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 U0002-1206201218175800
中文論文名稱 類神經網路於財務危機預測模式之應用:時間預測變數的比較
英文論文名稱 Application of Artificial Neural Network to Financial Distress Prediction Model: A Comparison of Different Time-related Predictors
校院名稱 淡江大學
系所名稱(中) 統計學系碩士班
系所名稱(英) Department of Statistics
學年度 100
學期 2
出版年 101
研究生中文姓名 林敬凱
研究生英文姓名 Ching-Kai Lin
學號 699650338
學位類別 碩士
語文別 中文
口試日期 2012-05-23
論文頁數 62頁
口試委員 指導教授-陳景祥
委員-歐士田
委員-李百靈
中文關鍵字 財務危機  預測模式  類神經網路  CART 
英文關鍵字 Financial Distress  Prediction Model  Artificial Neural Network  CART 
學科別分類 學科別自然科學統計
中文摘要 台灣經濟成長從2000年開始衰退,許多企業發生了財務危機,如果可以利用財務比率建構一個穩定的財務危機預測模式,應該可以讓公司決策者提早應變,降低投資者損失。
關於財務危機方面的預測,大部分的研究者在探討財務危機預測模式時,大都只考慮發生財務危機當年度的資料,若有考慮多個年度或多個季度的資料時,也是把多個年度的資料整合成一個彙整值,或是分別對每個不同期間的資料做預測。 本研究嘗試比較發生財務危機之前三年資訊和單一年度資訊的兩種模式,使用倒傳遞和前饋式類神經網路、以及CART決策樹三種方法作模式準確度的比較。
研究結果顯示,若考量訓練樣本及測試樣本分類正確率,分析結果發現不論是使用三年的資訊或是只有單一年的資訊的兩種模式都有不錯的準確度。
英文摘要 In the 2000 years, Taiwan started economic depression that makes many companies have financial distress. If we can use financial ratio to construct a stable prediction model of financial distress, then is can earlier make the decision and decrease the losses.
About the financial distress prediction, most authors explore this question. Only consider the data on financial distress occurrence current, if consider multiple years or multiple quarters of data that will be integration of multiple year data into an aggregate value or respectively to make predictions for each of the different data period. This study attempts to compare the occurrence of financial distress pass three years information and single year information, uses Back-propagation Network(BPN) and Feed-forward neural network, CART decision tree three methods to compare the model accurate rate.
By this study, consider the training sample and testing sample which correction rates of classified, the result not only uses three years information but also single year information has the good accurate rate.
論文目次 目錄
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究架構 2
1.4 研究流程 3
第二章 文獻回顧 4
2.1 財務危機背景及文獻探討 4
2.2 類神經網路相關文獻 9
2.3 決策樹相關文獻 17
第三章 研究方法 20
3.1 財務危機的定義 20
3.2 研究對象與研究期間 22
3.3 變數選取 22
3.4 模式建立 24
第四章 實證分析 26
4.1 不同模式之比較分析 26
4.2 10-fold交叉驗證 40
第五章 結論與建議 49
5.1 結論 49
5.2 研究建議 50
參考文獻 51
附錄 55

表目錄
表3.1 財務危機的定義及違約日 20
表3.2 變數定義彙總表 23
表3.3 混淆矩陣示意圖 25
表4.1 倒傳遞類神經網路(3年)正確率 34
表4.2 前饋式類神經網路(3年)正確率 35
表4.3 CART決策樹(3年)正確率 36
表4.4 倒傳遞類神經網路(1年)正確率 37
表4.5 前饋式類神經網路(1年)正確率 38
表4.6 CART決策樹(1年)正確率 39
表4.7 10-fold倒傳遞類神經網路(3年)正確率 43
表4.8 10-fold前饋式類神經網路(3年)正確率 44
表4.9 10-fold CART決策樹(3年)正確率 45
表4.10 10-fold倒傳遞類神經網路(1年)正確率 46
表4.11 10-fold前饋式類神經網路(1年)正確率 47
表4.12 10-fold CART決策樹(1年)正確率 48

圖目錄
圖1.1 研究流程圖 3
圖2.1 神經元示意圖 10
圖2.2 類神經網路模式 11
圖2.3 前饋式類神經網路模式架構圖 15
圖2.4 回饋式類神經網路模式架構圖 16
圖2.5 決策樹模式示意圖 17
圖3.1 時間延遲的類神經網路模式架構圖 24
圖4.1 相同時間資訊預測正確率彙整圖 30
圖4.2 相同方法預測正確率彙整圖 31
圖4.3 六種模式訓練正確率示意圖 32
圖4.4 六種模式測試正確率示意圖 33
圖4.5 10-fold訓練正確率示意圖 41
圖4.6 10-fold測試正確率示意圖 42

參考文獻 參考文獻
中文部分
[1] 王派洲譯;Han, J., Kamber, M.著(2008)。資料探勘:概念與方法,臺中市:滄海。
[2] 朱賜麟 (2009)。<利用文詞語意探勘所構建之財務危機關鍵詞在企業財務危機預警上的效能>,銘傳大學財務金融學系碩士班碩士論文。
[3] 杜詩敏 (2004)。<不同之類神經網路應用於財務危機預測模型之比較>,樹德科技大學金融保險研究所碩士論文。
[4] 吳泳慶 (2007)。<中文垃圾郵件客製化過濾系統之研究>,淡江大學統計學系應用統計研究所碩士論文。
[5] 林郁翎、黃建華 (2009)。<考慮公司治理之企業財務危機預警模型>,東吳經濟商學學報,第64期,頁23-56。
[6] 林淑萍、黃劭彥及蔡昆霖 (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1期,頁35-56。
[7] 周百隆、盧俊安 (2007)。<以Cascaded Logistic Model 建構我國企業財務危機預警模型之研究>,中華管理評論國際學報,第10卷第2期,頁1-16。
[8] 施雅月、賴錦慧譯;Tan, P.N., Steinbach, M. and Kumar, V.著(2007)。資料探勘,臺北市:臺灣培生教育。
[9] 翁權威 (2009)。<銀行企業金融業務之財務預警能力研究>,國立中山大學 企業管理學系研究所碩士論文。
[10] 陳肇榮 (1983)。<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未出版碩士論文。
[11] 張韻芝(2008)。<財經新聞語料探勘:企業財務危機預警模型構建上之應用>,銘傳大學財務金融研究所碩士論文。
[12] 黃文隆(1993)。<財務危機預警模式建立與驗證>,東吳大學管理科學研究所碩士論文。
[13] 黃博怡、張大成 (2006)。<考慮總體經濟因素之企業危機預警模型>,金融風險管理季刊,第二卷第二期,頁75-89。
[14] 黃振豊、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>,當代會計,第一卷第一期,頁19-40。
[15] 葉采羚 (2006)。<垃圾郵件過濾:資料採礦與中文斷詞技術之應用>,淡江大學統計學系應用統計研究所碩士論文。
[16] 鄭碧月(1997)。<上市公司營運危機預測模式之研究>,朝陽技術學院財務金融系所研究所碩士論文。
[17] 潘玉葉 (1990)。<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。
[18] 蘇文娟 (2000)。<台灣上市企業財務危機預測之實證研究>,東華大學國際經濟研究所碩士論文。
[19] 嚴玲敏 (2007)。<應用類神經網路建構一套財務危機預警系統>,逢甲大學資訊電機工程碩士在職專班碩士論文。
[20] 葉怡成 (2009),<類神經網路模式應用與實作>,臺北市:儒林圖書,九版。
[21] 遠見雜誌,第273期(2009年3月號)。

英文部分
[1] Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, September, Vol. 23, No.4, 589-609.
[2] Altman, E. L., Edward, I., Haldeman, R., & Narayanan, P. (1977). A new model to identify bankruptcy risk of corporations. Journal of Banking and Finance, 1, 29–54.
[3] Atiya, A.F. (2001). Bankruptcy prediction for credit risk using neural networks: A survey and new results. IEEE, Vol. 12, No. 4, 929-935.
[4] Beaver, W. H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, Vol. 4, No. 3, 71-111.
[5] Black, F. & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities, Journal of Political Economy, 81, 637-659.
[6] Breiman, L., Friedman, J.H., Olshen, R.A. and Stone, C.J. (1984). Classification and regression trees. Wadsworth.
[7] Coats, P. K. & Fant, L. F. (1993). Recognizing financial distress patterns using a neural network tool. Financial Management, 307-327.
[8] Jensen, M. and Meckling,W. (1976). Theory of the Firm: Managerial Behavior, Agency Costs and Ownership Structure. Journal of Financial Economics, 3, No.4, 305-360.
[9] Lee, T. L. (2004). Back-propagation neural network for long-term tidal predictions. Ocean Engineering, Vol. 31, No. 2, 225-238.
[10] Martin, D. (1977). Early warning of banking failure. Journal of Banking and Finance, Vol. 4, 249-276.
[11] Mehdi, Khashei. & Mehdi, Bijari. (2010). An artificial neural network (p, d, q) model for time-series forecasting. Expert Systems with Applications, 37, 479–489.
[12] Merton, R. C. (1974), On the Pricing of Corporate Debt: The Risk Structure of Interest Rates. The Journal of Finance, 28, 449- 470.
[13] Odom, M. D. & R. Sharda. (1990). A neural network model for bankruptcy prediction. IEEE INNS IJCNN, Vol. 2, 163-168.
[14] Ohlson, J. A. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, Vol. 18, No. 1, 109-131.
[15] Prowse, S. (1998). Corporate Governance: Emerging Issues and Lessons from East Asia. The world Bank Working Pager, Washington, D.C.
[16] Smith, R. & Winakor, A. (1935). Changes in the Financial Structure of Successful Corporations, Bureau of Business Research, University of Illinois, Urbana, IL, Bulletin 51.
[17] Summers, S. L. & Sweeney, J. T. (1998). Fraudulently misstated financial statements and insider trading: An empirical analysis. Accounting Review, Vol.22, 131-146.
[18] Wei-Sen Chen & Yin-Kuan Du (2009). Using neural networks and data mining techniques for the financial distress prediction model. Expert Systems with Applications, 36, 4075–4086.
[19] Zmijewski, M. E. (1984). Methodological Issues Related to the Estimation of Financial Distress Prediction Models. Journal of Accounting Research, Vol. 22, 59-82.

網路部分
[1]台灣經濟新報TEJ+資料庫,(http://www.tej.com.tw)
[2] TWSE台灣證券交易所,(http://www.twse.com.tw/ch/)
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2012-06-25公開。
  • 同意授權瀏覽/列印電子全文服務,於2012-06-25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 2281 或 來信