機前一年之財務規則 39
表 4-25、2009年公司財務指標對規則5適配程度 40
表 4-26、2010年公司財務指標對規則5適配程度 41
表 4-27、2011年公司財務指標對規則5適配程度 42
表 4-28、2012年公司財務指標對規則5適配程度 43
參考文獻 [1] 周百隆,〈農會信用部經營危機之研究-危機預警模式與馬可夫吸收鏈鎖之應用〉,臺灣大學農業經濟學研究所博士論文,2001。
[2] 邱垂傑,〈結合基因演算法與類神經網路開發企業財務危機預警模型〉,中華大學資訊工程學系碩士論文,2008。
[3] 林裕晟,〈考慮景氣循環趨勢應用資料探勘於企業財務危機預測〉,國立高雄大學資訊管理學研究所碩士論文,2010。
[4] 吳蕙真,〈台灣集團企業財務預警模式-加入公司治理變數探討〉,東吳大學企業管理學系碩士論文,2007。
[5] 連思涵,〈整合特徵篩選與組合式類神經網路預測企業財務危機〉,朝陽科技大學財務金融系碩士論文,2011。
[6] 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,1983。
[7] 陳瑞琦,〈上市公司財務危機預測與防治之研究─以傳統產業為例〉,政治大學企業管理學系碩士論文,2001。
[8] 陳郁菁,〈中國上市公司風險報酬與存續期間之研究-應用財務預警模型與馬可夫吸收鏈〉,高雄第一科技大學風險管理與保險所碩士論文,2006。
[9] 戚務君,〈運用財務報表分析財務困難之研究--以臺灣地區上市公司為例〉,交通大學管理科學研究所碩士論文,1991。
[10] 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。
[11] 彭悠儷,〈財務危機預警模型評選與變數萃取之研究〉,臺北科技大學商業自動化與管理研究所碩士論文,2006。
[12] 黃志力,〈企業財務危機預測─以類神經網路建構產業別預警模型〉,中山大學企業管理學系研究所碩士論文,2007。
[13] 曾怡華,〈台灣電子業之財務預警分析〉,東吳大學經濟學系碩士論文,2010。
[14] 鄭文英、李勝榮、何慧清,〈台灣上市上櫃公司財務危機階段馬可夫過程之研究〉,管理科學研究,第2卷.第2期,頁63-76,2005。
[15] 潘玉葉,〈臺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。
[16] 劉彥麟,〈考量股權結構因素與總體經濟景氣循環因素建構台灣股票公開上市公司財務危機預警模式之研究〉,屏東科技大學企業管理學系碩士論文,2002。
[17] 蔡秋田,〈運用類神經網路預測上市公司營運困難之研究〉,成功大學會計學研究所碩士論文,1995。
[18] 戴鳳鈴,〈類神經網路與Logit模式對財務危機預測能力之比較研究--以臺灣股票上市公司為例〉,東吳大學企業管理學系碩士論文,1996。
[19] 戴姜慶,〈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,2010。
[20] 藍國益,〈企業財務危機預警模式之研究-考慮股權結構之研究〉,東吳大學企業管理學系碩士論文,1995。
[21] 顏君玲,〈以多分類邏輯斯迴歸模型預警台灣企業財務危機之研究〉,東吳大學財務工程與精算數學系碩士論文,2009
[22] Abdelwahed, T. and Amir, E. M. “New Evolutionary Bankruptcy Forecasting Model based on Genetic Algorithms and Neural Networks,” IEEE International Conference on Tools with Artificial Intelligence, ICTAI 17th, 2005, pp. 241-245.
[23] Altman, E. I., “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy,” The Journal of Finance (23:4), September 1968, pp. 589-609.
[24] Beaver, W. H., “Financial Ratios as Predictors of Failure,” Journal of Accounting Research (4), 1966, pp. 71-111.
[25] Blum, M., “Failing Company Discriminant Analysis,” Journal of Accounting Research (12:1), Spring 1974, pp. 1-25.
[26] Brockett, P. L., Cooper, W. W., Golden, L. L., and Pitaktong, U., “A Neural Network Method for Obtaining an Early Warning of Insurer Insolvency,” The Journal of Risk and Insurance (61:3), September 1994, pp. 402-424.
[27] Chen, W. S. and Du, Y. K. “Using neural networks and data mining techniques for the financial distress prediction model,” Expert Systems with Applications (36), March 2009, pp. 4075-4086.
[28] Coats, P. K. and Fant, L. F., “Recognizing Financial Distress Patterns Using a Neural Network Tool,” Financial Management (22:3), Autumn 1993, pp. 142-155.
[29] Deakin, E. B., “A Discriminant Analysis of Predictors of Business Failure,” Journal of Accounting Research (10), Spring 1972, pp. 167-179.
[30] Deb, K., “Multi-objective Optimization using Evolutionary Algorithms,” New York: John Wiley & Sons, 2001.
[31] Foreman, R. D. “A Logistic Analysis of Bankruptcy within the US Local Telecommunications Industry,” Journal of Economics and Business (55:2), March-April 2003, pp. 135-166.
[32] Foster, G., “Financial Statement Analysis,” Englewood cliffs, New Jersey: Prentice-Hall Inc., 1978.
[33] Laitinen, E. K., “Financial Ratios and Different Failure Processes,” Journal of Business Finance & Accounting (18:5), September 1991, pp. 649-673.
[34] Lau, A. H., “A Five-State Financial Distress Prediction Model,” Journal of Accounting Research (25:1), Spring 1987, pp. 127-138.
[35] Kijima, M. and Komoribayashi, K., “A Markov Chain Model for Valuing Credit Risk Derivatives,” The Journal of Derivatives (6:1), Fall 1998, pp. 97-108.
[36] Mensah, Y. M., “An Examination of the Stationarity of Multivariate Bankruptcy Prediction Models: A Methodological Study,” Journal of Accounting Research (22:1), Spring 1984, pp. 380-395.
[37] Odom, M. D. and Sharda, R., “A Neural Network Model for Bankruptcy Prediction,” Proceedings of International Joint Conference on Neural Networks (2), June 1990, pp. 163-168.
[38] Ohlson, J. A., “Financial Ratios and the Probabilistic Prediction of Bankruptcy,” Journal of Accounting Research, (18:1), Spring 1980, pp. 109-131.
[39] Platt H. D. and Platt M. B., “Predicting Corporate Financial Distress: Reflections on Choice-based Sample Bias,” Journal of Economics and Finance (26:2), Summer 2002, pp. 184-199.
[40] Pompe, P. and Bilderbeek, J. “The Prediction of Bankruptcy of Small and Medium Sized Industrial Firms,” Journal of Business Venturing (20:6), November 2005, pp. 847-868.
[41] Zavgren, C. V., “Assessing the Vulnerability to Failure of American Industrial Firms: A Logistic Analysis,” Journal of Business Finance & Accounting (12:1), March 1985, pp. 19-45.
[42] Zmijewski, M. E., “Methodological Issues Related to the Estimation of Financial Distress Prediction Models,” Journal of Accounting Research (22), 1984, pp. 59-82.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2019-10-07公開。
  • 同意授權瀏覽/列印電子全文服務,於2019-10-07起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信