一
、
研究結論隨著財務危機公司的不斷發生，能建立一套穩定且有效的財務危機預警模式，便可 儘速採取措施以預防危機發生時造成損失。因此，本研究樣本資料從臺灣經濟新報資料 庫（TEJ）蒐集 2004 年至 2009 年間符合本研究定義之財務危機公司，以採取 1:1 的比 例選樣，104 家發生財務危機的上市公司配對 104 家正常上市公司，也就是說用一家危 機公司配對一家正常公司作為研究資料。本研究以資訊電子產業為樣本，將資料區分為 訓練樣本及測試樣本兩組。訓練樣本，其中有52 家發生財務危機的上市公司配對 52 家 正常上市公司，建構財務危機預警模型；而測試樣本，其中有 52 家發生財務危機的上 市公司配對 52 家正常上市公司，用來測試預警模型的預測能力。本研究利用以決策樹 為基礎的資料探勘出“若則”的分類預測法則，並且藉由所探勘的法則建立分類預測模 型。顯示結合財務比率和公司治理的變數所建構的財務危機預警模型，比單純利用財務 比率建構的財務預警模型和公司治理建構的財務預警模型有更佳的準確率。足以顯示加 入公司治理訊息對財務危機預警模型而言，是一項很重要的預測因素。所建構的模型當 中，又以結合財務比率和公司治理的變數所建構的危機發生前二年之財務危機預警模型 有更好的準確率。更進一步利用 C5.0 決策樹為基礎之 boosting 集成法，顯示由多重分 類器所建立的分類模型比單一分類器模型，具有較高的分類準確率，且型一錯誤和型二 錯誤都可以降至最低。
所提方法不像過去文獻上許多類神經網路為依據的分析方法，以建構預測模型一 般，決策樹能夠提供明確的分類法則，達到將內隱知識外顯出來的目的。研究結果可發 現對於發生財務危機的公司，以該公司過去兩年的財務比率和公司治理因素能提供相當 有用及有效的資訊來進行預測的依據，此外實驗結果顯示公司治理因素對於判定公司是 否發生財務危機有重要的影響。公司治理因素中「董監事持股比率」與「董監事質押比 率」在區別財務正常與財務危機公司上具有顯著的差異，其董監事持股比率與財務發生 危機的可能性呈現負向關係，而董監事質押比率與財務發生危機的可能性呈現正向關
係。由於以往的財務危機預警模型大多限於財務報表可能不實，致使危機預警效果未能 有效發揮，因此只要公司治理機制完善，將對監督與改善公司營運策略有莫大助益。此 外本研究利用 If-Then 法則為基礎的決策模型，可提供投資者能夠及時性的正確判定公 司是否發生財務危機的可能性，這對擁有該公司投資者或股份持有者有很大的影響，因 為即時性的決策能幫助他們減少損失。所提方法可建立以分類為基礎之財務預警模型，
可被發展成為預測或判斷公司是否發生財務危機。
二
、
建議根據本研究實證分析後，對後續研究建議如下：
（一）未來可以應用市場資訊、總體經濟或經營效率等與財務危機發生相關之訊息 於企業危機預警之研究。
（二）後續研究可從不同產業面著手，透過類別的產業面建立不同的預警模式，以 建立不同產業分類模型之預測能力。
（三）本研究以年度財務資料作為研究變數，其導致模型的即時性受質疑，故後續 研究者可以半年度資料或季度資料來建立模型，使模型有即時性和充足的資 訊，以增加模型的準確度與時效性。
參考文獻
1. 王派洲 譯（2008），資料探勘概念與方法，修訂二版，《滄海書局》，台中。
2. 王景煌（2006），「以資料探勘技術建構企業危機預警模式－結合財務與非財務及智慧資本指標」，中 原大學資訊管理學系碩士論文。
3. 尹相志（2003），SQL2000 Analysis Service 資料採礦服務，《維科圖書有限公司》，台北。
4. 吳芝嫻（2005），「以公司治理角度探討企業財務危機相關因素之研究」，私立大葉大學事業經營研究 所碩士論文。
5. 卓一誠（2008），「運用倒傳遞類神經網路建構電子業財務危機預警模型」，國立交通大學管理學院碩士班 碩士論文。
6. 陳琇宜（2009），「應用資料探勘於全額交割股恢復交易之探討」，國立虎尾科技大學資訊管理系碩士 班碩士論文。
7. 陳淑萍（2002），「資料探勘應用於財務危機預警模式之研究」，銘傳大學資訊管理研究所碩士論文。
8. 陳肇榮（1983），「運用財務比率預測企業財務危機之實證研究」，國立政治大學企業管理研究所博士論 文。
9. 黃上益（2007），「運用資料探勘技術於動脈粥狀硬化預測模式之研究」，國立雲林科技大學工業工程與管 理研究所碩士班碩士論文。
10. 黃俊雄（1994），「企業財務危機預警模型在銀行授信決策之運用」，國立中興大學企業管理研究所碩士
論文。
11. 曾新穆、李建億（2004）譯，資料探勘（R.J. Roiger, M.W. Geatz, Data Mining, A Tutorial-based Primer, Addison Wesley, 2003），《東華書局出版》。
12. 葉銀華、李存修和柯承恩（2002），公司治理與評等系統，第一版，《商智文化事業股份有限公司》。
13. 葉銀華（2004）， 透視上市公司-聰明選股，遠離地雷，第一版，《先覺出版股份有限公司》。
14. 熊大中（2000），「我國企業財務危機與董監股權質押關連性之研究」，國立成功大學會計學研究所碩 士論文。
15. 廖述賢（2007），資訊管理，《雙葉書廊有限公司》，台北市。
16. 廖述賢、溫志皓（2009），資料採礦與商業智慧，《雙葉書廊有限公司》，台北市。
17. 蔡永泰（2005），「運用資料探勘技術建構企業財務危機預警模型」，私立中原大學資訊管理研究所碩 士論文。
18. 潘玉葉（1990），「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。
19. 趙維穎（2004），「董事會屬性、董事會功能與企業經營績效之關聯性研究」，私立中原大學企業管理 研究所碩士論文。
20. 鄧志豪（2000），「以分類樣本偵測地雷股－新財務危機預警模型」，國立政治大學金融研究所碩士論 文。
21. 盧俊安（2005），「我國上市櫃公司財務危機預警機率模型之建構與驗證」，崑山科技大學企業管理研 究所碩士論文。
22. Altman, E. I. (1968), “Financial ratios : Discriminant analysis and the prediction of corporate bankruptcy.”
Journal of Finance 23(4):589-609.
23. Beaver, William H. (1966), “Financial ratio as predictors of failure.”Empirical research in accounting: selected study, Supplement to Journal of Accounting Research, 71-111.
24. Berry, M. J. and Linoff, G. (1997). Data Mining Techniques for Marketing. Wiley Press.
25. Blum, M. (1974), “Failing company discriminant analysis.” Journal of Accounting Research 12(1):1-25.
26. Breiman, L (1996), “Bagging predictors ”, Machine Learning, 24 (2) :123-140.
27. Chen and Hu (2001), “The controlling shareholder’s personal stock loan and firm performance,” Working Paper, Department of Finance, National Taiwan University.
28. Claessens, S., S. Djankov, and L. H. P. Lang. (2002), “Disentangling the Incentive and Entrenchment Effects of Large Shareholdings”, Journal of Financial Economics, 6: 2769-2770.
29. Coats, P. K. and L. F. Fant. (1993), “Recognizing financial distress patterns using a neural network tool.”
Financial Management ,22(3): 307-327.
30. Curt, H. (1995), The Deville’s in The Detail: Techniques, Tool, and Applications for Data mining and knowledge Discovery-Part 1. Intelligent Software Strategies, 6(9) : 3.
31. Daily, C. M. (1995) , “The relationship between board composition and leadership structure and bankruptcy reorganization outcomes. ” Journal of Financial Economics,21, (6) :1041-1056.
32. Fayyad, U. & Stolorz, P. (1997). “Data mining and KDD: promise and challenges. ” Further Generation
Computer System, 13: 99-115.
33. Frawley, W.J., Piatetsky-Shapiro, G., and Matheus, C.J. (1991). Knowledge discovery in database: An overview.
In Knowledge Discovery in Databases : 1-27. Cambridge, MA: AAAI/MIT Press, Reprinted in AI Magazine, 13(3), 1992.
34. Han, J. and Kamber. M. (2001). Data Mining : Concepts and Techniques, San Francisco, CA: Morgan Kaufmann Press.
35. Han, J. and Kamber. M. (2006). Data Mining : Concepts and Techniques(2nd ed.) , Amsterdam: Morgan Kaufmann.
36. Jensen, M. C. & R. S. Ruback. (1983), “The market for corporate control: the scientific evidence”, Journal of Financial Economics, 11:5-50.
37. Kesner. (1987), “Directors’ stock ownership and organizational performance ：An investigation of fortune 500 companies,” Journal of Management, l3 (3):499-507.
38. Lau, H. L. (1987), “A five-state financial distress prediction model,” Journal of Accounting Research, 25(1):127-138.
39. Laitinen, E.K. (1991), “Financial ratios and different failure processes”, Journal of Business Finance and Accounting, 649-673.
40. Lemmon, M. & K. Lins. (2001), “Ownership structure, corporate governance, and firm value: evidence from the East Asian financial crisis,” Working paper, University of Utah.
41. Lin,C.-L.and Chen,T.-C. (March 2009), “A study of applying data mining approach to the information disclosure for Taiwan’s stock market investors”, Expert Systems with Applications, 36(2), Part 2:3536-3542.
42. Odom, M. D., Sharda, R. (1990), “A neural network model for bankruptcy prediction,” Proceedings of the IEEE International Conference on Neural Networks :163-168.
43. Ohlson, J. (1980), “Financial ratios and the probabilistic prediction of bankruptcy”, Journal of Accounting Research, 18:109-131.
44. Prowse, S. (1998), “Corporate governance：emerging issues and lessons from East Asia”, Responding to the Global Financial Crisis－World Bank Mimeo.
45. Rajan, S. & L. Zingales (1998), “Which Capitalism？Lessons from the East Asian Crisis”, Journal of Applied Corporate Finance, forthcoming.
46. Roiger, R.J., and Geatz, M.W. (2003). Data Mining: a tutorial-based primer. Boston: Addison Wesley.
47. Scott, N. (2006). The basis for biblio mining: frameworks for bringing together usage-based data mining and biblio metrics through data warehousing in digital library services. Information Processing & Management, 42:
785-804.
48. Wei, Z.P., and Dong, H. S. (2000). Theory and Practices of E-commerce. Taipei: Hwa Tai Publications.
49. Zmijwski, M.E. (1984), “Methodological issues related to the estimation of financial distress models, ”Journal of Accounting Research, 22